数据云说丨机器学习平台：数据智能化，共建新生态
如果将数据视为新“石油”，那么数据智能就是“炼油厂”。数据智能是大数据的新篇章，意味着企业从业务数据化走向业务智能化。
数据智能通过分析数据获得价值，将原始数据加工为信息和知识，进而转化为决策或行动，已成为推动智能化转型不可或缺的关键技术。数据智能的标志是数据驱动决策，通过让机器具备认知能力，大数据指导决策，依靠数据去改变业务。
为充分践行数据云业务战略，面向业务智能化转型需求，浪潮云打造机器学习平台（Inspur Machine Learning Platform，IMLP），依托云计算、机器学习、深度神经网络、迁移学习、容器化等技术，面向企业和个人算法应用开发者提供机器学习集成开发环境，内置450+算子，提供从模型开发到部署的全生命周期服务。面向工业、智慧城市、金融、水利、政府、农业等行业提供算法赋能服务，助力企业快速实现智能化转型。
推陈出新，加速落地
灵活便捷，低门槛复用：机器学习平台预置客户流失预测、智能推荐、故障诊断、需求预测等建模模板，用户无需具备完整的模型代码开发能力，通过对模板中核心参数与配置进行更改，即可建立符合自身相似应用场景需求的模型，从而实现核心行业算法与挖掘方法的低门槛复用。
内置大量算法库，拖拽式开发：机器学习平台内置通用机器学习算法库和工业算法库，提供简单易上手的拖拽式开发方式，业务专家和普通工程师无需具备编程或深度学习的专业知识，即可创建业务模型。并可提供多种通用算法模型，支持向导式迁移训练，算法工程师基于预置的通用模型进行迁移训练，免除从零开始的定制化模型开发之苦。
自动训练，创造价值：机器学习平台提供零门槛的自动机器学习功能，用户只需提供数据，就可以自动得到最优的训练结果，生产一线的业务人员也能够轻松使用数据与算法，在工程实践中产生价值。
一键部署，简化流程：机器学习平台提供模型迭代训练、测试评估、一键部署、服务调度、运行监控等全生命周期服务，简化人工部署流程，缩短实施周期，降低模型转化和落地的技术门槛。
深挖场景，赋能用户
空壳公司识别：通过机器学习平台的可视化编排建模能力，对公司的纳税信息、注册信息、公积金缴纳信息等88维数据进行分析挖掘，判断公司是否属于空壳公司，可最为企业风险预警的判别依据。
票据图像分拣：通过机器学习平台提供的数据标注和迁移学习能力，构建自己的票据数据集，并利用内置深度学习模型，快捷的完成应用开发，实现对票务图像数据的智能归类，将用户上传的影像数据自动分拣到对应类别：发票类、车票类，以便后续的票据核对，减轻财务部门核对票据的工作负担，提升工作效率。
互联网舆情：在政府领域，互联网舆情分析已经成为政府了解社情民意、把握舆情动向、对突发事件做出快速响应和处理的不可或缺的手段。通过机器学习平台，对非结构化舆情信息进行预处理、特征分析、关键词提取、命名实体识别、情感倾向分析等文本挖掘分析，提炼关键舆情要素，并预测公众情感倾向，为正确舆论引导提供科学依据和方向。
客户流失预测：在电商领域，客户流失率是企业运营的关键指标，通常情况下，获取新客户的成本比保留现有客户的成本高很多，因此了解并保持客户参与度非常重要。为了更好运营用户，了解流失客户的特征，通过浪潮云机器学习平台分析客户流失原因并预测客户流失概率，筛选出需要挽留的目标客户并制定有效挽留策略，降低流失率。
征信评分：在金融领域，风险控制对互联网金融的健康持续发展非常重要，对于在线信用贷款等以信贷类服务为主的各种互联网金融服务平台，其面临的最大风险来源于贷款客户的违约风险，即客户信用风险。在线金融机构可基于机器学习平台构建信用评分模型，将客户信息转换为信贷评估数据，对用户信用进行评估，合理控制信贷风险。
目前，机器学习平台已完成产品化改造，可帮助企业和开发者快速实现产业赋能，将成为数据智能与企业服务的重要组成部分。下一步，浪潮云将携手企业、开发者，依托算力、数据、算法的数据智能技术，共同打造一个充满活力的智能生态体。