Durchgängige Beispiele: Branchenspezifische Akzeleratoren

Bei den von IBM bereitgestellten branchenspezifischen Akzeleratoren handelt es sich um eine Gruppe von End-to-End-Lösungen, die Sie als Beispiele ausführen oder aber anpassen können, um sich mit allgemeinen Geschäftsproblemen zu befassen.

Übersicht über branchenspezifische Akzeleratoren

Jeder branchenspezifische Akzelerator soll Ihnen helfen, ein bestimmtes Geschäftsproblem zu lösen, beispielsweise die Vorhersage einer Kundenreaktion auf eine Werbeaktion oder Erkenntnisse zur Kundenfluktuation. Durchsuchen Sie die Akzeleratoren in der Galerie von Cloud Pak for Data as a Service und laden Sie die gewünschten Akzeleratoren herunter.

Die meisten Akzeleratoren schließen ein Beispielprojekt ein, das alles enthält, was Sie zum Analysieren von Daten, zum Erstellen eines Modells und zum Anzeigen von Ergebnissen benötigen. Die Beispielprojekte enthalten ausführliche Anweisungen, Datasets, Jupyter-Notebooks, Modelle und R Shiny-Anwendungen. Zu den meisten Akzeleratoren gehören auch Geschäftsbegriffe für die Datengovernance. Diese Beispielprojekte können Sie als Vorlagen für Ihre eigenen Data-Science-Anforderungen verwenden, um bestimmte Verfahren zu erlernen oder um das Leistungsspektrum von Watson Studio und anderen Cloud Pak for Data as a Service-Services zu veranschaulichen.

In dieser Grafik wird der Prozess der Verwendung eines branchenspezifischen Akzelerators dargestellt.

Prozess des branchenspezifischen Akzelerators

Beispielprojekt für einen Akzelerator

Wenn Sie einen Akzelerator herunterladen, erhalten Sie ein Projekt, das die Assets enthält, die Sie zum Erstellen und Trainieren der Modelle benötigen, die dem Akzelerator zugeordnet sind.

Zielgruppe

Data-Scientists oder Geschäftsanalysten, die Daten- und Buildmodelle analysieren, um Geschäftsprobleme zu lösen.

Inhalt

Ein typischer Akzelerator enthält Folgendes:

  • Eine Readme-Datei mit Anweisungen.
  • CSV-Dateien, die Beispieldaten enthalten.
  • Python-3.7-Notebooks zum Trainieren und Bewerten der Modelle sowie zugehörige Python-Scripts zum Erstellen und Transformieren der Daten für die Modellierung. Die Notebooks erstellen API-Endpunkte, um die Ausgabe für die R Shiny-Anwendung verfügbar zu machen.
  • Modelle für maschinelles Lernen helfen Ihnen bei der Suche nach Lösungen für die vom Akzelerator beschriebenen Geschäftsprobleme.
  • (Einige Akzeleratoren) Ein interaktives Dashboard zur Anzeige der Ergebnisse des Modells.

Anforderungen

Für alle Akzeleratoren mit Beispielprojekten ist der Watson Studio-Service und mindestens einer der folgenden Services erforderlich:

