SAP智能领域概念区分

更多内容请关注公众号：SAP Technical

随着数字化的出现，每个企业都在寻找方法来改进自身的一些业务流程，并重新构想其中的一些业务流程。 组织内部渴望挖掘大数据源（内部和外部）并处理它们以发现几年前不可能实现的预测。 随着市场中的多种技术的出现，人们有时会对机器学习，预测分析和机器人流程自动化（RPA）之间的差异感到困惑，并将这些术语互换使用。 今天就来说一下三者的区别。

▌机器学习

人工智能被广泛地称为机器能够模仿人类的能力。 机器学习（ML）是AI的当前应用，机器能够从数据中学习，而不需要明确编程。 尽管ML已经存在了这么多年，但它在最近几天获得了更多的关注。 原因是以下三件事的结合：

1、大量增加计算能力。 我们现在拥有带有数千个内核的图形处理单元（GPU），以支持数据的并行处理。

2、新的和先进的深度学习算法

3、组织中大数据场景的兴起

现在，将这些ML算法应用于大数据集之上变得更加容易，并利用硬件来处理数据并提供快速输出。 ML广泛用于分类模型（将电子邮件过滤为垃圾邮件或非垃圾邮件），推荐引擎，图像/面部识别，聊天机器人等。

机器学习模型可以学习和适应数据的变化，使其在实时预测中更加可靠。

▌预测分析

预测分析是机器学习的一个子领域。 这完全是为了预测未来的事件。 最常用的技术是线性回归，其中我们有两个变量，看看如何影响另一个变量。 例如，一个企业可能有兴趣了解广告和销售之间的关系。 重要的是要明白，与机器学习几乎没有重叠，因为你也可以在ML中进行线性回归。 但是，当你想要使用决策树等高级算法时，只能使用ML。

预测分析主要专注于计算未来某个特定变量的价值。 与机器学习不同，预测分析不能适应数据的变化，因为ML会变得足够聪明，能够随着数据的变化学习和发现新的模式。 PA还需要一定程度的专家参与来验证和测试关联。

▌机器人流程自动化

机器人流程自动化（RPA）旨在自动执行重复性任务。它与AI的不同之处在于，你必须始终向RPA提供一组要遵循的指示。

举个栗子，例如，你有十几封电子邮件，在每封邮件中收到一份PDF附件。你可以使用RPA软件从每封电子邮件中提取PDF内容，并将它们作为发票发布到SAP系统中的Web表单。银行业的另一个常见例子是创建一个新的客户账户。这通常涉及获取客户数据并在实际登记客户之前将其打印到多个系统中。 RPA可以显着缩短完成特定业务流程E2E的总时间。它严重依赖规则框架。随着机器学习的兴起，许多RPA供应商已经开始将机器学习融入到RPA软件试图完成的一些任务中，从而在自动化环境中实现思维和行为之间的联系。