行動貝果（MoBagel）共同創辦人暨營運長王易如在 SparkLabs Taipei Demo Day 分享 MoBagel 最新成果，不僅在台灣市場扎根，擁有製造、零售、金融及電信產業客戶，以自動化機器學習 (AutoML) 技術協助客戶精準預測，同時 MoBagel 在 Gartner 2020-2023 連續四年的 AI 報告中，獲選為全球AI/AutoML平台關鍵原廠，提供商業情境需求的精準行銷、供應鏈需求預測、人力資源預測等經典 AI 場景應用。
王易如表示，「企業最大的問題是不知道如何預測未來？一旦預測不準，將導致資源消耗或遭受客戶流失的損失。MoBagel 打造簡單、自動化的機器學習軟體Decanter AI，用 AI 協助企業做出最佳決策！」
簡單、自動化的機器學習軟體，為什麼如此重要呢？
影響商業預測的兩大隱藏成本
王易如分享一個客戶案例，某大型企業計劃透過商業分析預測作為數位轉型策略，除了要花費數百萬美元自建資料科學團隊、購買相關軟硬體，經歷蒐集數據、清理數據、處理數據、特徵工程、挑選演算法、訓練模型、調校參數、預測結果等八個步驟，通常需要 6 個月以上才有機會穩定商業運轉。
王易如分析一般企業投入資料科學預測時的兩大實務挑戰，第一，每位資料科學家會依照自己的喜好，在每個分析步驟使用不同軟體，不僅讓解決方式變得非常複雜，也難以整合管理，致使跨團隊協作不易，無法真正解決客戶流失的商業問題。
第二，要解決一個預測問題，一般的做法是建置一個數據模型，並持續優化；然而，需要數據預測的問題有上百萬個，要用哪一個數據模型解決特定的商業問題，取決於資料科學家對產業知識的理解和判斷，必須讓機器學習也能自動化，才能根據客觀數據選擇適合的演算法。
分析專案從兩個月縮短到兩天，Decanter AI 簡化商業分析流程
王易如說，「我們打造 Decanter AI 是為了讓 AI 分析像 Excel 一樣簡單好用。」
MoBagel 過去五年蒐集超過上百個商業使用案例，MoBagel 將商業預測問題結合產業知識，轉換為演算法資料庫，為企業打造出 AI 數據分析系統 Decanter AI。
此外，MoBagel 更用創新的方法建置數據模型，增加建置數據模型的效率，以超過上百個演算法加強自動化機器學習的精準度，把選擇演算法的工作交給 Decanter AI 自動化決定，針對商業問題推薦最適合的演算法。
Decanter AI 把繁複的 AI 建模流程簡化成自動數據清理、自動特徵工程、自動建模等三大步驟，透過直覺操作介面及自動化流程，讓不具有資料科學背景的任何使用者，皆能在短短數天的時間就能建立符合商業情境的數據模型。
從預測員工離職率、銷售預測、需求計劃到庫存預測等商業預測問題，都能由 Decanter AI 為企業自動化建置適合的數據模型，協助企業做出快速、精準的決策。
精準行銷提升 10 倍命中
以電信業者為例，運用自動化機器學習可預測客戶流失率，每週上傳數據到 Decanter AI，選擇預測的目標「客戶流失」，軟體將會自動化推薦適合的模型，上傳新的客戶數據之後，就能開始預測下週可能會攜碼轉換的客戶名單進行精準行銷，並能一鍵下載預測結果。如果想要瞭解更多產業 AI 應用，歡迎聯繫我們。