机器学习客户故事

非营利组织使用机器学习促进俄亥俄州的经济发展

以中心为中心:通过概念验证展示数据的潜力

在中心, 我们希望我们的客户充分理解为什么我们选择我们的方法,为什么它们有效. 我们在这个项目上与JobsOhio公司合作, 我们想让他们先体验一下机器学习和数据预测可以为他们做些什么,然后再对他们的流程做出重大改变. 概念验证在这里会派上用场, 因为他们使用真实的数据来真正说明数据建模可以在不需要大量投资或中断的情况下为业务带来的潜在价值.

“当我们开发这些概念验证时, 在我们试图影响你们的运营之前,我们会说‘让我们向你们展示什么是可能的’,Centric机器学习专家Tanya Kannon说. “这有助于客户在投资前充分了解它是如何运作的.”

我们确定了各种各样的数据源来满足我们的模型, 从新的商业建设项目的新闻报道,到突显破产的法律和政府数据库,这些内容无所不包. 基于JobOhio的业务需求,并评估了5年的可用数据, 我们共同努力确定了三个未来的模型,以作为概念验证(POC)进行研究。.

  1. 网站捕获模型: 这项研究的重点是,通过确定那些最有可能接受开发提议并成功在俄亥俄州扩张的公司,优先考虑已经在JobsOhio计划中的公司.
  2. 网站保留模型: 该研究通过找出俄亥俄州可能大幅裁员的公司的个别地点,发现了从事职位保留项目的候选人.
  3. 网站扩张模式: 通过寻找已经在俄亥俄州具有显著就业增长潜力的公司的个别站点,该方法确定了就业增长项目的候选人.

我们使用Azure机器学习服务来构建这些模型, 我们帮助建立了数据仪表板,让JobsOhio团队可以跟踪和可视化他们的工作. 在目前的经济环境下, 找到合适的项目,并专注于可能成功的项目,可以让JobsOhio更好地创造就业机会和投资.

成果:通过密切伙伴关系克服挑战

这对JobsOhio来说是一次重要的学习经验. 机器学习项目更像是研发(R&D)比软件开发更努力——所有的R&D的努力伴随着一些风险,期望的产品是不可行的. 通过测试三种不同的模型, JobsOhio决定让一些人为他们工作, 而其他人可能不会.

在这种情况下, 同时,我们能够成功地获取所需的数据,为网站捕获和网站保留模型开发强大的预测模型, 我们无法收集到足够的数据来有效地支持站点扩展模型. 随着未来更多数据的出现,这种情况肯定会改变.

尽管这一挑战, 在这个项目中,我们与JobsOhio公司建立了密切的合作关系,从而使其最终获得成功. 我们能够开发出两种稳健的模式——一种解决了优先努力的问题,另一种提供了对那些可能会减少在俄亥俄州足迹的公司的深入了解. 也许更重要的是, 我们共同努力,给JobsOhio带来了深远的影响, 对他们的业务有价值澳门金沙官网.

“在与JobsOhio合作的过程中,让我印象深刻的是他们对这个项目的投入. 他们真正地参与到事情的本质中, 为了更好地理解预测模型是如何工作的,这样他们就可以把它卖给其他企业,谭雅·坎农说. “现在, 他们离开时对自己的业务有了一个巨大的了解, 他们是谁, 以及他们为什么要这么做.”

我们的咨询服务可以帮助您使用 机器学习 解决复杂的问题,做出你每天都要处理的困难的决定.