【51CTO.com原創(chuàng)稿件】近幾年，機器學習、深度學習以及大數(shù)據(jù)分析一直是熱門話題，人工智能在金融、營銷、軟件開發(fā)、戰(zhàn)略決策等領域的應用也越來越普遍。

數(shù)據(jù)智能技術供應商Teradata天睿公司于去年推出下一代分析平臺Teradata Vantage，提供描述性、預測性與指示性分析、自主性決策、機器學習、可視化工具等廣泛功能，致力于解決當前分析方案中的各類問題。Teradata Vantage的高級分析是如何利用分析處理引擎實現(xiàn)機器學習和深度學習?上市半年來取得了哪些階段性成果?這些問題在近期召開的Teradata媒體會上得到了詳細解答。

高級分析的三個發(fā)展階段

Teradata天睿公司首席技術官寶立明(Stephen Brobst)認為，高級分析的發(fā)展可以分為三個階段：第一階段是描述性分析，用于洞察過去;第二階段是預測性分析，能夠了解未來;第三階段是指導性分析，為可能發(fā)生的結果提供建議。Teradata開發(fā)的Vantage軟件平臺屬于第三階段的產(chǎn)物，能夠為企業(yè)提供最佳的高級分析能力。

Teradata天睿公司首席技術官寶立明(Stephen Brobst)

如今，機器學習技術取得飛速發(fā)展，其能力超出人類的例子也比比皆是。最讓寶立明印象深刻的是，在某界國際象棋比賽中，來自挪威和美國的兩位象棋大師在最后一局打成了平局，經(jīng)過軟件分析后得知，挪威象棋大師本可以在60步內(nèi)將死對手，但是由于象棋大師只能預測幾十步以內(nèi)的可能性，對于60歩的結果完全無能為力，最后只能打成平手。

行業(yè)預測表明，一些需要簡單體力或腦力勞動的職業(yè)將被機器取代，如收銀員、卡車司機、簡單翻譯、放射科醫(yī)生和個人信用評估等等。實際上，機器學習的預測能力已經(jīng)被應用到企業(yè)的實際業(yè)務中，為企業(yè)的未來發(fā)展指引方向。

目前所謂的人工智能都是增強型人工智能，它還無法完全取代人類，只能增強人的能力。例如，軟件可以幫助醫(yī)生診斷一些疾病，但是機器的診斷分析只能提供參考，最后還是要靠醫(yī)生選擇治療方案，進行治療。由這個例子引申開來，人們在制定策略、戰(zhàn)略時，可以讓智能化的軟件輔助我們實現(xiàn)這些戰(zhàn)略，AI不止能夠幫助企業(yè)提速降本增效，還能幫助企業(yè)管理者將戰(zhàn)略制定得更長遠，更完美，Teradata Vantage正是為了這一目標而存在。

Teradata Vantage高級分析平臺

Teradata Vantage高級分析平臺在架構上可以分為四層，由下至上分別是數(shù)據(jù)源、分析引擎、分析語言和分析工具。此前，Teradata收購了一家來自斯坦福大學的創(chuàng)業(yè)公司Aster Data，創(chuàng)新性地同時集成了Map-Reduce和ANSI SQL引擎，能夠?qū)⑸蠈拥姆治鲆媾c底層的存儲設備打通，進行大數(shù)據(jù)分析和計算。

Teradata Vantage的分析引擎層包含NewSQL引擎、機器學習引擎、圖形引擎、Spark引擎、TensorFlow引擎以及一系列定制引擎。寶立明強調(diào)，Teradata Vantage的機器學習引擎由廣泛的分析功能組成，除數(shù)據(jù)準備、非結構化數(shù)據(jù)分析功能以外，還涵蓋人工智能、統(tǒng)計、文本、情感判別等200余種分析引擎，便于科學家進行描述性或預測性的分析。圖引擎可實現(xiàn)關聯(lián)分析，并了解網(wǎng)絡用戶、產(chǎn)品、過程乃至任何聯(lián)網(wǎng)實體中這些關系將怎樣影響結果。其中，每個引擎都用Docker做成Container封裝起來，不斷迭代。與此同時，基于開源的OpenStack平臺和商業(yè)分析引擎，讓開發(fā)者們可以開發(fā)出一些內(nèi)部引擎和工具集。

在分析語言方面，早期，Teradata推出了高性能和高可靠性的Teradata關系數(shù)據(jù)庫管理系統(tǒng)，該系統(tǒng)采用標準的SQL查詢語言，適用于處理復雜查詢的數(shù)據(jù)倉庫應用。隨著預測性、指導性高級分析需求的逐漸增多，SQL這一結構性的查詢語言已無法滿足需求， Teradata陸續(xù)將NoSQL，R，Python，NewSQL，SAS等語言納入進來，結合頂層的分析工具以及廣泛的商業(yè)智能與可視化工具，讓企業(yè)的分析師和數(shù)據(jù)科學家無需非常了解機器學習算法即可用到機器學習的能力，為用戶提供預測性、指導性的高級分析能力。

