SAP智慧領域概念區分

隨著數字化的出現，每個企業都在尋找方法來改進自身的一些業務流程，並重新構想其中的一些業務流程。 組織內部渴望挖掘大資料來源（內部和外部）並處理它們以發現幾年前不可能實現的預測。 隨著市場中的多種技術的出現，人們有時會對機器學習，預測分析和機器人流程自動化（RPA）之間的差異感到困惑，並將這些術語互換使用。 今天就來說一下三者的區別。

▌ 機器學習

人工智慧被廣泛地稱為機器能夠模仿人類的能力。 機器學習（ML）是AI的當前應用，機器能夠從資料中學習，而不需要明確程式設計。 儘管ML已經存在了這麼多年，但它在最近幾天獲得了更多的關注。 原因是以下三件事的結合：

1、大量增加計算能力。 我們現在擁有帶有數千個核心的圖形處理單元（GPU），以支援資料的並行處理。

2、新的和先進的深度學習演算法

3、組織中大資料場景的興起

現在，將這些ML演算法應用於大資料集之上變得更加容易，並利用硬體來處理資料並提供快速輸出。 ML廣泛用於分類模型（將電子郵件過濾為垃圾郵件或非垃圾郵件），推薦引擎，影像/面部識別，聊天機器人等。

機器學習模型可以學習和適應資料的變化，使其在實時預測中更加可靠。

▌ 預測分析

預測分析是機器學習的一個子領域。 這完全是為了預測未來的事件。 最常用的技術是線性迴歸，其中我們有兩個變數，看看如何影響另一個變數。 例如，一個企業可能有興趣瞭解廣告和銷售之間的關係。 重要的是要明白，與機器學習幾乎沒有重疊，因為你也可以在ML中進行線性迴歸。 但是，當你想要使用決策樹等高階演算法時，只能使用ML。

預測分析主要專注於計算未來某個特定變數的價值。 與機器學習不同，預測分析不能適應資料的變化，因為ML會變得足夠聰明，能夠隨著資料的變化學習和發現新的模式。 PA還需要一定程度的專家參與來驗證和測試關聯。

▌ 機器人流程自動化

機器人流程自動化（RPA）旨在自動執行重複性任務。它與AI的不同之處在於，你必須始終向RPA提供一組要遵循的指示。

舉個例子，例如，你有十幾封電子郵件，在每封郵件中收到一份PDF附件。你可以使用RPA軟體從每封電子郵件中提取PDF內容，並將它們作為發票釋出到SAP系統中的Web表單。銀行業的另一個常見例子是建立一個新的客戶賬戶。這通常涉及獲取客戶資料並在實際登記客戶之前將其列印到多個系統中。 RPA可以顯著縮短完成特定業務流程E2E的總時間。它嚴重依賴規則框架。隨著機器學習的興起，許多RPA供應商已經開始將機器學習融入到RPA軟體試圖完成的一些任務中，從而在自動化環境中實現思維和行為之間的聯絡。

全文到此結束，感謝閱讀。