信息管理和机器学习的联系比以往任何时候都更加紧密。随着当今数据的蔓延和数据种类、数量和类型的复杂变化，大多数公司都需要一系列令人眼花缭乱的工具来从不断增长的多方面数据中提取价值。虽然机器学习和人工智能有望提供大量新的、有意义的业务见解，但部署和操作人工智能所涉及的数据要求和复杂性令人望而生畏。

因此，问题是–你知道你有很多对于数据，您如何管理复杂的数据集成和多数据的数据管理需求？如何通过某种方式将机器学习应用到数据中来获得洞察力？如何开始找到合适的商业案例来帮助你知道从哪里开始？

最好从SAP Data Intelligence的交互式商业案例发现工具开始。

在这个交互式工具中，您可以探索商业案例、SAP Data Intelligence的工作原理，云主机云服务器，以及它如何为您工作。

该工具分为多个部分。这些部分解释了从数据中提取真正价值的挑战以及让数据为您工作的重要性。

还介绍了SAP data Intelligence以及如何开始使用该解决方案。

每个业务案例都包括对业务案例、挑战、解决方案、好处的描述，以及可以深入了解更多信息的部分。每个业务案例都由SAP客户实施，作为概念验证或现场实施。

我们在不同行业有多个业务案例，并定期添加更多业务案例。

一个例子是客户流失。它提供了描述、挑战、解决方案，好处和更深入的挖掘。下面您可以看到客户流失案例的挑战，即他们有未清理和未连接的筒仓数据。

与SAP data Intelligence一起，他们使用数据管道来编排数据，淘客助手，以便可以应用机器学习来了解造成流失的原因并预测流失。

其他用途案例包括：

预测性质量-通过传感器、摄像头提高制造质量，使用机器学习

延迟付款风险评估–减少客户延迟付款的数量并预测客户是否可能延迟付款。

360度客户视图–利用客户交易历史预测未来销售

客户风险–评估客户的信用价值和信用风险评分

产品和零件识别和分类–使用图像分类确定如何修复珠宝

预测模拟–通过预测不同类型能源的投资结果帮助市政当局成为绿色城市

时间表分析–协调数据以更好地决定或有劳动力支出

连续收益检测-预测客户退货的可能性

服务单智能-使用机器学习自动化和优化服务单流程

产品质量改进-使用有关用户行为的物联网数据了解家用电器的使用情况

客户流失预测-在多个断开连接的系统中利用数据为了预测客户流失

物联网数据分析和管理-清理和了解物联网数据，将其与企业数据集成以预测未来性能并优化风力涡轮机的效率

商品代码预测-使用机器学习预测新产品所需的商品代码

预测定价-利用机器学习预测二手车的最佳价格

电子商务产品布局优化-确保在各数码商店销售的产品按照产品指南正确放置

我们会继续添加其他用例，人工智能行业分析，因此请不时查看。

让我们找到您的业务案例，返利啦，帮助您开始使用SAP Data Intelligence。

，返利怎么使用