Teradata Vantage本地化最佳實踐

為了滿足中國市場的本地化需求，Vantage平臺支持百萬級乃至上億級用戶體量的高級分析需求。據(jù)介紹，Teradata在中國的諸多銀行客戶紛紛開發(fā)出了相關的分析引擎，使數(shù)據(jù)科學家們能夠利用任何他們慣用的開源或商業(yè)的語言和工具，充分利用不同的數(shù)據(jù)源，通過各類分析引擎，與不同的應用相結合，訪問、共享位于分布式存儲以及對象存儲中的各種格式的數(shù)據(jù)。

寶立明透露，通過機器學習的高級分析能力，Teradata幫助銀行客戶將信用卡欺詐診斷率提升50%，誤報率降低80%-90%。銀行客戶利用機器學習、神經(jīng)網(wǎng)絡的算法和引擎，能夠預測流失率、流失原因以及用戶去向，通過對信用卡交易時間、地點和頻率的分析，快速進行可疑交易識別與欺詐行為判斷，從而規(guī)避交易風險，提升客戶體驗。

除銀行客戶外，制造業(yè)、物流運輸業(yè)以及電信等行業(yè)也將高級分析能力用于風險預測領域，例如預測哪些零部件將在何時發(fā)生故障，Teradata將這些高級分析能力打包推薦給客戶，助力企業(yè)快速提升業(yè)務效率。

Teradata Vantage的主要分析用例包括：

1、 功能預測。預測哪些客戶會流失，哪筆貸款會違約，以及客戶定位、金融預測、營銷組合建模、客戶抱怨預測、凈推薦值影響因素、風險建模、預測性維護等。

2、 客戶細分。與傳統(tǒng)的客戶細分不同，Vantage的客戶細分可以多達成百上千個屬性，用多維的方式進行歸檔和分類，選擇最具潛力的客戶。詳細用例包括市場細分、客戶流失因素細分、放棄線上購買、破壞過程的關鍵影響因素等。

3、 了解因果關系。就是通過機器學習引擎了解因果關系來制定一個最佳的客戶路徑，避免客戶流失。包括營銷歸因、投資回報率、客戶流失、欺詐行為路徑、實時優(yōu)化等。

4、 情境。可以通過文本、語音、Email來收集資料，了解客戶對商品或服務是否滿意。據(jù)悉，Teradata在中國開發(fā)了基于中文的自然語言分析，實現(xiàn)情感分析，進行客戶打分。

5、 網(wǎng)絡社交。利用網(wǎng)絡社交的相互關系，了解潛在用戶以及犯罪團伙的情況，包括反饋/審查集群、了解喜歡我的用戶、欺詐網(wǎng)絡、線上欺詐等領域。

6、 假設測試。通過變量分析、關聯(lián)、主成分分析、采樣等功能，實現(xiàn)實驗、影響力測量、根本原因分析以及過程優(yōu)化。

Teradata Vantage的三大典型案例

最后，寶立明列舉了客戶利用Teradata Vantage平臺實現(xiàn)高級分析的三大典型案例。

制造業(yè)：前瞻性維護

某全球大型制造商的生產(chǎn)設備位于世界各地，這些機器都處于7×24小時連續(xù)工作的狀態(tài)，為了進行部件故障檢測、防止意外停機，該公司通過軟件對多個設備傳感器和性能數(shù)據(jù)進行監(jiān)測，通過日志分析、廣義線性模型以及各類分析引擎，將停機事件傳感器路徑與穩(wěn)定運行事件傳感器路徑進行對比，隔離性能瓶頸的關鍵指標，預測即將發(fā)生問題的設備，實現(xiàn)前瞻性維護，降低停機時間，節(jié)約成本。

零售業(yè)：多渠道整合

對于大型零售商而言，往往有眾多銷售渠道，但是零售商很難清楚地判斷哪種銷售渠道的影響力更大，更難了解客戶在不同渠道、對不同商品的各種互動行為，更無法將線上及線下的渠道打通，進行聯(lián)合銷售，提升客戶體驗。為了解決這些困擾，某大型零售商運用Teradata Vantage進行多渠道整合，形成完整的客戶購買商品的路徑，并通過不斷測量新渠道活動，確保客戶在最短的時間內(nèi)以最低的成本購買商品，跟蹤客戶對商品的評論，不斷提高客戶的滿意度指數(shù)。

金融業(yè)：多渠道監(jiān)測

如何減少賬戶關閉事件，是全球銀行業(yè)共同關注的指標。過去，客戶賬戶關閉與客戶滿意度模型需要不斷地手動調(diào)整和干預，有了Vantage平臺的高級分析能力，能夠結合網(wǎng)銀、呼叫中心、ATM機等多渠道數(shù)據(jù)，自動化的進行分析，從賬戶關閉的時間點向前分析，找出與賬戶關閉相關的20余個行為，評估這些行為的風險，進行干預，從而大幅降低賬戶關閉情況。

總結：

隨著機器學習、大數(shù)據(jù)的不斷發(fā)展，各類的分析引擎、分析語言、分析工具層出不窮，Teradata Vantage則整合了主流的商業(yè)和開源的分析工具，化繁為簡，落地各個行業(yè)，結合行業(yè)的屬性與需求，甄選最受行業(yè)歡迎的行業(yè)分析工具，不僅幫助企業(yè)管理數(shù)據(jù)，更能提供出色的分析能力，提升數(shù)據(jù)分析師與數(shù)據(jù)科學家們的用戶體驗。

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】