用戶永遠是企業(yè)最寶貴的資產(chǎn)，這需要企業(yè)開展合作、創(chuàng)造，以及創(chuàng)意，而采用機器學習將簡化這個過程，使企業(yè)能夠理解這些想法將如何被生成、重復和執(zhí)行。

根據(jù)福布斯的調(diào)查報告，到2020年，全球物聯(lián)網(wǎng)市場價值將達到4570億美元。制造業(yè)、運輸和物流業(yè)將占據(jù)特別大的市場份額，但更多的公司可能很快就能分享物聯(lián)網(wǎng)革命的收益。

研究機構(gòu)Gartner公司認為，到2020年，超過65％的企業(yè)采用物聯(lián)網(wǎng)產(chǎn)品。企業(yè)可以選擇通過物聯(lián)網(wǎng)產(chǎn)品獲得大量數(shù)據(jù)，但他們?nèi)绾斡行Ю�用這些數(shù)據(jù)來推動業(yè)務(wù)發(fā)展？機器學習可以證明是實現(xiàn)這一增長的一種特別有效的解決方案。

什么是機器學習？

機器學習雖然是一種復雜的人工智能，但并不是一種新的計算現(xiàn)象�！皺C器學習”一詞實際上是在20世紀50年代后期創(chuàng)造的，然而，通過使用機器學習來優(yōu)化業(yè)務(wù)流程早已超出了許多公司的實際能力。

這主要是與傳統(tǒng)的計算機使用的算法相比，機器學習算法更為復雜。在通常情況下，計算機將解決一些問題，因為它已經(jīng)進行了專門編程。然而，機器學習算法在使用大量數(shù)據(jù)來指導他們的決策和預(yù)測方面存在一些差異。

例如，用于電子郵件的軟件可以通過選擇垃圾郵件中常用的短語來對垃圾郵件進行更有意義的分類。同時，Netflix公司可以通過用戶之前購買的內(nèi)容來推薦新電影和節(jié)目。這些都是機器學習的直接示例。

為什么越來越多的公司開始使用機器學習？

傳統(tǒng)上，對利用機器學習感興趣的企業(yè)一直受到供應(yīng)和維護用于托管和執(zhí)行機器學習算法的計算機和存儲設(shè)備成本的限制。然而，由于云計算的本質(zhì)和技術(shù)進步，啟動這些算法已成為一種更可行的選擇。

如今，許多企業(yè)可以輕松利用云計算解決方案，使他們能夠無限擴展計算和存儲以滿足他們的機器學習需求。

這些業(yè)務(wù)還受益于高性能計算服務(wù)，由于可用的按次付費訂閱模式，這些服務(wù)可以保持在其可接受的成本范圍內(nèi)。

正如一些媒體對這種情況的描述，“云計算將成為使機器學習恢復生機的理想替代品�！�

物聯(lián)網(wǎng)如何讓機器學習更有效

盡管機器學習有很多值得稱贊的優(yōu)點，但其算法的有效性仍然嚴重依賴于輸入數(shù)據(jù)。

大量的相關(guān)數(shù)據(jù)可以推動機器學習算法的發(fā)展，就像有用的線索可以幫助偵探得出更明智的結(jié)論一樣。

正是因為這個原因，物聯(lián)網(wǎng)才能為這項技術(shù)提供理想的用例。各種各樣的物聯(lián)網(wǎng)設(shè)備可以高度頻繁地生成數(shù)據(jù)，然后將這些數(shù)據(jù)放入機器學習算法中。例如，企業(yè)的關(guān)鍵設(shè)備提供的信息可以幫助其（或者更準確地說是機器學習）預(yù)見這些設(shè)備可能出現(xiàn)的故障或可能運行多久。這些啟示可以幫助企業(yè)節(jié)省維護時間。

運輸行業(yè)和物流行業(yè)也將被機器學習吸引。這是因為機器學習可以從車輛中獲得大量的數(shù)據(jù)，以幫助提高這種安全性和可靠性。

越來越多的企業(yè)開始采用云計算

當然，為了最大限度地提高機器學習的效率，企業(yè)需要足夠的云計算訪問權(quán)限。幸運的是，公共云將在企業(yè)領(lǐng)域廣泛發(fā)展。

根據(jù)對IT行業(yè)相關(guān)人士進行的調(diào)查研究，約37％的受訪者表示，其工作量將在本地部的數(shù)據(jù)中心上運行，不過到2020年，這一比例可能會下降至約27％。

與此同時，約31％受訪的者表示，采用公共云承載其工作量；然而，這個數(shù)字在2020之前將會上到約41％。

預(yù)計私有云和混合云在這段時間內(nèi)的使用量也會增長。企業(yè)也可以從這些值得關(guān)注的云解決方案提供商所強調(diào)的物聯(lián)網(wǎng)示例中獲得靈感。