
内容
Artefact 的专家团队专门从事 data 转型,他们通过这份记录详实的报告分享了他们的实地经验和精确观察,其中包含丰富的经验教训和具体的使用案例。.
议程
I - Data 准备就绪
- data 时代的企业治理
- 法国橙色 - 为法国橙色技术干预质量服务的视觉识别人工智能解决方案
- 从 Data 和人工智能中获得商业影响的实用方法》 | 战场上行之有效的十大战术。.
- 从想法到实施:成为人工智能工厂
- CARREFOUR - 谷歌 Data 实验室 基于人工智能工厂的 Artefact 运营模式,利用人工智能推动商店价值的提升
- 喜力巴西 - 将 Data Factory 方法用作创收中心
- Data 治理,人工智能项目成功的先决条件
- data governance 在实现可持续发展目标方面发挥的重要作用
- PIERRE & VACANCES CENTER PARCS - data governance 和 data 质量如何提升数字营销和激活性能
- Data 网格:分散式 data 管理模式的原则、承诺和现实
- 为什么 “data 作为一种产品 ”的概念是 data 网格的核心?
II - 人工智能行业解决方案
- 需求预测
- 需求预测:利用机器学习预测零售额
- 欧莱雅 - 趋势检测 通过 Artefact 的人工智能趋势检测,今天就对未来产品进行创新
- 在 Google Analytics 上使用机器学习模型为客户倾向性评分 Data
- 用于呼叫中心的 AI
- 使用 artificial intelligence 为呼叫中心供电
- MAIF - 利用主题建模减少联络中心瓶颈
- 使用 NLP 从客户评论中快速提取有价值的见解
- HOMESERVE - 利用语音分析提高客户满意度
- 金融与工业人工智能 :
- 开启未来:金融机构如何为扩展人工智能做好准备
- 为金融服务部门的 data 和分析计划争取支持
- 未来之路:data-driven 销售对不断发展的汽车行业至关重要
- 访谈:日产如何在数字世界中转型
III - Data for Impact
- 使用 data 和 Artefact 测量并减少对环境的影响
- 碳足迹测量产业化,实现碳中和
- 1TP36 将机器学习算法应用于卫星图像的农业应用
分享本报告






