分析、预测分析和人工智能机器学习之间的差异

karimahafisa55

分析、人工智能和预测分析之间的区别
人工智能 (AI) 行业一直占据头条新闻，这是有充分理由的。它已经改变了世界各地的行业，各公司都在争先恐后地了解如何整合这项新兴技术。人工智能这个概念已经存在了一段时间，但近年来由于计算能力、云服务和人工智能算法库的可用性的增长而发生了变化。

人工智能“产业”正在呈指数级增长，预计到 2025 年将达到近 600 亿美元。我们环境中的大多数公司董事都没有意识到人工智能的潜力，而在其他环境中它几乎已经投入使用。可用的新产品和服务使人工智能的采用降低了风险，重点是提供实用且立即产生影响的结果。与之前的许多尝试相反，它们导致了昂贵的技术项目留下了伤痕。

但在管理层承诺并执行其人工智能战略 澳大利亚手机号码数据 之前，必须了解人工智能数据分析、预测分析和机器学习之间的区别。

分析（数据分析）
管理者们很乐意参与数据分析，从触手可及的海量数据中受益（也很可能遭受损失）。数据挖掘提供大量数据，通常是非结构化的。目标是聚合数据以报告结果、寻找模式并找到变量之间的关系。人类做出假设并寻找数据来证明这种关系。如果有效，可以使用附加数据继续测试。

举个例子，假设您的信用卡忠诚度计划使用数据分析来确定它有 10,000 名中年男性会员，其中 1,000 人已经兑换了累积积分。这些数据有助于推测中年男性更容易出现这种情况，因此公司的营销工作应该集中在这一细分市场。

数据分析是描述性的，因为它基于过去的事件。它不能预测变量变化的影响。

预测分析
数据分析自然会导致预测分析，使用收集的数据来预测可能发生的情况。预测基于历史数据，并依靠人类交互来查询数据、验证模式、创建并测试假设。

根据过去的经验得出的假设认为未来将遵循相同的模式。 “假设”假设基于人类对过去的理解，预测能力受到人类数据分析师的数量、时间和成本限制。

从数据分析中得出的预测见解对于管理非常有用。它们可以帮助预测行动的有效性，为有关抵押品、地理市场和目标人口统计的决策提供信息。但目标和细分的愿望越详细，时间和成本的需求就越大，使得成功的、超个性化的营销活动几乎不可能。

人工智能 机器学习
机器学习是预测分析概念的延续，有一个关键区别：人工智能系统可以自主做出假设、测试和学习。

人工智能是多种技术的结合，而机器学习是最突出的技术之一。 AI机器学习做出假设，重新评估模型，重新评估数据，所有这些都不需要人工干预，这改变了一切。正如人工智能意味着人类工程师不需要为每一个可能的动作/反应进行编码一样，人工智能机器学习可以测试和重新测试数据，以人类无法比拟的速度和能力来预测客户和客户产品之间的每一个可能的匹配。存在可以实现。



可以立即执行涉及更多变量的复杂分析，从而使系统能够快速学习。这种学习可以提供对人类分析师无法在大量人群上实际执行的微观目标的见解。

这不是一个或另一个的问题：管理者必须了解每种方法的优点和局限性。向下简化：

• 分析是指审查过去事件的数据以找出模式。