行動貝果 MoBagel 扎根四大產業,用 AI 簡化商業決策流程

MoBagel-SparkLab

行動貝果(MoBagel)共同創辦人暨營運長王易如在 SparkLabs Taipei Demo Day 分享 MoBagel 最新成果,不僅在台灣市場扎根,擁有製造、零售、金融及電信產業客戶,以自動化機器學習 (AutoML) 技術協助客戶精準預測,同時 MoBagel 在 Gartner 2020-2023 連續四年的 AI 報告中,獲選為全球AI/AutoML平台關鍵原廠,提供商業情境需求的精準行銷、供應鏈需求預測、人力資源預測等經典 AI 場景應用。

王易如表示,「企業最大的問題是不知道如何預測未來?一旦預測不準,將導致資源消耗或遭受客戶流失的損失。MoBagel 打造簡單、自動化的機器學習軟體Decanter AI,用 AI 協助企業做出最佳決策!」

簡單、自動化的機器學習軟體,為什麼如此重要呢?

影響商業預測的兩大隱藏成本

王易如分享一個客戶案例,某大型企業計劃透過商業分析預測作為數位轉型策略,除了要花費數百萬美元自建資料科學團隊、購買相關軟硬體,經歷蒐集數據、清理數據、處理數據、特徵工程、挑選演算法、訓練模型、調校參數、預測結果等八個步驟,通常需要 6 個月以上才有機會穩定商業運轉。

王易如分析一般企業投入資料科學預測時的兩大實務挑戰,第一,每位資料科學家會依照自己的喜好,在每個分析步驟使用不同軟體,不僅讓解決方式變得非常複雜,也難以整合管理,致使跨團隊協作不易,無法真正解決客戶流失的商業問題。

第二,要解決一個預測問題,一般的做法是建置一個數據模型,並持續優化;然而,需要數據預測的問題有上百萬個,要用哪一個數據模型解決特定的商業問題,取決於資料科學家對產業知識的理解和判斷,必須讓機器學習也能自動化,才能根據客觀數據選擇適合的演算法。

分析專案從兩個月縮短到兩天,Decanter AI 簡化商業分析流程

王易如說,「我們打造 Decanter AI 是為了讓 AI 分析像 Excel 一樣簡單好用。」

MoBagel 過去五年蒐集超過上百個商業使用案例,MoBagel 將商業預測問題結合產業知識,轉換為演算法資料庫,為企業打造出 AI 數據分析系統 Decanter AI。

此外,MoBagel 更用創新的方法建置數據模型,增加建置數據模型的效率,以超過上百個演算法加強自動化機器學習的精準度,把選擇演算法的工作交給 Decanter AI 自動化決定,針對商業問題推薦最適合的演算法。

Decanter AI 把繁複的 AI 建模流程簡化成自動數據清理、自動特徵工程、自動建模等三大步驟,透過直覺操作介面及自動化流程,讓不具有資料科學背景的任何使用者,皆能在短短數天的時間就能建立符合商業情境的數據模型。

從預測員工離職率、銷售預測、需求計劃到庫存預測等商業預測問題,都能由 Decanter AI 為企業自動化建置適合的數據模型,協助企業做出快速、精準的決策。

精準行銷提升 10 倍命中

以電信業者為例,運用自動化機器學習可預測客戶流失率,每週上傳數據到 Decanter AI,選擇預測的目標「客戶流失」,軟體將會自動化推薦適合的模型,上傳新的客戶數據之後,就能開始預測下週可能會攜碼轉換的客戶名單進行精準行銷,並能一鍵下載預測結果。如果想要瞭解更多產業 AI 應用,歡迎聯繫我們