  • Watson Machine Learning
  • Watson Knowledge Catalog

Akzeleratoren für Finanzdienstleistungen

Branchenspezifischer Akzelerator Beschreibung
Financial Markets Customer Attrition Prediction Stellt eine Gruppe von Data-Science-Beispielassets und eine strukturierte Gruppe von Geschäftsbegriffen bereit, die Sie bei der Vorhersage unterstützen, welche Kunden abwandern werden.
Financial Markets Customer Offer Affinity Sagt vorher, welche Produkte der Kunde sehr wahrscheinlich kaufen wird oder als nächstes kaufen muss.
Financial Markets Customer Segmentation Ordnet Kunden basierend auf ihrem Lebensstil und ihren Verhaltensmustern bestimmten Gruppen zu.
Financial Markets Customer Life Event Prediction Nutzen Sie den Akzelerator 'Financial Markets Customer Life Event Prediction', um Ihren Kunden mit entsprechenden Angeboten zum richtigen Zeitpunkt den Weg zum finanziellem Erfolg zu ebnen. Der Akzelerator enthält Business-Begriffe, eine Reihe von Beispieldaten für die Datenwissenschaft und ein Beispiel-Dashboard, um die Ergebnisse zu visualisieren.
Umsatzvorhersage mit Weather Company Data Optimieren Sie die Möglichkeiten zur Vertriebsorganisation Ihres Unternehmens, indem Sie ein Modell trainieren, den Umsatz basierend auf dem Wetter vorherzusagen. Der Akzelerator enthält Geschäftsbegriffe und Kategorien, eine Gruppe von Data-Science-Beispielassets und ein Beispieldashboard zur Visualisierung der Ergebnisse.
Kundenbindung im Einzelhandel Nutzen Sie Umfragen zur Kundenzufriedenheit, um die Abwanderung von Kunden vorherzusagen und Strategien zur Kundenbindung zu entwickeln.

Akzeleratoren für den Versorgungs- und Energiesektor

Name des Branchenbeschleunigers Beschreibung
Vorhersage der Kundenabwanderung von Versorgungsunternehmen Gibt wahrscheinliche Ursachen für das Abwandern von Kunden an.
Mikrosegmentierung der Kunden von Versorgungsunternehmen Ordnet Kunden basierend auf ihrem Lebensstil und ihren Verhaltensmustern bestimmten Gruppen zu.
Tendenz bei einem Programm zum Lastmanagement für Versorgungsunternehmen Welchen Kunden sollte die Möglichkeit geboten werden, sich für das Demand Response Program zu registrieren? Verwenden Sie den Propensity-Akzelerator für Dienstprogramme (Utilities Demand Response Program), um Ihre Analyse zu starten. Der Akzelerator enthält Business-Begriffe, eine Reihe von Beispieldaten für Datenwissenschaftsressourcen und ein Beispiel-RStudio-Dashboard, um die Ergebnisse zu visualisieren. Optional können Sie die Daten auch mithilfe des Cognos-Dashboards 'Embedded' untersuchen und visualisieren.
Vorhersage des Zahlungsrisikos für Versorgungsunternehmen Verwenden Sie den Akzelerator 'Utilities Payment Risk Prediction', um proaktiv mit Kunden zu arbeiten, die Gefahr laufen, Zahlungen zu verpassen. Der Akzelerator enthält Geschäftsbegriffe, eine Reihe von Beispieldaten für die Datenwissenschaft und ein Beispiel-Dashboard, um die Ergebnisse zu visualisieren.

Akzeleratoren für das Betriebsmanagement

Name des Branchenbeschleunigers Beschreibung
Supply Chain-Akzelerator Optimieren Sie Ihre Supply-Chain-Operationen mit AI.
Intelligente Wartung Intelligentes Asset-Management und vorausschauende Wartung zur Straffung Ihrer Abläufe.

Akzeleratoren für andere Kategorien

Name des Branchenbeschleunigers Beschreibung
Projekt 'Comments Organizer' ermöglicht Unternehmen, Kommentare organisierter anzuzeigen und das spezifische positive oder negative Feedback von Kunden einfacher anzuzeigen.
Projekt 'Effective Farming' Unterstützt die effektive Landwirtschaft, indem sie das Wachstum der Kulturen überwacht und den Landwirten einen zeitnahen Alarm über die Wetterveränderung, die mögliche Entwicklung von Pflanzenkrankheiten, die Verdunstung von Fungizid und den effizienten Einsatz von Solarpaneelen (Unterstützung der Agrovoltaik) ausweist.
Insurance Loss Estimation using Remote Sensing Verwendet Fernerkundungsdaten zu Überschwemmungen zur Unterstützung bei der Beurteilung von Versicherungsforderungen.
Hospital readmission project Prognostiziert die Rate der Wiederaufnahme von Patienten im Krankenhaus anhand von Patientendaten.

Übergeordnetes Thema: Erste Schritte