大多数改变企业发展方向的商业决策都很难做出，但有一个决策应该是不假思索的，那就是实施预测机器学习（ML）。

如果市场是一个持续战斗的阶段，那么任何组织拥有的最好武器之一就是它的数据。当然，重要的是你能用你的数据做什么。预测性机器学习技术不只是持续依赖于分析存档数据，而是利用旧的数据来创建新的数据和识别模式。

人工智能（AI）和ML带来了自更新算法，可以发现过去数据中隐藏的模式，加强了预测能力的支柱为未来的业务决策和结果提供信息。

这种自我更新过程意味着使用的预测性机器学习越多，以新的方式创建和汇集的数据就越多，从而产生不同的视角和价值。这也意味着，当机器通过自动化完成重复性工作时，员工可以专注于更高价值的任务，这些任务可以利用这些见解来增强端到端客户旅程，数据统计，创造利润，大数据时代的特点，和/或降低支出成本。

改变游戏规则的预测性机器学习广播系列第2集：超酷的投资回报率

不断发展的预测性机器学习能力的价值成为本周改变游戏规则的预测性机器学习广播系列第2集（现可按需提供）的中心话题。主持人邦妮·格雷厄姆（bonniedgraham）再一次将演讲延伸到了会议室的墙壁之外，为专家们提供了全球麦克风。他们分享了他们自己的经验和想法，关于预测性ML在效率和ROI方面给企业带来的价值，以及随之而来的挑战。本周的嘉宾是：

Gil Gomez，德勤咨询有限责任公司SAP企业运营董事总经理HarrisLogic首席审计官Hudson HarrisTimo Elliott，SAP全球创新传道者

讨论充满了新的想法、有趣的观点和智慧的预测。小组成员讨论了各种概念，如数据治理、数据确认偏差和工作自动化。

以下是一些插曲亮点：

Gil Gomez"是客户洞察的忠实粉丝。有如此多的可用信息，数据技术与大数据技术，这为360度了解客户、他们想要什么、他们需要什么等提供了巨大的价值。"他认为，这最终将带来更高的保留率和投资回报率。Hudson Harris预测，发发淘客助手，预测性机器学习将使任务自动化，并将重点放在我们所知道的基础上，产生新的有意义的知识和见解，从而推动业务发展，从而"让我们能够重新启动创新周期"。蒂莫·埃利奥特认为，企业管理应用，预测性机器学习"和新技术使我们能够在事情出错之前进行干预，而不是继续简单地研究它们为什么会这样做。公司正从被动走向主动，为客户创造更好的结果，并为企业节省时间和金钱"

预测分析不断发展壮大，以令人着迷的方式为我们节省时间、金钱和精力。作为一种带来广泛传播效率、揭示新智能、提高投资回报率同时降低成本的技术，它必将成为商界的热门话题。

我们将在"改变游戏规则的预测性机器学习"广播系列节目中继续进行对话。（所有剧集播出后，将可在剧集网页上重播。你可以进入该系列页面并将节目添加书签以保持最新。）

收听美国东部时间8月8日下午2点的VoiceAmerica商业频道的下一集。

了解更多

收听第1集，公民数据科学家的成长：挑战和黑客听第二集，ROI beyond Cool阅读机器学习星期四博客系列中的其他博客，了解更多关于这类主题的信息。