📌📌 معرفی کسب‌وکار داده‌محور

🖌 استفاده از تحلیل داده در فرآیند مصاحبه

🔸 مارک نیومن HireVue را در سال 2004 به عنوان یک بستر مصاحبه ویدیویی تأسیس کرد. این امر باعث میشد تا مصاحبه‌کنندگان بتوانند پاسخ‌های داده شده به سوالات مصاحبه را ضبط کنند و آنها را در یک پایگاه‌داده بارگذاری کنند و استخدام کنندگان به وسیله آن به راحتی می‌توانستند چگونگی ارائه متقاضیان خود را با یکدیگر مقایسه کنند.

🔹 بعد چهار سال HireVue با ادغام با هوش مصنوعی(Artificial Intelligence) و یادگیری ماشین(Machine Learning) وارد مرحله بعدی زندگی خود شد. HireVue از ترکیبی از نرم‌افزار اختصاصی تشخیص صدا و نرم‌افزار دارای مجوز تشخیص چهره استفاده می‌کند و در کنار آنها با الگوریتم رتبه‌بندی تلاش می‌کند تا مشخص کند که کدام یک از متقاضیان به متقاضی ایده‌آل نزدیک‌تر است. HireVue حتی متقاضیان را از نظر فرهنگ و مهارت نیز مورد ارزیابی قرار می‌دهد تا افراد متناسبی را انتخاب کند. متقاضی ایده‌آل ترکیبی از صفات ناشی از زبان بدن، لحن، کلمات کلیدی و جزئیات لباس پوشیده شده است که از تجزیه و تحلیل بهترین اعضای موجود در یک نقش خاص حاصل می‌شود.

🔻 برای خواندن ادامه این متن به لینک زیر مراجعه فرمایید:

🔗 https://bit.ly/2StRSZQ

#کسب_و_کار‌_داده_محور
#تحلیل_داده
#هوش_مصنوعی
#هادی_صداقت

www.bdbanalytics.ir
@BigData_BusinessAnalytics

🔎 معرفی تجربه داخلی: شرکت دیتامون (DataMoon)

🔻شرکت دیتامون (هوش داده مهتاب) از سال 1397 سرویس‌های مختلفی را در حوزه هوش مصنوعی ارائه می‌نماید که شامل پالایش هوشمند متن، شناسایی اشیا، تشخیص چهره، حذف پس زمینه، پلاک خوان، پالایش هوشمند تصویر و ... می‌باشد.

🔸 سرویس‌ها در سه دسته پردازش تصویر، پردازش متن و پردازش صوت قرار می‌گیرند که منجر به راه‌حل‌ها و محصولاتی در حوزه تشخیص چهره، کنترل تردد، نظرکاوی در زبان فارسی، پیش‌بینی انتخابات و ... شده است و می‌تواند برای سایت‌های خبری، شبکه‌های اجتماعی، اپلیکیشن‌های موبایل و کلاس‌های مجازی آنلاین مورد استفاده قرار گیرد. همچنین از کاربردهای این سرویس‌ها در تحلیل تصاویر پزشکی برای یافتن بیماری‌ها و تحلیل داده‌های عظیم می‌باشد. در این مطلب برخی از سرویس‌ها و راه‌حل‌های ارائه شده توسط این شرکت را مورد بررسی قرار می‌دهیم.

🔺 برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://bit.ly/3j8rq3R

#تجربه_داخلی
#عظیم_داده
#هوش_مصنوعی
#فاطمه_مظفری

www.bdbanalytics.ir
@BigData_BusinessAnalytics

‍ 📌📌 معرفی کسب‌وکار داده‌محور

🖌 استارباکس یک کسب و کار قهوه نیست، بلکه یک شرکت فناوری داده است!

