《銷售 AI 化！看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型》

作者： Masanori Akaishi  

譯者： 王心薇

出版社：旗標  

出版日期：2022/02/15

語言：繁體中文

ISBN：9789863127024

規格：平裝 / 400頁 / 17 x 23 x 2.4 cm / 普通級 / 雙色印刷 / 初版

出版地：中国台灣

本書分類：商業理財> 管理與領導> 經營策略

本書分類：電腦資訊> 概論/科技趨勢> 人工智慧/機器學習

 （页面参数仅供参考，具体以实物为准）

內容簡介

【世界發生劇變！銷售 AI 化勢在必行！】

AI 議題已經講了好多年，然而絕大多數的企業仍然沿用老路子做生意，亂槍打鳥式的銷售方式也沒甚麼進步。然而時代不同了，既然有 AI 這個好工具為何不用？因為不懂不會所以不知該如何開始？眼睜睜看著 Google靠著 AI 化的銷售技術大賺特賺！

其實，AI 不是大企業才能作，中小企業也可以，但不是全面做，而是挑選適合的做。*容易做到且很快就能換成實績的就是行銷、業務的銷售工作，只要利用自身累積的銷售與客戶等資料就行，讓 AI 自動找出其中隱藏的銷售密碼，並直接運用在工作中驗證，這就是本書的主軸：銷售 AI 化，讓機器學習來幫忙。

【AI 不是打高空，要落實在工作中】

許多工程師學了 AI 技術，卻不知道如何讓技術落地！其實開發以銷售為目的的 AI 並不需要高深的技術，只要用機器學習就能辦到。書中範例使用的都是真實企業產生的工作資料，例如要預測潛在客戶時，可讓 AI 從客戶職業、年齡與過去的銷售實績等資料自動學習，找出資料間的關係建出模型並做出預測，我們就可以對商品或客戶擬定策略去執行計畫。也可以依據過去幾年的每日銷量，考慮節假日的影響，利用 Faceb**k 提供的時間序列套件去預測未來一段時間的銷量等等。

重要的商用實作範例包括：

●銷售成交預測

●銷量或來客數預測

●季節週期性變化預測

●推薦商品提案

●根據客群制定銷售策略

本書由世界 500 大企業 Accenture (埃森哲) 公司的 AI 集團資深總監親自執筆，規劃出開發 AI 專案的標準流程，從選擇適合引入工作中的 AI 開始，一路到訓練資料的取得、資料加工、選擇演算法及建立 AI 模型之後的評估與調整等 9 大步驟。即使沒有開發過 AI 專案經驗的人也不用擔心，只要跟著動手做，就能看到成果。

書中的案例會實作監督式學習與非監督式學習中「分類」、「迴歸」、「時間序列」、「關聯分析」、「分群」、「降維」等各種演算法，讓讀者依照問題的類型選擇適用的處理模式。而且每個專案都不馬虎，從頭做到尾一遍一遍演練 SOP，將流程深深印入腦海，熟悉每個步驟之後才能順利應用到自己的專案。

【邁向資料科學家之路】

書中提供的所有 Python 程式都是可以運用在實務工作上的原型，每個人都可以利用這些原型建出自己想要的機器學習模型。了解如何從實務觀點建立 AI，藉由本書了解整個專案的開發流程以及 Python 程式的實作方式，也等於邁出成為資料科學家的第一步。

許多書籍在教導讀者建出 AI 模型後就結束了，但資料科學家*有價值之處就在於建出預測模型後該如何因應提出的需求做調整，本書也會詳細介紹數種調整模型的方法與策略。

【適合的讀者程度】

無論是 MIS、程式設計師、業務或行銷主管、只要具備 Python 程式基礎就可以開始。AI 專案常用的 NumPy、Pandas 與 Matplotlib 等必備 Python 套件，也會在書附講座中一一介紹供讀者練習。開發環境是雲端的 Google Colaboratory，只要能上網就能用，省去在自己電腦安裝軟體的麻煩。

本書特色

1. 世界 500 大 Accenture (埃森哲) 公司 AI 集團資深總監親自執筆

2. 實用性*高！能實際運用在提高公司的銷售績效。

3. 一點都不難！只要具備 Python 語言基礎就能上手。

4. 由施威銘研究室監修，在適當的地方補充說明幫助讀者理解。

作者簡介

Masanori Akaishi

世界 500 大 Accenture 公司商業諮詢總部 AI 集團資深總監。

1985 年畢業於東京大學工學院數值工程系。1987 年在同一研究所完成碩士課程。 同年加入日本 IBM 至 2020 年 12 月。2021 年 3 月加入 Accenture 公司，負責人工智慧人力資源開發相關工作。

學校講師

京都情報學大學院客座教授

著作　

《銷售 AI 化！看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型》、《深度學習的數學地圖–用 Python 實作神經網路的數學模型》(旗標科技)、《實用 Python 自然語言處理入門》(日本翔泳社)、《機器學習與深度學習從 Watson Studio 開始》(日本 RIC Telcom)。此外，也在許多雜誌執筆。

目錄

第 1 章 實務的機器學習應用

第 2 章 解決問題的處理模式

第 3 章 機器學習模型的開發流程

第 4 章 開發流程的深入探討

第 5 章 銷售 AI 化的案例實作

第 6 章 AI 專案成敗的重要關鍵