您通常不会将一家拥有 177 年历史的公司视为处于数字化转型和新兴数据分析趋势之上的公司。但 Dun & Bradstreet 一直是一家数据公司，早在 1841 年，它的前身是商业机构，一个信用信息局。
今天，新的技术比他们在19有一点不同个世纪。但使命是相同的——为企业提供数据和分析服务。
作为 Dun & Bradstreet 的全球数据创新负责人，Saleem Khan 正在帮助公司开展工作，为客户提供新的数据和分析服务。目前他列表中最重要的几项技术是区块链和机器学习。他在接受《信息周刊》采访时谈到了目前围绕这些技术的一些市场趋势，以及 Dun & Bradstreet 在公司使用这些技术的计划。
使用区块链进行身份管理
Khan 正在考虑的事情之一是使用区块链进行身份管理。当一个实体向另一个实体发送比特币时，区块链可确保对交易的信任。但是，在日益复杂的世界中，不同的实体如何信任他们可能不知道的其他实体？您怎么知道他们说的是谁？而且，我们对您的了解可能会随着时间而改变。
可汗说：“从我们的角度来看，身份是动态的。” “它会随着时间而改变。你今天可能是一个好演员，但一年后你可能不是一个好演员。你可能破产了。”
可汗议程上的项目之一是围绕为公司管理这些身份制定战略。他说，有许多公司以这种方式提供企业对消费者的服务，但做企业对企业的公司并不多。
Khan说，Dun＆Bradstreet正在对6500家美国上市公司进行试点，以将更多此类信息作为与其他受信任网络的节点加载到区块链中，以提供实时身份数据。
Khan 还在探索一个为区块链生态系统提供主数据管理类型服务的项目。他说，目前区块链有多个供应商——Hyperledger、Ethereum、R3——就像 1990 年代初期有几家数据库供应商——Oracle、DB2 和 Sybase 等等。主数据管理工作帮助使用多个数据系统的组织创建一个单一的参考点，据 Khan 说，Dun & Bradstreet 正在研究一种方法来使用所有不同的区块链系统来做到这一点，并且该公司在这方面拥有正在申请的专利区域。
机器学习项目
Khan 还领导了几个机器学习项目。第一个目标是确定英国所有公司的 SIC 代码（标准行业分类）。例如，了解不同公司的分类对保险公司很重要。例如，在评估您的风险状况之前，他们会想知道您是玩具零售商还是炸药制造商。
Khan 的团队使用了整个英国公司数据库，找到了所有公司网站，从网站上抓取了一些词。Dun & Bradstreet 然后通过一个神经网络运行所有这些语言，该神经网络已经过训练，可以通过使用的词来确定公司类型。当然，这是人类本可以完成的工作。但是将这个神经网络指向工作，它完成得更快。Khan 估计，这个由人类完成的项目需要 2.5 年和 1000 万美元才能通过英国的整个数据库并更新所有 SIC 代码。
“我们现在可以在几个小时内完成这项工作，”他说。
Dun & Bradstreet 为该项目配备的人员是一种混合努力，使用了公司内部和外部的人才。
“机器学习是一个很难获得熟练资源的领域，”他解释说。
其他机器学习项目也是基于文本和自然语言。汗说，他的团队一直致力于通过查看文件和新闻报道中通常在破产前的文字来预测将宣布破产的公司。
“我们正在企业内部寻找导致破产的概念和触发因素，”他说。
然而，这种方法并非没有风险。在一个“假新闻”和坏人可能试图通过创建不真实的新闻报道来以一种或另一种方式控制你的结果的时代，机器学习有时会被欺骗。这就是 Dun & Bradstreet 也保留人为因素的原因。
Khan说：“我们希望将其更多地变为人机混合方法。” “我们将算法和机器学习视为准备工具。我们确实需要一个人来做最后的检查。”
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