🔸 این شرکت بیش از 31.000 فروشگاه در سراسر جهان دارد و نزدیک به 100 میلیون معاملات در هفته انجام می دهد. این امر باعث می شود تا دید کاملی از آنچه مشتریانش مصرف می کنند و از آن لذت می برند را در اختیار داشته باشد. شاید این موضوع جالب باشد که استارباکس در حدود ده سال است که به ارزش داده‌ها توجه زیادی نشان داده است. البته این موضوع به این معنا نیست که قبل از آن از داده‌ها استفاده نکرده باشد. پیش از آن، تصمیمات استارباکس مانند بسیاری از سازمان‌های دیگر بر اساس تجربه و قضاوت توسط انسان هدایت می‌شد. اما یک بحران باعث تغییر شد. مشکلات مالی سال 2008 و در پی آن تعطیلی چند فروشگاه، درس بزرگی به مدیر عامل وقت، هوارد شولتز داد و از آن زمان به بعد استارباکس از داده‌ها برای تجزیه و تحلیل بیشتر، به ویژه در تصمیم گیری در مورد مکان‌های فروشگاه، استفاده کرد.



🔻 برای خواندن ادامه این متن به لینک زیر مراجعه فرمایید:

🔗 https://bit.ly/3n3rfsH

#کسب_و_کار‌_داده_محور
#تحلیل_داده
#هوش_مصنوعی
#بهاران_قیاسوند
www.bdbanalytics.ir
@BigData_BusinessAnalytics

🔵استفاده از هوش مصنوعی برای مبارزه با خبرهای جعلی و اسپم باتها در توییتر

🔸هر روزه تعداد زیادی توییت توسط 330 میلیون کاربر توییتر نوشته می‌شود. مردم سراسر جهان برای سهولت برقراری ارتباط با دوستان خود، پیگیری افراد مشهور مورد علاقه خود و اطلاع از اخبار، علاقه زیادی به استفاده از این شبکه اجتماعی دارند ولی به علت اینکه تعداد زیادی از افرادی که از این شبکه اجتماعی استفاده می‌کنند، ناشناس هستند، اخبار جعلی فراوانی در این شبکه اجتماعی منتشر می‌شود. هوش مصنوعی یکی از راه‌هایی است که توییتر با استفاده از آن از انتشار اخبار جعلی جلوگیری کرده است.

✅ برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/w84470

#نمونه_موردی
#توییتر
#هوش_مصنوعی

‍ 📚 معرفی کتاب

“Artificial Intelligence in Practice: How 50 Successful Companies Used Artificial Intelligence to Solve Problems "

✍️ نویسنده: برنارد مار، مت وارد
✍️ سال انتشار: 2019
✍️انتشارات: وایلی

🔳 هوش مصنوعی در عمل: چگونه 50 شرکت موفق برای حل مشکلاتشان از هوش مصنوعی استفاده می‌کنند

🔸 کتاب هوش مصنوعی در عمل به چگونگی استفاده شرکت‌ها از هوش مصنوعی و یادگیری ماشین در حل مشکلات می‌پردازد. این کتاب کاربردهای عملی هوش مصنوعی در مواجه با مشکلات در سراسر دنیا را نشان می‌دهد. توسعه سریع هوش مصنوعی سبب شده است که این فناوری از آزمایشگاه‌های تحقیقاتی و بخش‌های علوم کامپیوتری فراتر رود و به کسب‌وکارها وارد شود. هوش مصنوعی و یادگیری ماشین به عنوان مهمترین روند در کسب‌وکار مدرن معرفی شده است و دامنه وسیعی برای استفاده، از بانک‌ها و علوم اقتصادی تا شبکه اجتماعی و بازاریابی دارد. این فناوری راه‌حل‌های خلاقانه‌ای به کسب‌وکارها در هر اندازه، هر بخش و هر صنعتی ارائه می‌دهد. در این کتاب نمونه‌های موردی فراوانی ارائه می‌شود که نشان می‌دهد چگونه کسب‌وکارها از هوش مصنوعی برای ارتقا عملکرد، ایجاد کارایی، تحلیل عملکرد بازار و مسائل دیگر استفاده می‌کنند.

