企業
Q&A
問：中小企業爲何要采納機器學習？
答：近年來的科技進步，已經將人工智能及其分支學科機器學習，推向了中小企業數碼化的前沿。一些中小企業開始通過機器學習來制定業務流程和決策，最終目的是提高營收、降低成本和創造新的價值來源，以提升盈利能力。
機器學習可說是預測分析概念的延伸。但是，機器學習的主要區別在于，使用數學演算法訓練電腦處理和分析大量數據，從而使它們能夠生成規則、識別規律並形成分類預測。須要注意的是，電腦無須人工幹預或明確編程即可自動學習。
問：爲何收集適用的高質量數據很重要？
答：要推行機器學習計劃，中小企業首先得確定要使用和分析的數據。例如，如果中小企業打算預測顧客行爲，要收集的相關數據可包括：一、顧客數據；二、社交媒體數據，包括可以從社交媒體中獲取的有關客戶、其偏好、觀點和地理位置的信息；三、網絡流量數據。如果中小企業有網站，公司可以掌握誰訪問過網站以及顧客在網站上留下什麽信息。這些信息對于了解顧客和制定相應的銷售策略很有用。基本上，數據是任何機器學習算法的核心，而且數據的形式必須是演算法可以理解的。機器學習演算法的主要功能是解鎖數據中的隱藏信息和知識。
以下是中小企業使用機器學習的兩個示例：
一、消費分析
數據存儲功能的改善，讓中小企業可更加輕松地收集公司的開支數據。這些數據包括采購訂單、開票發票、卡交易，以及報銷員工出差、醫療和彈性福利的開支。
基于不同點之間的數學距離，聚類方法反複比較大量交易，並形成具有相似屬性的聚類。因爲這純粹是一個數學過程，所以可以大大減少偏差。這樣可以從以前未知或無法量化的數據中收集新的見解。
最終這應該能夠回答以下問題：“誰在購買？”“誰在出售？”“購買了什麽？”“買多少？”“何時交易？”和“付款方式是什麽？”等等。這些都是與采購部門有關的問題，可爲公司增值。
對于希望更好管理支出的中小企業來說，研究聚類及其變量只是支出分析的第一步。通過結合使用文本分析與自然語言處理，可以將文本信息轉換爲數據，以便對開支數據進行更深入的分析。
二、銷售需求預測
利用前幾年的銷售數據，中小企業能夠發掘銷售和消費的規律。這可以從個別顧客，或目標群體或特定人口群著手。概率演算法是預見未來確定性的關鍵。概率的基數（即事件發生的可能性）可以爲0或1，分別代表不可能或肯定會發生。該演算法考慮了銷售過程中的所有外部和內部影響因素，以及該過程成功的可能性。這種“假設分析”讓銷售經理可以了解這些因素對銷售數字的影響，並評估如何利用這些見解來推動銷售。
此外，機器學習能夠優化營銷支出和流程，並提高廣告投入和産品促銷所取得的銷售效率。中小企業可采用按年比較的回歸（regression）分析來做到。這個方案模擬不同的營銷情境和結果，以便確認最適宜現實生活環境的營銷策略。
回歸分析背後的基本概念，是通過多個變量的組合來解釋産出的結果。在上述的示例中，每個營銷情境以及其他影響因素是使用回歸分析來預測“每支出金額取得的銷售額”的不同變量。與其他模式相比誤差最小的，就是最佳的回歸分析模式。
盡管這些機器學習演算法並非沒有錯誤，但它們不斷改進，加上用于分析的數據更准確和關聯性增強，將有助于提高准確性，並有可能爲中小企業提供可量化的銷售需求數據，從而讓管理人員做出更好的業務決策。
問：中小企業走上機器學習道路之前要如何擺正心態？
答：越來越多中小企業意識到機器學習革命的潛力。但是，中小企業老板心中的問題是，如何采納如此重大的技術變革。最重要的一點是改變心態。例如，剛推行機器學習項目的企業應該“從小做起”，先將機器學習應用于一小部分數據，不要一開始就應用在大量數據上。中小企業可選擇要解決的一個特定問題，將機器學習應用在這個問題上，並設定明確的問題來回答，而不是將所有數據都投入進去。
同時要注意的是，機器學習演算法並不是萬能的。中小企業應該花時間來收集適用的輸入數據，然後改進方法對數據進行預處理，最後選擇正確的演算法並做出正確的調整。因此，演算法不是這個過程中最重要的因素。
中小企業應該認識到，並非所有機器學習項目都會成功。除了建模，測試和驗證也是一個機器學習項目的重要元素。機器學習模型必須進行微調，並徹底驗證結果，然後才能投入使用。綜上所述，中小企業抱著正確的心態采用機器學習，並樂于接受改變，將逐漸從數碼化中獲益。
作者是新加坡管理大學會計學院會計講師和學生事務主任
●歡迎浏覽報業控股雙語網站的中文頁面sgsme聚彙（www.sgsme.sg/cn），了解更多中小企業動態。