实验12人工智能技术的商业价值oc.doc

江西财经大学现代经济管理学院 2009－20第2学期 1 问题背景 2 2案例问题分析 3 2.1人工智能的主要应用领域 3 2.2 AI技术的商业价值 6 2.3 商业智能数据挖掘的优势和局限 9 2.4 为什么银行和其他财务机构成为AI技术神经网络的先行用户且该技术的优势和局限 12 案例启示 17 参考文献 21 1 问题背景 一些经理仍然认为，人工智能（AI）这个经几十年努力创建的带有人类智慧的计算机系统遭受巨大的失败，但也有许多公司的主管却有更多的感受，人工智能通常是影响他们主要业绩的因素。实际上，人工智能目前是许多行业技术的一部分。AI软件帮助工程师创造更好的喷气发动机。在工厂，当需要做预防性维护时，AI通过监控设备和信号提高生产力水平。在制药部门，AI被用于在人类基因组的大量数据中获取新的发现。 金融行业应用这种技术的经验丰富。银行、经纪公司和保险公司依靠各种AI工具长达20年之久。一种被称做神经网络的工具已经成为检测信用卡欺诈的标准。1992年以来，神经网络已经为U.S.Bancorp和Wachovia银行减少了70%的信用卡欺诈事件或更多。目前，就连一些小的信用卡联盟都被要求使用这个软件，以获得全国信用合作协会借记卡保险资格。 沃尔玛 像银行一样，零售商收集大量数据。例如，沃尔玛零售连锁公司（网址：）利用AI把原始数据转换成有用的信息。沃尔玛将其3000个商店销售的详细资料进行合并。数据挖掘系统立即详细审查大量数据，从而寻找可能未被人们发现的模型和关系。数据挖掘软件通常包括网络、统计分析和模仿人类专家逻辑的if-then规则的专家系统。结果使沃尔玛以令人不可思议的准确性，预测每个商店每种产品的销售情况，从而降低了大量的库存，并从中促销中获得最大回报。 BankFinancial 随着公司建设更大的数据仓库，计算机变得更有能力，分析软件提供商引进更便于使用的产品，从数据中获得节约成本和增加收入的潜能在增长。然而许多能够解决这些问题的产品利用了神经网络、物流回归分析和支持向量等深奥技术，用户说，他们不需要一名数学博士。实际上，利用“预测分析”的最大障碍是获取数据，而不是分析。 迄今为止，位于芝加哥的BankFinancal公司（网址：）正是属于这种情况。它利用来自SPSS公司的Clementine数据挖掘“工作台”开发预测客户行为的模型。例如，银行可以更准确地对客户和未来市场进行目标促销。银行对这些模型应用Clemtentine的神经网络和回归程序。 它正在开始利用SPSS新的“最实用模板”软件包PredictiveMarketing帮助用户建立预测模型，市场研究副总裁助理威廉姆.康纳蒂说，PredictiveMarketing将银行花在开发模型的时间减少了50%－75%。第一个主要应用是预测客户来回“流动”比率的模型，它将被用于预测随后几个月中银行最可能流失的客户。问题是模型仅能访问按周和月汇总起来的准备好的账户信息，而不能更及时地获取客户每天的活动信息。 康纳蒂说：“最大的障碍是获取事务数据和处理异常的数据来源。”为了获得客户的忠诚度，BaknFinancial需要的数据来自几个银行系统和没有整合的客户调研数据库。康纳蒂说，银行需要事先做好许多系统整合和界面工作，才能看到模型工具的全部成果。 惠普企业系统 惠普公司（网址：）有一个让员工齐心协力工作的企业系统，它把多种背景的人员汇集起来，并为预测客户行为模式的小组提供强大的分析功能。高级业务和数据挖掘分析员Randy Collica说，小组是在销售副总裁领导下的“CRM运作”的一部分。 惠普利用来自北卡罗来纳州的SAS研究院的软件，挖掘客户和预测的数据库，利用AI技术预测客户的流动、忠诚度以及目标促销的定位。惠普还对来自呼叫中心的大量非格式化的文本数据进行挖掘，其中包括来自客户的电子邮件、预测信息，以及在语音呼叫中利用SAS预测分析键入的文本。Collica说，技术上利用呼叫中心员工对来访者进行购买评估，确定“导向等级”，如分为急切（hot）、一般（warm）或犹豫（suspect），预测非编码文本来源的客户购买导向等级，准确率达85%。 2案例问题分析 2.1人工智能的主要应用领域 问题求解系统人工智能最早的尝试是求解智力难题和下棋程序，后者又称博奕。直到今天，这种研究在进行。另一种问题求解程序是将各种数学公式符号汇编在一起，搜索解答空间，寻求较优的解答。有的程序还能够用其经验来改善起性能。纽维尔（Newell）和西蒙（Simon）合作完成的通用问题求解程序（General Problem Solver） 能够求解11种不同类型的问题。自然语言理解和处理系统语言处理一直是人工智能研究的热门课程之一，人们很早就在开始研制语言翻译系统（Language T