今天小编就给大家分享一篇有关互联网，手机，科技方面文章给大家，相信很多小伙伴们还是对互联网，手机，科技知识这方面还是不太了解，那么小编也在网上收集到了一些关于手机和互联网以及科技类这方面的相关知识来分享给大家，希望大家看了会有所帮助。
在上周于旧金山举行的Salesforce分析师峰会上，该公司高管分享了该公司历时两年多建立一个高度自动化的数据管理和机器学习管道以大规模发布预测和建议的细节。这项工作从精确的目标预测客户旅程开始，许多(尽管不是全部)Salesforce人工智能的收购正被插入到相同的自动化管道中。公司高管表示，该系统可以扩展，因为所有的数据收集、数据准备、功能选择、模型构建、超参数调整和评分都是自动处理的。
Salesforce表示，它花了两年多的时间开发自动化数据管理和机器学习管道，以推动大规模的客户特定预测。
根据Salesforce的数据，这个数据管理和机器学习管道每天已经交付多达3亿个预测/推荐/评分线索。它是销售云Einstein、服务云Einstein和营销云Einstein应用程序背后的引擎，这些应用程序要么已经可用，要么将在今年推出(见下图)。下一个出来的将是销售云爱因斯坦应用程序，定于2017年2月Salesforce春季发布。
Einstein高级副总裁兼总经理John Ball说:“我们的一个试点客户(在Einstein预测领先得分上)扳动了开关，销售额提高了25%。”
Einstein apps的目标是帮助人们关注重要的事情。例如，预测式的线索评分可以帮助销售人员关注最有希望的线索。另一款名为“机会洞察”(Opportunity Insights)的销售云应用“爱因斯坦”(Einstein)将于明年2月推出，它可以帮助销售人员设定下一个工作重点。对于那些仍未完成配额的企业来说，这将意味着它们将锁定最有可能完成的下一笔交易;那些已经完成配额的企业可以转向培育自己的管道。
Einstein apps并不适合所有公司。首先，需要大量的数据来驱动自动化的、基于机器学习的预测。如果你每个月处理的潜在客户少于100个，人类可以处理这些负载，他们可能很清楚哪些潜在客户需要优先处理。波尔说，只有当数据量大得惊人时，Einstein应用程序才有意义。
这并不是说爱因斯坦只适合大公司。数据量取决于应用程序。例如，许多小型营销团队每月发送数百万封电子邮件。预测评分和受众和自动发送时间优化，这两个应用程序今年将进入营销云，即使对小公司也有意义，只要它们是大规模营销。
目前，Salesforce正在挑选和选择“开箱即用”的Einstein应用程序。但随着时间的推移，该公司计划开发更复杂的应用程序，这些应用程序可能需要进行一些咨询和业务流程更改才能部署。Salesforce还计划支持定制的Einstein应用程序，但在这里，Salesforce也表示，对于不需要数据科学人才的开发人员来说，这项功能将是一项点击即可完成的事情。
在更复杂的应用程序或自定义应用程序功能出现之前，Salesforce提供分析云“爱因斯坦智能数据发现”(Einstein Smart Data Discovery)的特别分析和推荐功能。这个独立的基于机器学习的引擎允许您从Salesforce、关系数据库或Hadoop加载和研究数据集，并回答四个问题:发生了什么?为什么会这样?会发生什么呢?我该如何改进?
这四个问题分别是描述性、诊断性、预测性和规范性分析，它们的答案以基于文本的“故事”的形式提供，可以导出为Word文档或PowerPoint演示文稿。您还可以通过Salesforce Analytics的Cloud Wave引擎生成支持的数据可视化。
智能数据发现的目的是让业务分析人员研究数据，并调查成本、盈利能力和客户生命周期价值等指标。与其他Einstein应用程序一样，你需要足够的数据。Beyondcore的资深人士表示，该引擎需要至少1万行数据，才能发现相关性和模式，并生成可靠的预测和规范性建议。
Salesforce之所以采取“应用先行”的策略，部分原因是该公司从2014年底首次推出的分析云服务失败中吸取了教训。正如我去年所写的，Wave的第一次迭代太昂贵，太专注于企业，打包太像传统的BI平台。去年的重新启动强调的是现成的销售和服务浪潮的应用程序设计的开箱即用。
与在最初的Wave方法中引入“人工智能云”不同，Einstein是一个内置在Salesforce平台中的功能。Wave的分析功能也被内置到平台中，但是最初的分析云打包和定价方法，以及针对开发者的平台费用和昂贵的构建许可，都不起作用。对于Einstein, Salesforce从应用程序开始，然后为开发人员添加定制功能。
关于Einstein最重要的问题是这些应用程序的价格是多少?Salesforce的高管们仍然对此含糊其辞，他们表示，一些功能将是免费的，而大多数应用程序将涉及每个用户/每个月或每个预测的费用。在被收购的Einstein应用中，尤其是那些来自BeyondCore和Demandware(现在的商业云)的应用，据说定价与现有客户支付的价格一致。
考虑到竞争对手，Oracle也在其自适应智能应用程序中采用了预构建应用程序的方法。今年9月，甲骨文宣布了6款自适应智能应用的计划，并表示将在12至18个月内推出。Constellation预计在2017年上半年至少会推出几款这类应用。
公共云供应商亚马逊(Amazon)和微软(Microsoft)已将服务库方法引入人工智能，让开发人员将机器学习、自然语言处理、机器视觉、情感分析和其他服务整合到成品应用程序中。可以使用模板、样例脚本和其他内容来指导，但是它们不是可以立即运行的应用程序。我们预计，微软将采取更多措施，将客户体验的具体服务，或许还会在Dynamics应用程序组合中加入一些更接近完成的人工智能应用程序。
过去5年，IBM凭借沃森(Watson)认知计算技术让人工智能重新回到了人们的视野，这一点值得称赞。它现在有了一个分岔的战略，与IBM自己追求更复杂的机会，同时也为一个不断增长的开发人员社区构建沃森平台认知服务。
IBM本身提供了围绕活动自动化、营销洞察、实时个性化、客户体验分析和客户旅程分析的认知营销解决方案。与此同时，沃森的合作伙伴，如有影响力的、SocialFlow和Equals 3，提供沃森驱动的认知营销解决方案。无论是来自IBM还是独立开发人员，这些解决方案都可能需要与记录系统集成。相比之下，Salesforce(以及Oracle，在发布其应用程序时)交付的是即时可用的AI应用程序，它们是其软件即服务应用程序的扩展。如果Salesforce是您的CRM记录系统，Einstein将是添加AI的最简单和明显的首选。