麦肯锡报告：机器学习的未来

T客汇官网：tikehui.com

编译 | 徐婧欣

数据及分析美国零售商供应链的营业毛利润在过去五年里增长了19%。

制造业的增值设计、供应链管理和售后支持三个领域，数据分析在经济上做出了贡献。

与物联网相关的潜在可能价值中，有40%需要与物联网产生系统之间的互操作性。

以上观点来自于麦肯锡全球研究所（MGI）与McKinsey Analytics合作发表的研究：《数据分析的时代：数据驱动下的竞争》。五年前MGI发布了《大数据—创新、竞争和生产力的下一个先驱》，最近几年麦肯锡发现人们愿意去采用数据科学，数据的价值也在提升，尤其是在机器学习和深度学习领域。此研究强调了如何通过关键集成对于从数据和分析中获得更大价值有多么重要。

通过从数据和分析中获取价值，基于位置定位的服务(LBS)和美国零售业取得了巨大的进步。麦肯锡在2011年的报告中预测到，基于位置定位服务今年将获得数据及分析价值的60%。

麦肯锡预测，公司利用地理空间数据在追踪分散的财产、团队和客户，产生新的见解并提高效率的机会在增加。美国零售业获取的价值高达40%，制造业则为30%。以下图表对2011年麦肯锡预测的当前各部门获取的价值进行了对比，包括采用数据和分析的主要障碍。

机器学习在各产业的最大潜力在于提高预测能力和预测分析。麦肯锡对其研究发现的120个在机器学习领域最重要的使用案例进行了分析，并根据调查对象的回应赋予它们权重进行权衡，最终得出了机器学习在各行业和案例类型中最重要的潜在影响的热图(heat map)以及案例类型。请见各行业使用案例的详细评分报告，排名依据影响及数据充分程度。

机器学习在各行业进行实时优化的潜能刚刚开始提升，在未来三年内将快速发展。麦肯锡对与300个机器学习使用案例相关的数据充分程度进行了分析，将其性质定义为数据体数量与种类的结合。机器学习数据充分度评估结果请见以下图片：

目前，自动驾驶车辆和定制化广告是机器学习领域的两个最大的机会。其他有潜力的使用案案例还包括基于运输旅途和物流中的实时数据，的优化优化定价、路线选择和行程安排、预测个人健康状况以及优化零售商的推销策略。麦肯锡分析了来自12个行业的120个机器学习使用案例，对600名行业专家针对机器学习的影响进行了调查。

他们发现机器学习的潜在应用领域非常广。每个使用案例至少有一位行业专家认为它都可以在所在行业中排名前三位，并且至少有一位行业专家。基于对600多为行业专家的调查，麦肯锡在下图中列出了排名前120的使用案例，y轴显示的是可用数据的体数量（包含广幅度和频率），x轴显示的是潜在影响，是基于对600多为行业专家的调查得出的。气泡的大小反映的是可用数据资源的多样性不同。

设计恰当的组织结构，支持数据和分析活动（45%），确保高级管理人员参与（42%），设计有效的数据架构和技术基础架构（36%）是要达到获取数据和分析目标时面临的三项最重要的挑战。麦肯锡发现，障碍可以分为三类：战略策略、领导力和人才；组织结构和流程进程；以及技术基础架构。在所有地区和行业中，约有一半的高管认为雇佣分析方面的人才比其他人才要困难得多，40%的高管认为留住人才也是个难题。

利用了数据及分析的美国零售商供应链的营业毛利润在过去五年里增长了19%。利用数据和分析来进行定价、分类和布置优化等销售规划使营业毛利润增长了16%。下图显示的是这对数据和分析对美国各领域零售运营的贡献进行了分析。

在制造业的增值设计、供应链管理和售后支持三个领域，数据分析做出了经济贡献。麦肯锡预计，如果采用增值设计项目，数据分析能够使厂商的毛利润增加40%。通过使用产品传感器数据分析等分析方法，售后服务的成本可以减少多达15%。有几家公司对此领域很有兴趣，包括Sight Machine和enosiX，后者能够确保SAP和Salesforce系统的实时集成。下图显示的是数据分析了分析对于各领域生产财政状况的预计影响。