数字化有很多形式，例如安装传感器以监视和控制操作过程
数字化客户互动并提供基于Web的自助服务；交易流程的自动化，反过来数字化使我们能够收集非常精细的数据-数毫秒，数秒和数分钟内收集的数据。这是时间序列数据，但以前从未以如此低的粒度收集到。为了进行类比，以这种详细程度收集和分析数据的好处与显微镜发明的好处相同。

利用如此丰富的信息和知识，人们可以做很多事情
著名的例子是在高频交易中使用低粒度时间序列数据，从而产生了许多大型对冲基金，但是对于工业设备监控也可以做到这一点，振动传感器通过扫描纳秒级的运行模式来监控潜在的机器故障-每秒收集45,000个数据点，它也可以用于远程患者监测，其中可穿戴式设备每秒记录1000个数据点，这些数据可以揭示不同病理类型，在零售中，如此高粒度的交易数据揭示了促销机会和业务问题。

总而言之数字化正在推动所有行业向高频管理过渡

并像高频交易一样运作，他们必须及时应对威胁和机遇，时间序列数据可以揭示哪些洞察力？

精细的时序数据就像DNA和ECG数据一样，它揭示了每个过程，事件或行为的本质和健康状态。DNA包含称为基序的重复序列，这些序列捕获了我们的本质和个体差异。这些DNA序列具有与时序数据相同的特性，ECG数据中的每个图案/形状都是健康的图案，或者是出现问题的信号。同样，精细的时间序列数据可以向我们揭示任何操作的正常流程，也可以提醒我们有关可能出错的信息。此类信号是动作触发器，可用于自动进行决策并在纳秒内执行此类决策。重要的是，当我们了解时间序列数据中形状的含义时，这些图案/形状/图案就变成了动作用语-它们成为我们了解每个监控过程的方式。

您的公司使用所谓的形状智能来寻求更大的见解。什么是形状智能？我们在谈论什么形状？
我们正在寻找有意义的形状-可以告诉业务专业人员要采取什么行动的形状，就像心电图读数中的形状告诉医生诊断是什么，另一个例子是“图表模式交易”，交易者研究市场中的形态，识别某些形状，给它们命名，然后当他们再次看到它们时，便采取行动。图表模式规定了操作。有一个看起来像“ w”的双底模式，表示购买行为。还有一种双顶模式，看起来像倒置的“ w”或“ m”，并表示卖出动作。

有趣的是，这两种模式均具有相同的平均值
如果交易员平均采取行动，他会做出哪个决定：买还是卖？这说明形状比平均值提供了更丰富的洞察力，在金融市场上有一种说法是“趋势就是你的朋友”，它恰好抓住了形状在决策中的重要性，科学家们已经研究了很长时间的形状，图案和图案，这不是新的，我们介绍的是数学和逻辑方法来对形状进行机器学习，并对未来的样式出现进行基于形状的预测。学习加预测是智力。我们拥有有关这些方法和技术的专利。

这些形状揭示了什么样的信息，而传统的时间序列分析却无法显示这些信息？
与传统时间序列的区别是粒度，传统的时序分析揭示了宏观趋势，粒度时间序列分析揭示了微观趋势，这些微观趋势的形状通常是某种原因的原因，心脏病发作的形状非常特殊，可以明确诊断，因此我想说的是每个有意义的形状都是领域专家理解并可以采取行动的一个词，您无法使用传统时间序列执行此操作。

塑造智力有任何不利之处吗？它有什么不能做的（例如，由于处理能力的限制或其他限制）？
这是一个不断发展的领域，如今我们只能处理时间序列数据，但是时间序列数据是连续的，即具有严格顺序的数据，由于图像数据是顺序数据，因此理论上也可以应用于图像识别，基本上所有数据-图像，视频，文本，语音-都是顺序数据，因此可以将形状智能应用于该数据。

有很多科学家正在研究这个问题，与统计学习相比，有三个优点：
1、形状智能不需要任何训练数据
2、它仅适用于一些形状示例
3、它的预测并非来自黑匣子（这是完全可以解释的，它具有巨大的优势）。

形状智能将走向何方？您希望这项技术在一年或两年之内无法提供的其他见解？
它是AI和机器学习的一个不断发展的领域，但不是统计机器学习。它基于逻辑和数学，我们正在研究的是如何创建基于形状的人工网络，有一种大脑理论说，我们根据大约10,000种存储的形状识别物体，您看到一些东西，大脑进行搜索并进行心理比较，如果找到匹配的形状，则表明该对象是已知的，如果没有，它将新对象提交到内存中。

这是一个非常简单但有效的学习系统

因为我只需要显示一个对象即可学习它，而不必像统计机器学习中那样提供数千个示例，我可以给你看一个水杯和一个酒杯，你会立即得到形状上的差异，但是在机器学习中，我必须喂给你成千上万的图像来学习，想象一下，如果我们不得不从40,000次与熊的遭遇中而不是从两三次中了解熊是什么，对进化的影响，我们将灭绝，学习的速度很重要，但是更大的好处是这种智能是人类可以理解和控制的-这不是黑匣子，只有人类才能将形状标记为有意义并为其指定动作。

客服热线：400-050-6600

商业联合会数据分析专业委员会