AI体验伦敦:利物浦维多利亚,国内和国外的亮点一般,Markerstudy

时间:2019-03-14 21:44:19 阅读:85次
AI体验伦敦:利物浦维多利亚,国内和国外的亮点一般,Markerstudy

   DataRobot AI Experience于10月11日星期四首次在欧洲停留,欢迎各行业的300多名AI爱好者前往伦敦市中心。

<! - more - >

  在DataRobot高级总监Jen Underwood的开幕主题演讲之后,观众们接受了DataRobot自动化机器学习平台的广泛演示,之后听取了DataRobot最成功的三个EMEA的第一手资料。客户 - 利物浦维多利亚,国内&amp;一般和Markerstudy保险。

  

  

Jen Underwood(DataRobot),Paul Davies(国内和普通),Jason Cabral(Markerstudy),Pardeep Bassi(利物浦维多利亚),AndréBalleyguier(DataRobot)

  

  发言人讨论了克服挑战 - 无论是高管还是现有团队 - 实施的最佳实践,特别强调了机器学习在公司持续发展中所起的关键作用。

  

维多利亚利物浦数据科学主管Pardeep Bassi

  利物浦维多利亚(LV)数据科学主管Pardeep Bassi将他的演讲重点放在“推动机器学习的实施”上商业,“他在两个不同的业务中所做的事情。 Pardeep负责将DataRobot引入国内和国外。将军,在搬到利物浦维多利亚之前。

  立即开始,Pardeep强调机器学习不仅重要,而且关键任务。

   根据Pardeep的说法:“公司应该在适当的时候使用机器学习来影响每个商业决策。机器学习允许您从数据中提取最大价值。它可以让您更准确,更有效地做出决策。“

  但实施像DataRobot这样的机器学习平台需要的不仅仅是购买一块软件。在他将DataRobot带到利物浦维多利亚之前,Pardeep采取了三步走的方法:

  •   建立你的团队


  •   了解土地的位置


  •   绘制成功之路


       1。建立您的团队:而不仅仅是数据科学或平台用户的业务分析师团队。 Pardeep指出,在组织的各个层面获得层层支持非常重要,这些层面可能会受到机器学习的影响。行政支持对于获得组织支持至关重要:

       “我们在LV的首席执行官一直非常善于为机器学习提供支持和打开大门,”Pardeep说。 “没有它,你就不会成功。”

    Pardeep还提到“实地人员对机器学习的成功非常重要。在LV,所有模型构建者都与索赔处理人员或其他主题专家(SME)密切合作。根据Pardeep的说法,无论您的数据科学家和分析师多么聪明,他们都无法取代对中小企业提供的问题的深入了解。

       2。了解土地的布局:引入先进的自动化机器学习平台可以在整个组织中产生反响效果。对于Pardeep来说,在引入这样一个有影响力的新工具之前,了解土地的位置非常重要。他分享了一个关于理解系统的常见例子:虽然DataRobot允许用户编写API,但现有系统是否接受API? IT会是协作和支持,还是阻止?这些是Pardeep在将DataRobot带入之前回答的一些问题。

       3。绘制成功之路:根据Pardeep的说法,不值得引入机器学习平台只是为了默认一个流行语。有一个目标或项目。 Pardeep建议从低挂水果开始 - 找到有大量数据和大量交易的决策,并从这些开始。即使是“小用例”也值得追求:

       Pardeep以召唤武器结束了他的会议:

       “实施机器学习是一场战争,就像任何战争一样,你必须建立你的军队,在战场范围内,明智地选择你的战斗,”Pardeep说。 “在战斗中,你需要选择合适的武器,而DataRobot是一把非常强大的剑。”

      

    国内外数据科学主管Paul Davies一般

      对于国内和国外General(D&amp; G)是一家保险公司,拥有1600多万活跃客户,保修范围涵盖全球超过2200万家电,以客户为先,始终是我们的首要任务。然而,如果没有机器学习的帮助,专注于每个客户几乎是不可能的。

       “我们周围的世界正在发生变化,”保罗说。 “我们收到的投诉越来越多,我们没有按照我们想要的方式为客户提供服务。我们有1600万客户,如果没有机器学习,我们就无法以客户为中心。“

      在他的演讲“从Excel到自动化机器学习”中,数据科学负责人Paul Davies分享了促使已经以分析为重点的公司迈向下一步预测分析和数据的过程,这些都是为了提供为1600万客户提供更好,更个性化的体验。

      尽管近年来取得了巨大的成功,但D&amp; G知道通用报价(例如标准的25%折扣)和静态定价策略在长期保持竞争力方面是不可持续的。 Paul和他的团队开展的第一个机器学习项目是定价优化;他们希望预测客户更有可能更新哪些价格点(您可以在此深入了解D&amp; G的定价优化项目)。毕竟,正如保罗解释的那样:

       “定价是我们做的第一个项目,因为它是最简单的赚钱方式,最简单的显示价值的杠杆(机器学习)。”

      在实施DataRobot之前 - 在“Excel”R和Python日期间 - 保罗的团队建立的模型可以提供1万个价格点预测,最终每个报价预测产生额外的2磅。随着DataRobot的速度,生产力和预测准确性的提高,它们现在每月最高价格达到35万,达到提升的两倍(每次报价预测为4磅)。这代表了D&amp; G收入的绝对大幅增长。