🔹 برنارد مار، نویسنده کتاب، نشان می‌دهد که چگونه فناوری یادگیری ماشین سبب تغییر کسب‌وکارها شده است. این بررسی دقیق یک نگاه کلی به هر شرکت را فراهم می‌آورد، مشکل خاص آن را توصیف می‌کند و توضیح می‌دهد که چگونه هوش مصنوعی در حل این مشکل به شرکت کمک می‌کند. هر نمونه موردی یک نگاه کلی شامل بعضی جزئیات فنی را فراهم می‌آورد:

1- فهمیدن چگونگی حل مشکل خاص کسب‌وکار به وسیله روش‌های یادگیری ماشین خلاقانه
2- بررسی اینکه چگونه هوش مصنوعی سبب ارتقا عملکرد و افزایش کارایی در موقعیت‌های مختلف می‌شود.
3- توسعه دانش شما در مورد پیشرفت‌های این فناوری
4- بدست آوردن بینش در آینده هوش مصنوعی و نقش افزایشی آن در کسب‌وکار و صنعت


#معرفی_کتاب
#هوش_مصنوعی
#هادی_صداقت

www.bdbanalytics.ir
@BigData_BusinessAnalytics

🔎 استفاده از هوش مصنوعی برای درک اطلاعات مشتری

🔻 مطالعه موردی: شرکت کیمبرلی کلارک

🔸 کیمبرلی کلارک برخی از معروف‌ترین برندهای مراقبت شخصی از جمله Huggies، Kleenex و Scott را تولید می‌کند که در 175 کشور به فروش می‌رسند. در واقع، از هر چهار نفر جمعیت جهان، یک نفر از محصولات آن را به طور منظم استفاده می کند. ممکن است این محصولات پر زرق و برق نباشند، اما بخش مهمی از زندگی روزمره هستند، به این معنی که مقادیر زیادی از منابع برای اطمینان از تولید، فروش و توزیع موثر آنها صرف می شود. این بدان معناست که مانند بسیاری از مشاغل بزرگ دیگر، کیمبرلی کلارک دریافته است که سازنده ترین راه رو به جلو، تبدیل شدن به یک شرکت فناوری می باشد. علاوه بر تولید کالاهای روزمره که نام خود را بر روی آن بنا نهاده است، بیش از 150 فناوری خودساخته، از شرکت‌های نوپا گرفته تا شرکت‌های Fortune، مجوز می‌دهد.

🔹 کیمبرلی کلارک از هوش مصنوعی (AI) استفاده می‌کند تا تمام داده‌هایی را که از مشتریان و عملیات تجاری آنها جمع‌آوری می‌کند، معنا کند. این داده ها برای ساخت مدل های دقیق از اینکه مشتریان آن چه کسانی هستند استفاده می شود. سپس مشتریان واقعی را می‌توان بر اساس مدلی که بهترین مدل را دارند، «بخش‌بندی» کرد تا سرنخ‌هایی به کسب‌وکار در مورد آنچه که ممکن است بخواهند بخرند ارائه دهند.

🔸 در سراسر جهان بیش از 15000 محصول Kimberly-Clark در هر ثانیه در هر روز فروخته می شود. هر یک از این فروش‌ها نقاط داده تولید می‌کند، از زمان و مکان فروش گرفته تا اطلاعات مشتری از طرح های وفاداری یا نمایه‌های خرید آنلاین، و همچنین داده‌های خارجی از منابعی مانند رتبه بندی Nielsen. با داده‌های بسیار زیاد، هوش تجاری سنتی و فناوری ارتباط با مشتری نمی‌تواند به اندازه کافی سریع عمل کند تا قبل از منسوخ شدن داده‌ها بینش ایجاد کند. هوش مصنوعی و فناوری که برای پشتیبانی از آن ساخته شده است - پلتفرم‌های عظیم‌داده مانند Hadoop و چارچوب‌های اینترنت اشیا - استخراج معنی را ممکن می‌کند.


