在已經(jīng)通過數(shù)字化轉(zhuǎn)型進行工作的高管解決與大流行相關(guān)的恢復(fù)問題的同時，他們卻依靠可靠且創(chuàng)新的技術(shù)來保持步伐。

大多數(shù)領(lǐng)導(dǎo)者將人工智能視為至關(guān)重要，并描述了實施人工智能的“最緊迫感”。然而，他們努力整合公司范圍的AI計劃。接受調(diào)查的高管中有百分之七十五認為，如果他們不這樣做，他們的公司將在五年內(nèi)消失。

未來五年，商業(yè)世界中的AI可能會以穩(wěn)定的速度增長，然后飛向天空。到2030年，預(yù)計大多數(shù)公司將使用AI來支持和加速高層指導(dǎo)和決策。大多數(shù)用例將涉及一種稱為機器學(xué)習(xí)的強大AI形式，其中計算機分析大量數(shù)據(jù)集以幫助回答問題。但是，僅憑人工智能是不夠的。高管們已經(jīng)看到機器學(xué)習(xí)程序需要真實世界的上下文才能將AI與物理世界聯(lián)系起來，而橋梁是位置智能（LI）。

通過地理信息系統(tǒng)（GIS）實現(xiàn)的位置智能使企業(yè)能夠在位置的上下文中進行地圖繪制，分析和共享數(shù)據(jù)。具有LI的AI機器學(xué)習(xí)可實現(xiàn)趨勢發(fā)現(xiàn)和預(yù)測，以支持市場評估，站點選擇，風(fēng)險管理，資產(chǎn)跟蹤和其他核心業(yè)務(wù)需求。簡而言之，機器學(xué)習(xí)管理復(fù)雜的數(shù)據(jù)，而位置智能則為該數(shù)據(jù)提供關(guān)鍵位置信息。在這里，我們探索真實的例子。

1.市場分析，增長計劃，高級分析

機器學(xué)習(xí)程序可在復(fù)雜數(shù)據(jù)集中找到聚類和熱點。通過將這種功能應(yīng)用于客戶數(shù)據(jù)，AI和LI可以解鎖有助于企業(yè)了解其市場的模式和趨勢。

例如，在哪里開設(shè)商店的問題涉及確定社區(qū)各個部分的商店可達性。同時，人口統(tǒng)計信息可以揭示某些消費者行為的熱點。通過分析這兩個數(shù)據(jù)集（潛在的站點可達性和附近的人口統(tǒng)計數(shù)據(jù)），零售商可以更好地了解哪些客戶將偏愛某些位置。

使用GIS技術(shù)，人們始終能夠快速回答問題，并在地圖和儀表板上顯示可達性和人口統(tǒng)計信息。現(xiàn)在，他們可以通過利用諸如消費者移動性和購買模式之類的數(shù)據(jù)源來添加AI工作流。

這揭示了以前看不見的消費者模式并回答了重要問題。客戶的平均年齡會如何變化？有多少家人會來？有哪些移動性模式會影響商店的訪問模式？有多少人乘坐公共交通工具？商店應(yīng)該在某些日子延長營業(yè)時間嗎？

隨著公司越來越多地為特定地理區(qū)域定制產(chǎn)品和服務(wù)，此類信息有助于預(yù)期并滿足客戶需求。機器學(xué)習(xí)程序通常可以實時執(zhí)行高級分析，以識別銷售數(shù)據(jù)中的模式，并將這些模式鏈接到位置。例如，一個程序可能會幫助公司發(fā)現(xiàn)區(qū)域人口統(tǒng)計特征中的共同點，例如城市與郊區(qū)，或有年輕家庭的地區(qū)，這些可能會被忽略。

2.監(jiān)視和跟蹤資產(chǎn)

可以學(xué)習(xí)機器學(xué)習(xí)算法來識別對象并相應(yīng)地對它們進行排序。當(dāng)存在位置組件時（與大多數(shù)對象一樣），此功能可以節(jié)省大量時間和金錢，尤其是在無人機和衛(wèi)星圖像時代。

所有企業(yè)都有必須跟蹤和會計的資產(chǎn)?？紤]公用事業(yè)公司使用AI和LI維護其網(wǎng)絡(luò)運行狀況的方式。無人機經(jīng)過培訓(xùn)可以拍攝數(shù)千張帶有公用電話線的地理照片。這些點成為智能地圖上的一層。使用深度學(xué)習(xí)（一種復(fù)雜的機器學(xué)習(xí)形式）的計算機分析了圖像并突出顯示了需要維修的資產(chǎn)。以一家公用事業(yè)公司為例，該系統(tǒng)快速分析了17，000英里的電線，否則這項工作將使工人估計需要50，000小時。

這個概念適用于更大的地理區(qū)域。輸油管道的運營商使用深度學(xué)習(xí)來檢測距離其太近的任何結(jié)構(gòu)。

借助機器學(xué)習(xí)的位置智能可以提供可視化形式，幫助企業(yè)更好地了解其市場?？梢杂嬎阃＼噲鲋熊囕v數(shù)量并按型號分類的程序可以幫助零售商收集有關(guān)競爭對手客戶群的人口統(tǒng)計信息。一家石油和天然氣公司可以迅速發(fā)現(xiàn)世界其他地方正在鉆探的石油。一家保險公司可能會結(jié)合使用LI和AI來快速確定有游泳池或其他顯著特征的房屋來更好地了解鄰里的責(zé)任。

隨著AI技術(shù)的成熟，更多的機器學(xué)習(xí)程序甚至將能夠在圖像數(shù)據(jù)出現(xiàn)時對其進行分析，這對于需要實時響應(yīng)的情況至關(guān)重要。

