利用机器学习 ： 驱动性能

驱动性能 利用机器学习来发现趋势并以更好的洞察力改善预测 扬声器 贾斯汀·吉莱斯皮，校长Hackett集团 克里斯·墨菲，校长Hackett集团 人类有内在的偏见，经常观察他们想要或期望看到的趋势。在机器学习的帮助下，人们可以意识到他们通常无法做到的趋势独立识别或预测。随着财务主管超越其会计和报告根源，成为战略业务合作伙伴，对数据进行无偏见的分析至关重要。 随着公司开始实施2020年计划，机器学习可以作为一种有价值的工具，加快财务领导者认识到改善公司业绩的机会的速度。 “无监督是相似的，只是没有给它所需的输出，除了数据之外，你没有给它任何东西，”Hacett集团负责人JstiGillespie说。“无监督机器学习算法用于查找数据中的模式，例如相关性或聚类。它将数据聚集在一起，寻找人眼可能看不到的东西，考虑到正在检查的数据量。." 像所有技术进步一样，机器学习在补充而不是取代人类理解时是最有效的。 专家通过定义机器学习的类型启动了最近由Workday赞助的CFO网络广播。机器学习是人工智能（AI）的一个子集，指的是计算机做出选择的能力数据和以前学习的模式。机器学习可以是有监督的或无监督的。 Hackett Group的专家小组成员Kris Murphy表示，机器学习吸引金融领导者关注的最大原因之一是在许多情况下自动化手动流程的潜力。“如果你有多余的，机器学习是有益的 或者是重复性的繁重的手动流程。你能够针对应收账款和应付账款等领域来自动化许多这些流程。” 通过监督学习，您可以提供包含初始训练数据集的计算机程序，其中包含您期望的输出。当系统从现实世界收集新数据时，它使用训练数据推断输出。 UNCOVERINGTREDS 财务领导者可以使用机器学习来识别公司内部，行业内部以及整个经济中的趋势，而不是通常在没有帮助的情况下。 根据对网络直播参与者的调查，超过三分之一的人已经在使用机器学习来提高他们识别趋势和识别公司内部问题的能力。 来源：网络直播参与者投票，1/28使用机器学习来加速他们识别趋势和识别公司内部问题的能力。 机器学习支持基于先前趋势的前瞻性分析，例如预测销售和库存水平，在应用机器学习时体验到更高的准确性。”机器学习使用以前的数据模型来“预测的准确性比我们自己可能做的要高，”墨菲说。“金融非常好 在预测中，但是当你使用机器学习算法时，它会回顾历史数据来增强这些能力。" 墨菲说，公司可以利用他们在通过机器学习自动化常规任务中获得的专业知识来改善预测。“如果你实现了高水平的非接触式应付账款-也许是80% -你没有理由不能在非接触式预测中争取同样的水平。” 克服挑战并向前看 Gillespie指出，从事金融工作需要一种健康的怀疑态度，这也延伸到机器学习的价值。但这也可能成为采用新技术的障碍。“虽然一些金融工作者担心他们的工作被机器人抢走，但这在我们的有生之年不太可能发生。我们看到的是我喜欢的 无论是否持怀疑态度，金融领导者如何将机器学习揭示的趋势理解转化为可操作的机会，最终提高公司的整体绩效？墨菲指出，机器学习正在被纳入金融应用，减少了学习的需求新的或单独的系统来利用机器学习技术。“许多预测工具现在包括预先构建的人工智能。” 称之为数字孪生，工人将能够利用技术— —无论是人工智能机器人，机器学习还是机器学习算法— —来帮助预测或测试某些业务驱动因素。 虽然机器学习将越来越多地嵌入会计应用中，但机器学习的未来将超越金融。“随着时间的推移不仅仅是利用机器学习和人工智能进行金融，而是最终进入金融领域的所有饲料都将使用人工智能和机器学习，” Gillespie说。 Gillespie指出，沟通是克服异议的关键。“财务领导者需要让人们知道机器学习将如何帮助他们更好的工作，让他们做更高附加值的工作。 Conclusion 机器学习正在改变金融的格局，领导者准备将技术提升到一个新的水平。人工智能和机器学习正在吸引金融领导者的注意力，因为从计算和技术角度来看，两者都变得更加容易。 机器学习超越了财务，这就是为什么它是财务领导者的首要任务，他们的任务不仅是确保会计和报告职能平稳有效地运行，而且是为未来的组织定位。 此网络广播的主要内容： 机器学习比以往任何时候都更加可行和可访问，作为人类决策的补充。 机器学习通过标记错误、异常和风险，帮助财务领导者简化人力密集型任务，如应付账款、应收账款和合规性。 ➢机器学习不仅可以自动化手动流程，还可以帮助执行前瞻性分析（包括预测），并且比其他情况更准确。 要了解更多信息，请观看网络广播重播