      

      

      

      随着定价优化项目取得成功并显示机器学习的价值,Paul和他的团队现在为D&amp; G的DataRobot的未来投入了广泛的网络。他们关注“其他项目的负载”,包括预测机器何时需要维修,处理投诉,量身定制的营销信息,个性化优惠,有针对性的交叉销售和客户流失。

      

    Jason Cabral,Markerstudy首席精算师

      杰森卡布拉尔通过他的演讲“数据分析到机器学习之旅”完善了客户演讲会。他分享了他们在Markerstudy的经历,其中一个是英国顶级汽车保险公司就像在努力寻找利用这些数据的方法时意识到数据的重要性一样。

       “数据会告诉你你甚至没想过要问的问题的答案,”杰森说。 “数据和分析是在一个可能是世界上最具竞争力的市场中实现这种增长的唯一途径。数据必须是我们独特的卖点。但我们正处于数据饱和的阶段,我们有太多的信息:我们如何快速处理它?“

      能够快速处理数据和建立预测模型对Jason资源有限的团队来说是一个挑战。 Markerstudy的首席执行官有一项自上而下的授权,要建立一个数据科学家团队,但正如杰森很快意识到的那样,“这些人可能不一定想从事保险工作,而且难以吸引和重新培训。”

      他们试图在内部培训一名数据科学家,然后他可以与杰森团队的保险主题专家合作,但事实证明这是非常耗时的,甚至更像是一个黑盒子。然后,通过与Markerstudy承包商进行IT项目的机会对话,Jason发现DataRobot和平台能够“为你做繁重的工作,让你用更少的钱做更多的事情”,正如Jason所说的那样。

    杰森的精算师和保险主题专家团队现在可以开展各种以前过于耗时且单调的项目。这些用例包括:

  •   来自Experian的浓缩数据和信用数据分析 - 以前,团队可以使用广义线性模型一次仅测试一个因子。一位分析师需要一个月的时间来手动测试数千个因素; DataRobot在几分钟内对最重要的因素进行排名。


  •   低成本建模 - 从历史上看,建立和审查风险模型既耗时又单调,仅限于GLM。 DataRobot不仅通过构建多个模型来解决繁重问题,而且根据Jason的说法,GLMS很少在DataRobot的模型排行榜中排名靠前。


  •   索赔投诉分析 - 杰森的团队正在努力尝试预测索赔投诉。根据某些特征预测谁可能提出索赔投诉的可能性可以为公司节省大量时间。


      

      虽然所有三位客户代表了保险行业,但他们重申,通过使用可用的数据来构建预测模型,公司可以做的事情无限可能。 DataRobot的自动化机器学习平台帮助Liverpool Victoria,Domestic&amp; General和Markerstudy弥合了他们内部主题专家和难以捉摸的数据科学资源之间的差距,使他们能够利用他们的数据做更多的工作,并且正如Jason所说的那样,“找到他们甚至没想到的问题的答案。 “

      

      

  • AI体验伦敦:利物浦维多利亚,国内和国外的亮点一般,Markerstudy所属专题:AI 《AI体验伦敦:利物浦维多利亚,国内和国外的亮点一般,Markerstudy》链接:http://zhouchuanxiong.net/1221

    AI体验伦敦:利物浦维多利亚,国内和国外的亮点一般,Markerstudy相关文章

  • 砖和砂浆零售中人工智能的杀手用例
  • AI简化:目标泄漏
  • 如何选择您的AI供应商
  • AI简化:数据要求
  • 您需要成为AI驱动企业的三件事
  • 民主化和可解释性:DataRobot的2019年人工智能预测
  • 工程师的AI:如何(不)成为数据科学家
  • AI简化:成为AI驱动企业的三大障碍
  • 与您现有的现有团队一起实现AI承诺
  • 为什么今天的零售银行需要人工智能才能获胜
  • 构建人工智能时避免人为错误
  • DeepMind AI将谷歌数据中心冷却费减少40%
  • 宣布人工智能合作伙伴关系让人民受益社会
  • DeepMind和Blizzard将星际争霸II作为AI研究环境发布
  • 我们与学术界合作推进人工智能领域
  • AI和神经科学:一个良性循环
  • DeepMind和Blizzard将星际争霸II作为人工智能研究环境开放
  • 在简单环境中指定AI安全问题
  • 为什么Streams还没有使用AI?
  • 安全第一AI用于自动数据中心冷却和工业控制
  • AI在帮助计划头部和头部患者治疗中的有希望的作用。颈癌
  • AlphaFold:使用AI进行科学发现
  • Inbenta被Crunchbase / Forbes评为顶级AI公司
  • 互联网零售商独家:人工智能体验提升底线 - Inbenta
  • 人工智能:它可以改变我们的生活方式
  • 律师事务所如何利用人工智能的进步
  • 政府和人工智能:在省钱的同时提高效率 - Inbenta
  • 世界饥饿:AI如何解决我们最大的问题之一 - Inbenta
  • AI Sport,运动员多久才开始使用人工智能?
  • AI医生:人工智能如何帮助医学 - Inbenta