AI Experience Chicago:TD Ameritrade,United Airlines和Symphony Post Acute Network的亮点

时间:2019-03-15 13:17:11 阅读:45次
5月17日星期四举行的DataRobot AI体验路演吹响了Windy City。来自各行各业的数百名专注于AI的专业人士聚集在一起,亲身体验自动化机器学习的变革力量。

<! - 多 - >

  

   DataRobot面向客户的数据科学家Jonathan Dahlberg通过分享公司在成为人工智能驱动型企业的道路上面临的障碍 - 以及如何克服这些障碍 - 开始向三位DataRobot用户提起诉讼在已成为人工智能驱动型企业的公司。

  

  

  

   Beaumont Vance(TD Ameritrade),Nathan Patrick Taylor(Symphony Post Acute Network)和Michael Shores(美国联合航空公司)

  

演讲者1:TD Ameritrade企业分析主管Beaumont Vance

  

  对于Beau,DataRobot通过提供价值并立即返回显着的投资回报率来证明其在分析工具集中的地位。

  

   Beau专注于获得高层管理层支持的重要性,以及这对真正的创新有多重要。

  

  对于Beau,DataRobot通过提供价值并立即返回显着的投资回报率来证明其在分析工具集中的地位。 DataRobot的机器学习生命周期解决了传统分析框架的挑战,即回答了四个问题:

  •   您是否通过可证明的投资回报率来解决实际的有形业务问题?


  •   更重要的是 - 速度还是准确度?


  •   解决方案是否可以投入生产?


  •   框架是否可扩展?


      通过DataRobot,Beau可以满足TD Ameritrade的高管,快速,准确地回答这些问题。此前,Beau的企业分析团队驳回了低于875,000美元的项目,因为回报对于这项工作来说太小了。使用DataRobot,Beau可以在一周内完成该项目的两名员工:通过DataRobot建模工厂以95%的准确率运行它,生成它,使其快速上升,并使其投资回报率为正。在整个组织的每个部门系统地完成这种类型的项目识别。 DataRobot开辟了Beau团队以前不得不解雇的一小部分但非常有意义的问题。

      

      尝试向管理层解释DataRobot究竟做了什么以及它带来的价值对博而言并不成功;任何数据科学术语的提及都会立即丢失。最后,博说,该平台只是避免使用他本来不得不雇用的12个非常昂贵的人来提供自动化机器学习平台带来的生产力。 Beau的团队从不得不建立,维护和评分模型的苦差事中解放出来,从机器学习项目中获得显着的投资回报率对于TD A??meritrade的高管来说是显而易见的。

      

      作为收购公司,TD Ameritrade需要可扩展的解决方案。博的首席执行官非常清楚;向Beau发出指令,以利用允许跨所有部门和新组织扩展的技术。对于Beau的团队,DataRobot只是他们所需的技术解决方案。

      

    演讲者2:美国联合航空公司机器学习高级经理Michael Shores

      迈克尔举例说明,当高层管理人员为所有机器学习项目提供支持时,普及的AI有多么强大组织内的部门。

      

      

      美联航的每个部门都与迈克尔的团队合作,完全授权和民主化以寻找分析项目,很明显人工智能是公司的一个相关和蓬勃发展的部分。

      

    迈克尔的团队的任务是帮助在整个组织内寻找有意义的企业分析项目 - 所有这些都旨在改善美国联合航空公司的客户体验。其中一些机器学习项目包括:

      

    预测特定航班需要多少行李才能进行检查。这可以防止客户在发现行李箱没有足够的舱顶空间后,不必在过道中“游泳”,同时还可以避免出发延误。
    ?同样,预测飞机下可以装载多少货物。

    ?记录维护日志。联合航空公司的传统流程看到技术人员用纸质表格填写维护日志,以便识别和预测设备故障的趋势。迈克尔的团队建立了一个分类器,每年对数百万个日志进行分类;以前的手动方法只能管理该量的2%。

    ?旅行建议,预测客户的最佳航班和目的地。

    ?预测实例时机上wifi将失败或不太可靠,以便客户得到通知并做出相应的计划。

    ?预测区域高级升级(RPU)的可用性。
    United的忠诚度忠诚会员可以申请RPU优惠券,如果有特定航班可用,忠诚会员将获得升级。如果没有这个价格,客户会进入候补名单。


