在已經(jīng)通過(guò)數字化轉型進(jìn)行工作的高管解決與大流行相關(guān)的恢復問(wèn)題的同時(shí)，他們卻依靠可靠且創(chuàng )新的技術(shù)來(lái)保持步伐。

大多數領(lǐng)導者將人工智能視為至關(guān)重要，并描述了實(shí)施人工智能的“最緊迫感”。然而，他們努力整合公司范圍的AI計劃。接受調查的高管中有百分之七十五認為，如果他們不這樣做，他們的公司將在五年內消失。

未來(lái)五年，商業(yè)世界中的AI可能會(huì )以穩定的速度增長(cháng)，然后飛向天空。到2030年，預計大多數公司將使用AI來(lái)支持和加速高層指導和決策。大多數用例將涉及一種稱(chēng)為機器學(xué)習的強大AI形式，其中計算機分析大量數據集以幫助回答問(wèn)題。但是，僅憑人工智能是不夠的。高管們已經(jīng)看到機器學(xué)習程序需要真實(shí)世界的上下文才能將AI與物理世界聯(lián)系起來(lái)，而橋梁是位置智能(LI)。

通過(guò)地理信息系統(GIS)實(shí)現的位置智能使企業(yè)能夠在位置的上下文中進(jìn)行地圖繪制，分析和共享數據。具有LI的AI機器學(xué)習可實(shí)現趨勢發(fā)現和預測，以支持市場(chǎng)評估，站點(diǎn)選擇，風(fēng)險管理，資產(chǎn)跟蹤和其他核心業(yè)務(wù)需求。簡(jiǎn)而言之，機器學(xué)習管理復雜的數據，而位置智能則為該數據提供關(guān)鍵位置信息。在這里，我們探索真實(shí)的例子。

1.市場(chǎng)分析，增長(cháng)計劃，高級分析

機器學(xué)習程序可在復雜數據集中找到聚類(lèi)和熱點(diǎn)。通過(guò)將這種功能應用于客戶(hù)數據，AI和LI可以解鎖有助于企業(yè)了解其市場(chǎng)的模式和趨勢。

例如，在哪里開(kāi)設商店的問(wèn)題涉及確定社區各個(gè)部分的商店可達性。同時(shí)，人口統計信息可以揭示某些消費者行為的熱點(diǎn)。通過(guò)分析這兩個(gè)數據集(潛在的站點(diǎn)可達性和附近的人口統計數據)，零售商可以更好地了解哪些客戶(hù)將偏愛(ài)某些位置。

使用GIS技術(shù)，人們始終能夠快速回答問(wèn)題，并在地圖和儀表板上顯示可達性和人口統計信息?，F在，他們可以通過(guò)利用諸如消費者移動(dòng)性和購買(mǎi)模式之類(lèi)的數據源來(lái)添加AI工作流。

這揭示了以前看不見(jiàn)的消費者模式并回答了重要問(wèn)題?？蛻?hù)的平均年齡會(huì )如何變化?有多少家人會(huì )來(lái)?有哪些移動(dòng)性模式會(huì )影響商店的訪(fǎng)問(wèn)模式?有多少人乘坐公共交通工具?商店應該在某些日子延長(cháng)營(yíng)業(yè)時(shí)間嗎?

隨著(zhù)公司越來(lái)越多地為特定地理區域定制產(chǎn)品和服務(wù)，此類(lèi)信息有助于預期并滿(mǎn)足客戶(hù)需求。機器學(xué)習程序通?？梢詫?shí)時(shí)執行高級分析，以識別銷(xiāo)售數據中的模式，并將這些模式鏈接到位置。例如，一個(gè)程序可能會(huì )幫助公司發(fā)現區域人口統計特征中的共同點(diǎn)，例如城市與郊區，或有年輕家庭的地區，這些可能會(huì )被忽略。

2.監視和跟蹤資產(chǎn)

可以學(xué)習機器學(xué)習算法來(lái)識別對象并相應地對它們進(jìn)行排序。當存在位置組件時(shí)(與大多數對象一樣)，此功能可以節省大量時(shí)間和金錢(qián)，尤其是在無(wú)人機和衛星圖像時(shí)代。

所有企業(yè)都有必須跟蹤和會(huì )計的資產(chǎn)?？紤]公用事業(yè)公司使用AI和LI維護其網(wǎng)絡(luò )運行狀況的方式。無(wú)人機經(jīng)過(guò)培訓可以拍攝數千張帶有公用電話(huà)線(xiàn)的地理照片。這些點(diǎn)成為智能地圖上的一層。使用深度學(xué)習(一種復雜的機器學(xué)習形式)的計算機分析了圖像并突出顯示了需要維修的資產(chǎn)。以一家公用事業(yè)公司為例，該系統快速分析了17,000英里的電線(xiàn)，否則這項工作將使工人估計需要50,000小時(shí)。

這個(gè)概念適用于更大的地理區域。輸油管道的運營(yíng)商使用深度學(xué)習來(lái)檢測距離其太近的任何結構。

借助機器學(xué)習的位置智能可以提供可視化形式，幫助企業(yè)更好地了解其市場(chǎng)?？梢杂嬎阃＼?chē)場(chǎng)中車(chē)輛數量并按型號分類(lèi)的程序可以幫助零售商收集有關(guān)競爭對手客戶(hù)群的人口統計信息。一家石油和天然氣公司可以迅速發(fā)現世界其他地方正在鉆探的石油。一家保險公司可能會(huì )結合使用LI和AI來(lái)快速確定有游泳池或其他顯著(zhù)特征的房屋來(lái)更好地了解鄰里的責任。

隨著(zhù)AI技術(shù)的成熟，更多的機器學(xué)習程序甚至將能夠在圖像數據出現時(shí)對其進(jìn)行分析，這對于需要實(shí)時(shí)響應的情況至關(guān)重要。

