如何影响预测性分析应用

“除了上帝，我只相信(优质)数据。”——爱德华兹·戴明

只有优质的数据，才能得到优秀的模型。因此，你应确认用于训练机器学习模型的数据质量。虽然“质量”难以定义，但有一个简单的方法可以了解训练数据的质量，问问他：与模型在“现实世界”处理的数据相比，训练数据的相似度和代表性如何?

无论一个机器学习模型有多花哨、多前沿，如果用于训练的数据质量堪忧，结果必然极其糟糕。

3. 适者生存

上世纪90年代到本世纪初，电子收件箱的垃圾邮件过滤器会寻找拼写错误和其他明显的迹象，自动将垃圾邮件放入垃圾邮件文件夹。

现在，垃圾邮件制造者变得更聪明了，垃圾邮件也越来越难检测了。现在的电子邮件服务商必须适应这一趋势，采用更精密的机器学习模型，准确识别垃圾邮件。


 

流程挖掘的定义

流程挖掘是一种方法，通过这种方法，组织可以从现有的系统中收集数据，以客观地可视化业务流程是如何运行的，以及如何改进它们。从流程挖掘中获得的分析洞察力可以帮助优化整个组织的数字化转型计划。

在过去，流程挖掘在制造业中的应用最为广泛，可以用来减少误差和体力劳动。如今，随着企业越来越多地采用新兴的自动化和人工智能技术，流程挖掘成为了各个行业组织的优先事项。对于致力于持续改进IT和业务流程的组织来说，流程挖掘是一个重要的工具。

流程挖掘是如何工作的?

流程挖掘从评估已建立的IT或业务流程开始，通过自动化的技术(如机器人流程自动化、人工智能和机器学习)来发现重复的任务。通过自动化重复性或平凡的任务，组织可以提高效率和生产力，并让员工有更多的时间来花在创造性或复杂的项目上面。通过最小化差异，自动化还有助于减少流程结果中的不一致性和错误。一旦开发了IT或业务流程，就必须始终进行检查，以确保流程交付了适当的结果--这就是流程挖掘的作用所在。

例如，IT部门可能会决定自动化其帮助台的票务系统。以前，员工需要花时间来检查票据，确定正确的类别并将其分配给正确的员工。而IT部门可以创建自动化流程，在票据进来时对其进行分类和分配，从而解放员工，让他们有更多时间来解决客户问题。然而，一旦这些自动化流程到位了，确保流程能够定期交付预期的结果也同样重要。随着新技术的实现，流程挖掘可以帮助公司重组流程，以适应新的票务类别、人员变动和不同的行业趋势。


 

近段时间，美国IBM、亚马逊、微软三大科技巨头先后宣布或放弃人脸识别、或暂停向警方提供人脸识别技术，虽然与当前该国爆发的反种族歧视运动有关，但是深层次原因却是美国民众一直以来对于人脸识别技术广泛应用的疑虑与反对。

实际上，在亚马逊等公司与警察、军方合作应用人脸识别开始，就出现了一系列的批评声音。这些言论认为，人脸识别技术的应用，将会导致个人被“监视”，丧失了自由权利与隐私权利，而且相关技术也会影响到性别、种族问题的公平。

未成年人数据如何保护?

相较于成年人来说，公众对于未成年人的隐私保护问题往往更加重视。人脸识别技术的扩大应用，的确有助于相关游戏运营商来落实未成年人保护，遏制青少年沉迷游戏的风向，但是在这一过程中，对于未成年人的人脸识别数据应当妥善收集、处理。

从应用机制来看，人脸识别在游戏验证中的主要作用是识别登录者的身份。因此，在系统收集未成年人的人脸生物特征信息，并经过判断确认了身份后，应该消除已收集的数据，并不得进行储存和其他利用。这样一来，未成年人的个人隐私安全将能够得到较好的保护。

鉴于国内还没有专门的生物识别技术相关法律，个人信息保护法也在制定当中，相关企业在收集、利用人脸识别数据时应当切实遵守已有法律规定，并积极履行社会责任，有效保护用户的隐私权益。后续在相关立法中，希望将人脸识别等生物信息的收集、使用等纳入法律体系中，包括对未成年人群体的特殊规定，从而更好地维护公众个人隐私，并保障人脸识别等产业能够获得更广泛信任，实现可持续发展。



 

（编辑：阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!