问：
零售和制造业企业是否可以使用相同的机器学习工具？
A：在为零售和制造业定制机器学习工具时，存在一些明显的相似之处，但也存在根本差异。
在零售业中，绝大多数机器学习工具和流程都面向销售和面向客户的计划。 公司利用机器学习的巨大力量来挖掘允许他们出售的数据，从而促进转化并因此获得利润。 跨越机器学习和人工智能之间界限的一个很好的例子是，在放弃购物车方面追求客户拓展。 主动接触已经在购物车中抛弃商品的客户的工具集通常被归类为人工智能工具，但是其他一些简单地汇总和分析数据以发展人类驱动系统的工具就是应用于零售的机器学习的例子。
| 免费下载： 机器学习及其重要性 |
在制造业中，机器学习的前景看起来有很大不同。 机器学习以相当多种独特的方式应用于实物制造和生产。 制造业中机器学习的大部分价值都用于处理供应链。 机器学习将为维护，修理和大修（MRO）流程以及建筑，包装或组装离散或批量生产项目的其他方面提供信息。 换句话说，制造业中许多最有价值的机器学习工具都面向车间，而不是针对客户，而是针对建立完美的“智能工厂”并改善物理过程。 （《福布斯》这篇文章只是一个示例，从根本上概述了机器学习快速改变制造业的十种方式。）相比之下，零售机器学习工具主要针对“智能销售平台”和现在可以在线或通过数字平台进行。
话虽如此，零售企业也可以使用机器学习工具来处理物理流程，例如库存。 在库存处理中，机器学习预测器可以通过仅在特定时间保持所需库存来帮助零售公司节省大量资金，并使仓库和存储操作效率更高。 但是，零售中机器学习的主要价值仍然集中在销售决策支持，基于深层数据汇总和分析实践来了解有关客户的更多信息，检查人口统计信息和个人信息以及获得极其有价值的销售情报。
底线是，作为不断强大的AI的预兆，机器学习和深度学习工具只是“智能”。它们汇总数据并提供某些已定义概念的整体图，无论是在地理，物理空间还是数字领域环境。 因此，不同的行业以不同的方式利用机器学习的力量。 零售中的机器学习与制造中的机器学习之间的差异是企业如何确定需求并相应采用机器学习技术的一个明显例子。