🔺 برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/n07172

#نمونه_موردی
#عظیم_داده
#هوش_مصنوعی
#ساینا_رتبه‌ای

www.bdbanalytics.ir
@BigData_BusinessAnalytics

🔎 استفاده از هوش مصنوعی در تحقیقات علمی و بهبود تصمیمات پزشکی

🔻 مورد مطالعه: Elsevier

🔸 الزویر یک انتشارات چندرسانه‌ای جهانی است که بیش از 20000 محصول آموزشی و حرفه‌ای را برای جوامع علمی و حوزه‌های پزشکی، از جمله نشریات تحقیقاتی برجسته مانند The Lancet و Cell ارائه می‌دهد. مرحله اول از تحول دیجیتال مستمر شرکت شامل دیجیتالی کردن حجم عظیمی از داده‌های منتشر شده در گزارش‌ها و مجلات در طول تاریخ 140 ساله شرکت بوده است و اکنون در حال ساخت ابزارهای هوش مصنوعی (AI) است که بینش‌های جدیدی را از این داده‌ها و همچنین ترکیب آن با سایر منابع داده‌های عظیم مانند داده‌های ناشناس شده بیماران و بیمه‌ها استخراج می‌کند.

🔹 پلتفرم الزویر از داده‌های ناشناس شده بیماران، از جمله سوابق پزشکی، سوابق درمان و نتایج استفاده می‌کند. همچنین از پایگاه داده دارای 5 میلیون رکورد مرتبط با بیمه درمانی استفاده می‌کند. علاوه بر این، تمام مقالات و تحقیقات منتشر شده در مجلات الزویر در طول 140 سال گذشته نیز از جمله منابع مورد استفاده است. الزویر برای انجام تجزیه و تحلیل بر روی این داده‌ها، ابزارهای تحلیلی اختصاصی خود را ساخته است که از پردازش زبان طبیعی برای درک محتویات ادبیات پزشکی در پایگاه داده خود و همچنین سوابق بیمار استفاده می‌کنند. این شرکت، داده‌های عظیم تجاری و راه‌حل‌های هوش مصنوعی همچون راهکارهای پیشنهاد شده توسط مایکروسافت و آمازون را برای مرحله بعدی هوش مصنوعی خود در نظر دارد.

🔸 با در نظر گرفتن این موضوع که الزویر 25 درصد از تولیدات تحقیقات علمی و پزشکی منتشر شده ایالات متحده را در اختیار دارد، بهره‌گیری از هوش مصنوعی موجب شده است تا بتواند روش‌های جدیدی برای استخراج ارزش از این اطلاعات ایجاد کند. همچنین استفاده از ماشین برای تعیین مسیرهای درمانی بهینه بسته به جزئیات بیماری و بیمار، سابقه پزشکی و علائم ظاهر شده می‌تواند منجر به استانداردسازی درمان‌ها گردد. اگر درمان‌های استاندارد شده با استفاده از داده‌ها بهینه شوند، منجر به نتایج بهتری برای بیمار می‌شوند و به ارائه‌دهندگان مراقبت‌های بهداشتی نیز کمک می‌کند تا هزینه‌های کلی را کاهش دهند.

🔹الزویر علاوه بر پلت‌فرم پشتیبانی تصمیم‌گیری بالینی پیشرفته خود، از هوش مصنوعی برای راه‌حل‌های تحقیقاتی خارج از حوزه مراقبت‌های بهداشتی، مانند ابزار ScienceDirect خود استفاده می‌کند. این ابزار همچنین با استفاده از مجموعه مقالات علمی منتشر شده پژوهشگران را به سمت مقالات مرتبط با کار تحقیقاتی‌شان که با استفاده از پیش‌بینی هوش مصنوعی مشخص می‌شوند، هدایت کرده و به این ترتیب از پژوهشگران حمایت می‌کند.



🔺 برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/r19056

#نمونه_موردی
#عظیم_داده
#هوش_مصنوعی
#پزشکی
#فاطمه_مظفری

www.bdbanalytics.ir
@BigData_BusinessAnalytics

🔎 استفاده از هوش مصنوعی در خدمات مالی

🔻 مورد مطالعه: آمریکن اکسپرس

🔸 امریکن اکسپرس بیش از 25 درصد از موارد استفاده از کارت اعتباری در ایالات متحده را بر عهده دارد که در سال 2017 معادل 1.1 تریلیون دلار تراکنش در سال بوده است و بر اساس فوربس یکی از با ارزش‌ترین برندها در خدمات مالی است. این شرکت در محور هر کاری که انجام می‌دهد، داده‌ها و تحلیل‌گری را قرار داده است. با این حال، دو مورد از موارد استفاده کلیدی آن کشف تقلب و بهبود تجربه مشتری است.