3.風(fēng)險管理與運營(yíng)效率

《預測機器：人工智能的簡(jiǎn)單經(jīng)濟學(xué)》一書(shū)的經(jīng)濟學(xué)家Avi Goldfarb 認為，機器學(xué)習可以為企業(yè)帶來(lái)“變革”。他在2018 年對《哈佛商業(yè)評論》(Harvard Business Review)的報告中，對未來(lái)結果的謹慎態(tài)度通常會(huì )使企業(yè)在承擔風(fēng)險時(shí)采取保守態(tài)度，以“對不確定性風(fēng)險進(jìn)行套期保值。”機器學(xué)習算法通過(guò)檢查龐大的數據集，可以對結果做出可靠的預測企業(yè)可能會(huì )做出的各種選擇。通過(guò)鼓勵更智能的風(fēng)險，人工智能實(shí)際上降低了冒險的成本，這有助于企業(yè)發(fā)揮其全部潛力。

重要的是要記住，復雜的非AI預測工具已經(jīng)存在了一段時(shí)間。關(guān)鍵區別在于A(yíng)I可以結合更多變量來(lái)做出準確的預測。預測明天的天氣和模擬氣候變化的復雜影響之間的區別。

機器學(xué)習為幫助企業(yè)管理風(fēng)險提供了許多可能性。COVID-19大流行強調了供應鏈數字化的必要性，以幫助公司應對中斷。但是破壞可以采取多種形式，尤其是在氣候變化的影響倍增的情況下。通過(guò)幫助預測中斷(通過(guò)分析天氣狀況和政治動(dòng)蕩，僅舉兩個(gè)例子)，機器學(xué)習程序可以預測供應鏈中某個(gè)節點(diǎn)出現問(wèn)題的可能性，并幫助公司進(jìn)行必要的調整。

機器學(xué)習還可以幫助公司更好地了解與增長(cháng)和擴展相關(guān)的風(fēng)險。例如，零售商通過(guò)“統一預測”保持競爭力。一個(gè)主要的運動(dòng)服裝品牌正在將AI與LI結合使用，以分析現場(chǎng)和在線(xiàn)購買(mǎi)作為其業(yè)務(wù)的相關(guān)部分。過(guò)去，他們在站點(diǎn)選擇中使用人口統計數據，而現在，他們將來(lái)自所有商業(yè)渠道的數據包括在內，包括在線(xiàn)或通過(guò)社交媒體生成的那些。機器學(xué)習與GIS相結合，正在幫助這家零售商以極高的精度確定實(shí)體商店的最佳位置。

過(guò)去，保險公司可能會(huì )根據對各種風(fēng)險的了解，使用位置數據來(lái)確定如何對不同區域的保單定價(jià)?，F在，借助AI的LI開(kāi)啟了全新的預測前景。

美國一家主要的保險公司正在采用AI驅動(dòng)的方法來(lái)為駕駛員生成智能路線(xiàn)，即通過(guò)轉彎路線(xiàn)找到最安全的目的地路線(xiàn)。為了生成此分析，該程序考慮了許多變量，包括不同位置的事故，一天中的時(shí)間和天氣。智能路由具有明顯的業(yè)務(wù)優(yōu)勢-更安全的路由意味著(zhù)更少的事故和更低的保費-但此示例超越了商業(yè)。城市和州交通部門(mén)可以通過(guò)預測各種組合可能發(fā)生的事故數量，來(lái)進(jìn)行類(lèi)似的分析，以設置速度限制并改善指示牌。

更好的路線(xiàn)預測也將對物流業(yè)產(chǎn)生深遠影響。機器學(xué)習甚至可以完善物流公司用于進(jìn)行排程預測的起點(diǎn)成本矩陣，從而提高效率。

4. 放在一起

通過(guò)將位置智能與AI機器學(xué)習結合使用，企業(yè)可以獲得模式識別，分類(lèi)和預測的優(yōu)勢?？紤]一下佛羅里達州奧蘭多市的一家無(wú)線(xiàn)提供商制定擴展其網(wǎng)絡(luò )的計劃的方式。

計劃者首先進(jìn)行掉話(huà)呼叫的集群分析，以尋找熱點(diǎn)和模式。他們將人口統計數據添加到這些智能地圖中，可視化人口增長(cháng)將創(chuàng )造新訂戶(hù)的區域。他們還繪制了其他熱點(diǎn)地圖，這些地圖消耗了最多的無(wú)線(xiàn)數據。統計分析工具通過(guò)查看隨時(shí)間推移出現尖峰的位置，進(jìn)一步完善了這些發(fā)現。這種分析產(chǎn)生了對未來(lái)無(wú)線(xiàn)使用的準確預測。

然后，該公司使用先前對可能的接入點(diǎn)位置的分析來(lái)按適用性對區域進(jìn)行排名。計劃人員添加了他們對掉線(xiàn)，人口和數據使用情況所做的分析。他們還集成了現有光纖的地圖。

在對最適合擴展的領(lǐng)域進(jìn)行排名之后，該公司使用了AI的分類(lèi)能力。一項深度學(xué)習計劃在公司可能放置其設備的那些區域(例如電線(xiàn)桿和水塔)中發(fā)現了一些地點(diǎn)。這意味著(zhù)該公司無(wú)需派遣人員來(lái)檢查區域。

在此過(guò)程的每一步中，該公司都使用機器學(xué)習來(lái)做出更好的決策。通過(guò)將這些決策植根于優(yōu)先考慮位置智能的方法，該公司便能夠將其上下文化，從而可視化它們在現實(shí)世界中的表現。人工智能和位置智能的結合使這些決定變得栩栩如生。