3.風(fēng)險管理與運營效率

《預(yù)測機器：人工智能的簡單經(jīng)濟學(xué)》一書的經(jīng)濟學(xué)家Avi Goldfarb 認為，機器學(xué)習(xí)可以為企業(yè)帶來“變革”。他在2018 年對《哈佛商業(yè)評論》（Harvard Business Review）的報告中，對未來結(jié)果的謹慎態(tài)度通常會使企業(yè)在承擔(dān)風(fēng)險時采取保守態(tài)度，以“對不確定性風(fēng)險進行套期保值。”機器學(xué)習(xí)算法通過檢查龐大的數(shù)據(jù)集，可以對結(jié)果做出可靠的預(yù)測企業(yè)可能會做出的各種選擇。通過鼓勵更智能的風(fēng)險，人工智能實際上降低了冒險的成本，這有助于企業(yè)發(fā)揮其全部潛力。

重要的是要記住，復(fù)雜的非AI預(yù)測工具已經(jīng)存在了一段時間。關(guān)鍵區(qū)別在于AI可以結(jié)合更多變量來做出準(zhǔn)確的預(yù)測。預(yù)測明天的天氣和模擬氣候變化的復(fù)雜影響之間的區(qū)別。

機器學(xué)習(xí)為幫助企業(yè)管理風(fēng)險提供了許多可能性。COVID-19大流行強調(diào)了供應(yīng)鏈數(shù)字化的必要性，以幫助公司應(yīng)對中斷。但是破壞可以采取多種形式，尤其是在氣候變化的影響倍增的情況下。通過幫助預(yù)測中斷（通過分析天氣狀況和政治動蕩，僅舉兩個例子），機器學(xué)習(xí)程序可以預(yù)測供應(yīng)鏈中某個節(jié)點出現(xiàn)問題的可能性，并幫助公司進行必要的調(diào)整。

機器學(xué)習(xí)還可以幫助公司更好地了解與增長和擴展相關(guān)的風(fēng)險。例如，零售商通過“統(tǒng)一預(yù)測”保持競爭力。一個主要的運動服裝品牌正在將AI與LI結(jié)合使用，以分析現(xiàn)場和在線購買作為其業(yè)務(wù)的相關(guān)部分。過去，他們在站點選擇中使用人口統(tǒng)計數(shù)據(jù)，而現(xiàn)在，他們將來自所有商業(yè)渠道的數(shù)據(jù)包括在內(nèi)，包括在線或通過社交媒體生成的那些。機器學(xué)習(xí)與GIS相結(jié)合，正在幫助這家零售商以極高的精度確定實體商店的最佳位置。

過去，保險公司可能會根據(jù)對各種風(fēng)險的了解，使用位置數(shù)據(jù)來確定如何對不同區(qū)域的保單定價?，F(xiàn)在，借助AI的LI開啟了全新的預(yù)測前景。

美國一家主要的保險公司正在采用AI驅(qū)動的方法來為駕駛員生成智能路線，即通過轉(zhuǎn)彎路線找到最安全的目的地路線。為了生成此分析，該程序考慮了許多變量，包括不同位置的事故，一天中的時間和天氣。智能路由具有明顯的業(yè)務(wù)優(yōu)勢-更安全的路由意味著更少的事故和更低的保費-但此示例超越了商業(yè)。城市和州交通部門可以通過預(yù)測各種組合可能發(fā)生的事故數(shù)量，來進行類似的分析，以設(shè)置速度限制并改善指示牌。

更好的路線預(yù)測也將對物流業(yè)產(chǎn)生深遠影響。機器學(xué)習(xí)甚至可以完善物流公司用于進行排程預(yù)測的起點成本矩陣，從而提高效率。

4. 放在一起

通過將位置智能與AI機器學(xué)習(xí)結(jié)合使用，企業(yè)可以獲得模式識別，分類和預(yù)測的優(yōu)勢?？紤]一下佛羅里達州奧蘭多市的一家無線提供商制定擴展其網(wǎng)絡(luò)的計劃的方式。

計劃者首先進行掉話呼叫的集群分析，以尋找熱點和模式。他們將人口統(tǒng)計數(shù)據(jù)添加到這些智能地圖中，可視化人口增長將創(chuàng)造新訂戶的區(qū)域。他們還繪制了其他熱點地圖，這些地圖消耗了最多的無線數(shù)據(jù)。統(tǒng)計分析工具通過查看隨時間推移出現(xiàn)尖峰的位置，進一步完善了這些發(fā)現(xiàn)。這種分析產(chǎn)生了對未來無線使用的準(zhǔn)確預(yù)測。

然后，該公司使用先前對可能的接入點位置的分析來按適用性對區(qū)域進行排名。計劃人員添加了他們對掉線，人口和數(shù)據(jù)使用情況所做的分析。他們還集成了現(xiàn)有光纖的地圖。

在對最適合擴展的領(lǐng)域進行排名之后，該公司使用了AI的分類能力。一項深度學(xué)習(xí)計劃在公司可能放置其設(shè)備的那些區(qū)域（例如電線桿和水塔）中發(fā)現(xiàn)了一些地點。這意味著該公司無需派遣人員來檢查區(qū)域。

在此過程的每一步中，該公司都使用機器學(xué)習(xí)來做出更好的決策。通過將這些決策植根于優(yōu)先考慮位置智能的方法，該公司便能夠?qū)⑵渖舷挛幕?，從而可視化它們在現(xiàn)實世界中的表現(xiàn)。人工智能和位置智能的結(jié)合使這些決定變得栩栩如生。