🔹 بانک‌ها و موسسات مالی از جمله صادر کنندگان کارت اعتباری و بیمه‌ها، همواره از الگوهای به دست آمده در داده‌های تاریخی برای کشف تقلب استفاده می‌کنند. این موضوع به موسسات مالی امکان ایجاد مدل‌هایی را می‌دهد که می‌توانند برای پیش‌بینی قابل اعتماد بودن معاملات آتی مورد استفاده قرار دهند.

🔸 مطالعه موردی شرکت آمریکن اکسپرس در خصوص بهره‌گیری از سیستم‌های هوش مصنوعی نشان می‌دهد مدل‌های یادگیری ماشین برای کشف تقلب باید به طور مداوم و به صورت بلادرنگ تطبیق یافته و بروزرسانی شوند به این معنا که نیازمند جریان داده‌ای پیوسته برای یادگیری هستند. همچنین ذخیره سازی توزیع شده و میزان قابل توجه توان محاسباتی از الزامات استفاده از این حجم از داده جهت پیش‌بینی دقیق و بلادرنگ می‌باشد.

🔸 تعداد بالای تراکنش‌های پردازش شده توسط آمریکن اکسپرس به این معناست که افزایش کمی در کارایی می‌تواند بهبودهای بزرگی را در امنیت کلی ایجاد نماید.

🔹 علاوه بر کشف تقلب، کسب و کارهای ارائه دهنده خدمات مالی از هوش مصنوعی برای ایجاد ارزش افزوده برای مشتریان در راه تغییر در بهره‌گیری از خدمات خود استفاده می‌کنند. از جمله می‌توان از اپلیکیشن «دستیار سفر شخصی» مبتنی بر هوش مصنوعی آمریکن اکسپرس نام برد که در آن از هوش مصنوعی برای کمک به دارنده کارت با استفاده از توصیه‌های خرید شخصی‌سازی شده بر اساس عادات و سابقه خرید قبلی وی استفاده شده است.



🔺 برای خواندن این مطلب می‌توانید به لینک زیر مراجعه فرمایید:

🔗 https://b2n.ir/a95709

#نمونه_موردی
#عظیم_داده
#هوش_مصنوعی
#خدمات_مالی
#فاطمه_مظفری

www.bdbanalytics.ir
@BigData_BusinessAnalytics

📚معرفی کتاب "Artificial Intelligence for Business Analytics: Algorithms, Platforms and Application Scenarios"



🔍 عنوان: هوش مصنوعی برای تحلیلگری کسب و کار: الگوریتم‌ها، پلتفرم‌ها و سناریوهای کاربردی

🖋 نویسنده : Felix Weber
📌 این کتاب در سال 2023 و توسط ‎ انتشارات Springer انتشار یافته است.


