TIBCO Software大中華區(qū)解決方案資深顧問于正之，舉零售業(yè)、電信業(yè)、制造業(yè)導入機器學習的實例來說明企業(yè)采用AI的效益。

首先是美國百貨業(yè)龍頭先透過非監(jiān)督式學習（Unsupervised Learning） 將客戶資料分群分類，并透過Random Forest算法找出客戶特征與采購行為間的關聯(lián)，得出不同族群客戶喜愛不同類型的商品。接著利用每個檔期與促銷方案結(jié)合的機會，不斷重新訓練此模型。藉由導入客戶喜好的預測模型到真實環(huán)境中，每當客戶走進實體商店或登入在線商城時，系統(tǒng)就可第一時間立即傳送客戶喜愛商品的促銷方案。

另外是電信業(yè)客戶轉(zhuǎn)臺分析，首先將已轉(zhuǎn)臺與未轉(zhuǎn)臺客戶資料放入機器學習模型中比對，找出與轉(zhuǎn)臺相關的前十名背景因素，背景因素則可能為近期打過客服電話，通話時間多長等。接著以ROC曲線來判斷不同模型的預測率，再導入在線系統(tǒng)，依模型判斷，針對高轉(zhuǎn)臺率的客戶推出促銷方案，使其回心轉(zhuǎn)意，以避免發(fā)生轉(zhuǎn)臺，并思考在促銷方案與客戶的電信費貢獻間取得最佳化。

于正之指出，透過TIBCO Visual AnalyTIcs可協(xié)助企業(yè)在大數(shù)據(jù)中找出致勝的關鍵原因、PredicTIve Analytics協(xié)助建立與管理預測模型、Streaming Analytics則是把預測模型導入需要實時反應的在線環(huán)境，在導入各階段分析與機器學習算法工具可協(xié)助企業(yè)在資料中找到問題與解答，建立起以預測式分析為核心的AI作業(yè)流程；對比之下，仰賴編寫程序碼單純以邏輯方法所展現(xiàn)的成效有限，無法透過企業(yè)數(shù)據(jù)自我調(diào)整判斷，難以提升與改造企業(yè)傳統(tǒng)的流程與服務架構。