      这通常是令人沮丧的客户体验,优质的美联航客户不知道他们是否会收到升级。迈克尔的团队希望更好地预测升级的可用性并使整个过程更加透明,同时为客户提供更好的价值,让他们与美联航保持忠诚的高端客户以及更多的航班和升级选择。

    Michael的团队确定了数据 - 主要来自四个数据库:航班需求,航班属性,客户属性和票证属性 - 一旦准备好,他们只需将数据放入DataRobot即可“让它发挥其魔力”。这些模型确定了诸如旅行者的首要状态,预计未出现和飞行距离等特征的变量,在预测每次飞行可用的RPU数量时最具预测性。

      

      下一步是将模型变为现实。美联航计划首先通过电子邮件活动(“立即申请您的RPU”)提供RPU,如果情况良好,请将申请流程和模型直接放入网站。该项目最终将根据客户参与度(客户是否点击这些电子邮件?),客户反馈(他们喜欢它还是混淆了?)和预测准确性(模型的不断调整以确保它不会滑动)来衡量,尤其是在日历年结束时。)

      

      随着整个美联航的每个部门与迈克尔完全授权和民主化的团队合作寻找分析项目,很明显人工智能是公司的一个相关和蓬勃发展的部分。 DataRobot正在帮助推动美联航机器学习工作的重要价值和生产力。

    演讲者3:Symphony Post Acute Network数据科学与分析总监Nathan Patrick Taylor

    下午,Nathan讨论了将机器学习纳入主流的三大挑战。

      

      

       DataRobot能够迅速避免黑盒综合症这一事实很快得到了Symphony IT团队的支持。

      

      第一个挑战是实施:大多数人都很难理解数学。对于Nathan来说,在与Symphony工厂的医生和护士交谈时,他需要传达他的模型如何工作的基础知识,以及为什么在不使用数据科学术语的情况下影响他们。例如,“重新接纳概率”百分比对护士来说意义不大,但在分类和颜色编码时,“再接受风险”更有意义。

      

      

      

      第二项挑战是技术:Symphony的一些医生和护士简单地说,“我不会让机器人为我做决定。”一位护士曾经质疑Nathan的模型,并指出一名被认为是再入院风险的患者不应该,并且该模型是错误的。 Nathan鼓励她深入研究患者的数据,护士发现了DataRobot已经发现的几个风险因素,包括精神病史。护士立刻被转换,随着越来越多的“仇恨者”成为冠军,DataRobot技术引起了人们的注意并改变了人们的想法。 DataRobot能够迅速避免黑盒综合症这一事实很快得到了Symphony IT团队的支持。

      

      第三个挑战是冲击:Symphony的利益相关者现在认为Nathan拥有一根魔杖可以提出各种准确的预测。正如内森所记得的那样,DataRobot变成了一种神话般的生物,一个能够做任何事情的海妖。 Nathan必须平衡机器学习机会和项目之间的优先级,但DataRobot使他的小型数据科学团队更有效率。

      

      

      

      借助DataRobot,Nathan团队的每个成员现在通常使用传统的机器学习过程来完成6或7人的工作。自动化机器学习使生产率和效率提高了6倍,在机器学习生命周期的每一步都节省了时间。他的团队也增加了3倍的模型数量。

      

      内森承认,或许现在他明白为什么他的老板认为DataRobot是一支强大的魔杖。

      

      芝加哥的与会者有机会与已经通过人工智能的变革力量改变企业和行业的专业人士交流并向他们学习。用他们自己的眼睛看到DataRobot自动化机器学习平台的效力确实让数据科学看起来像魔术一样(正如Nathan首席执行官所描述的那样!)。

      

      

  • AI Experience Chicago:TD Ameritrade,United Airlines和Symphony Post Acute Network的亮点所属专题:AI 《AI Experience Chicago:TD Ameritrade,United Airlines和Symphony Post Acute Network的亮点》链接:http://www.zhouchuanxiong.net/1260

    AI Experience Chicago:TD Ameritrade,United Airlines和Symphony Post Acute Network的亮点相关文章