📍بسیاری از تحلیل‌ها در محیط کسب و کار، تحلیل توصیفی است که بر اساس آمار توصیفی محاسباتی از قبیل میانگین، درصد، شمارش، حداکثر، حداقل و محاسبات ساده را ارائه می‌نماید یا نسخه‌های فیلتر شده داده‌ها را خلاصه می‌نماید. هدف از تجزیه و تحلیل توصیفی این است که به سادگی خلاصه کند و به شما بگوید چه اتفاقی افتاده است: فروش، تعداد مشتریان، درصد کل فروش با مواردی که تبلیغ شده‌اند، بازدید از صفحه و غیره.
🔹 تحلیل‌های توصیفی می‌تواند نتایج عملیات‌های ساده ریاضی باشد و امروزه در اکثر شرکت‌ها به انجام می‌رسد که اغلب به عنوان هوش تجاری از آن یاد می‌شود. همچنین اصطلاح تجزیه و تحلیل پیشرفته برای توصیف گسترش این گزارش‌ها استفاده می‌شود. به عنوان مثال، اگر ابتدا از یک فیلتر جغرافیایی برای تجزیه و تحلیل رسانه‌های اجتماعی استفاده کنید، می‌توانید معیارهایی مانند میانگین پست در هفته از آلمان و میانگین پست در هفته از هلند را دریافت کنید و بر روی نقشه نمایش دهید. با این حال، این تحلیل ابتدایی برای مزیت رقابتی نسبت به رقبا کافی نیست. به خصوص اگر ناگهان مجبور شوید با بومی‌های دیجیتالی مانند گوگل، آمازون یا علی بابا رقابت کنید. در واقع می‌توان گفت در عصر دیجیتالی شدن، این یک چالش واقعی برای بسیاری از صنایع است. این شرکت‌ها نه تنها بر اساس نرم‌افزار و پلتفرم‌ها، بلکه مهم‌تر از آن، بر اساس تحلیل‌های پیچیده عمل می‌کنند. به طور مثال اوبر پایگاه داده عظیمی از رانندگان دارد، بنابراین به محض درخواست خودرو، الگوریتم اوبر آماده راه اندازی است و در عرض 15 ثانیه یا کمتر، شما را با راننده نزدیک به شما مطابقت می‌دهد. در پس‌زمینه، اوبر داده‌های مربوط به هر خودرو را ذخیره می‌کند - حتی زمانی که راننده مسافر ندارد. همه این داده‌ها ذخیره شده و برای پیش‌بینی عرضه و تقاضا، تعیین کرایه‌ها و شناسایی مسائل مرتبط با حمل و نقل شهری استفاده می‌شود.

📍این کتاب با هدف معرفی جنبه های ضروری تحلیلگری کسب و کار و استفاده از روش‌های هوش مصنوعی ارائه شده است. در این راستا ابتدا اصطلاحات و الگوهای فکری اساسی تحلیلگری از تحلیل توصیفی و پیش‌بینی‌کننده تا تحلیل تجویزی در بخش «رده‌بندی روش‌ها و مدل‌های تحلیلی» معرفی شده‌اند. به دنبال آن، مدل تحلیلگری کسب و کار برای هوش مصنوعی، یک مدل فرآیندی برای اجرای پروژه‌های تجزیه و تحلیل کسب و کار در بخش «مدل رویه‌ها: مدل تحلیلگری کسب و کار برای هوش مصنوعی» و یک چارچوب فناوری دنبال می‌شود که شامل ارائه مهم ترین چارچوب‌ها، زبان‌های برنامه نویسی و معماری‌ها می‌باشد. پس از ارائه مقدمه‌ای بر هوش مصنوعی در فصل 2 و به ویژه زیرشاخه یادگیری ماشین، فصل 3 با عنوان «انواع مسائل در هوش مصنوعی و الگوریتم‌های آنها» به مهم‌ترین مسائل و الگوریتم‌های قابل اجرا به شیوه‌ای قابل درک می‌پردازد. در ادامه یک مرور کلی از پلتفرم‌های ابری رایج در بخش «تجزیه و تحلیل کسب‌وکار و یادگیری ماشین به‌ عنوان یک سرویس (پلتفرم‌های ابری)» ارائه می‌شود که اجرای سریع یک پروژه تحلیلگری کسب و کار را امکان‌پذیر می‌سازد. در نهایت، چندین سناریوی کاربردی از دیدگاه‌های مختلف، استفاده احتمالی از AI و BA را در صنایع مختلف به عنوان بخش مطالعات موردی «ساخت یا خرید؟» نشان می‌دهد.

📍این کتاب به عنوان یک مقدمه و مرور کلی برای تصمیم‌گیران و متخصصان فناوری اطلاعات و حوزه‌های کاربردی مرتبط مطرح شده است و در بسیاری از موارد به ادبیات عمیق‌تری برای مطالعه بیشتر اشاره شده است.


این کتاب را می‌توانید از لینک زیر دریافت نمایید.

🔗 https://bdbanalytics.ir/jgao


#معرفی_کتاب
#هوش_مصنوعی
#تحلیلگری_کسب_و_کار
#فاطمه_مظفری


@BigData_BusinessAnalytics
http://www.bdbanalytics.ir