机器学习如何帮助非营利组织用更少的钱创造更多的工作
数据对于企业来说是一个非常强大的工具, 尤其是在一个聪明的, 高效预测方式. 等组织 JobsOhio, 这是一个帮助公司识别和寻求俄亥俄州增长机会的非营利组织, 必须每天解析成千上万的数据点才能成功——这是一个耗时的过程吗, 如果使用过时的数据收集方法，会对业务流程和目标造成复杂和阻碍.
但是现代的解决方案，比如 机器学习, 哪些利用模式识别工具来识别海量数据中的趋势, 能让JobsOhio变得有价值吗, 用更少的时间和金钱做出明智的决定.
而JobsOhio对数据的力量并不陌生, 他们不确定如何最好地利用它来为项目划分优先级, 最大化资源, 提高接近利率，对俄亥俄州的经济产生更大的影响. 作为一个非营利组织，他们也想用有限的资金来做这些事情.
JobsOhio的融资模式不同于美国任何经济发展组织的融资模式，因为它完全没有使用税收或其他公共资金来支持它. 尽管JobsOhio是完全自筹资金的，但它在俄亥俄州创造新就业机会方面一直非常有效. 例如，2019年，JobsOhio执行了306个项目，收入为1美元.新增工资2B，创造22770个新工作岗位.
就像他们用有限的资金一样有效, 他们仍然想为俄亥俄州做更多的事情. 这意味着要优先考虑那些他们想要协商创建的雇主, 保留或扩大在俄亥俄州的业务——这是一个非常复杂的挑战.美国500万雇主(250人,在俄亥俄州，000人)散布在超过1,000年行业专业. JobsOhio意识到这个问题的复杂性与机器学习非常吻合, 但他们需要一个伙伴的帮助.
了解我们深厚的数据专业知识，并证明我们在机器学习方面的成功, JobsOhio与澳门金沙官网合作，探索预测模型的开发，以帮助确定优先级.
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。.
- 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.
- 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.
- 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.”