運用IBM Cloud Pak for Automation加速實現數位轉型

多數企業期望透過自動化來提高營運效率、改善內部流程並降低成本。但近年來，企業迅速轉向運用自動化來實現組織範圍內的數位化轉型，這種轉型不僅可以創造新的營運模式，還可以從優化顧客體驗中找出新藍海市場的核心競爭優勢。

IBM Cloud Pak for Automation是企業加速業務敏捷性實現數位轉型的最佳工具，基於Red Hat OpenShift企業級容器管理平台以及眾多預先整合的自動化技術和低代碼工具，IBM Cloud Pak for Automation為每一個關鍵業務核心領域，包含工作流程自動化、數位內容管理、人工智能決策以及數位資訊擷取提供了單一使用者體驗的智慧型自動化軟體平台。

IBM Cloud Pak for Automation將以下既有自動化產品整合於OpenShift容器平台中讓企業可以在多雲環境中建立與部署現代自動化應用程式及服務：

• 企業數位內容管理及儲存 (FileNet Content Manager)
• 規則型商業決策自動化解決方案 (Operational Decision Manager)
• 工作流程自動化及案件管理 (Business Automation Workflow)
• 商業文件內容擷取、識別和分類 (Datacap)
• 維護和提供電子和實體記錄的合規記錄 (Enterprise Records)
• 電郵、檔案系統、SAP應用系統資料蒐集與歸檔 (Content Collector)

除此之外，IBM Cloud Pak for Automation也加入了更多創新的自動化服務工具：

• 業務流程自動化程序設計 (Business Automation Studio)
• 業務流程儀表板監控分析 (Business Automation Insight)
• 低程式碼工作流程設計 (Automation Workstream Services)
• 情境導向式智能流程機器人 (Automation Digital Worker)
• 非結構化文件內容擷取分類 (Business Automation Content Analyzer)

想進一步了解更多IBM Cloud Pak for Automation平台優勢，請立即聯繫北祥資訊。

AI小學堂 – 今天教您「聚類分析」

人工智慧時代來臨，面對市場需求的變化以及未來的無限商機，北祥資訊將與您一起學習，讓AI小學堂成為您最佳的學習助手。第7堂課，我們為您介紹：聚類分析(Cluster Analysis)。

聚類分析（或稱之為集群分析）是一門統計資料分析的技術，在機器學習領域中，聚類分析被歸納為非監督式學習(Unsupervised Learning)的一種演算法技術。聚類分析主要是將一組資料集透過分類的方法，將具有相似性質的資料分成不同的分群或子集合(subset)，讓每一個分群中的資料同質性最大化，而不同分群間的資料相異性最大化，達到類似於市場區隔理論「組內同質、組間異質」的資料區隔目標。聚類分析在許多領域受到廣泛應用，包含模式識別(Pattern Recognition)、圖像分析(Image Analysis)、資訊檢索(Information Retrieval)、生物資訊(Bioinformatics)、資料壓縮(Data Compression)以及機器學習(Machine Learning)等領域中。

一般來說，聚類分析法資料分群技術主要可以分為兩大類：階層式分群(Hierarchical Clustering)和分割式分群(Partitional Clustering)。

• 階層式分群(Hierarchical Clustering)，主要是由資料集中，每一筆資料之間的距離遠近，來決定彼此間的同質性(距離最小)與相異性(距離最大)。階層式分群不需事前指定集群的數量，透過演算法將距離最短的資料歸納在同一個集群中，直到所有的資料都完成分群。
• 分割式分群(Partitional Clustering)，需要事前指定集群的數量，再選擇一個衡量資料距離的目標成本函數(Cost Function)，經過演算法不斷的迭代計算(Iteration)，讓群內同質性和群間相異性最大化，最後找出最佳的分群方式以及相關的集群中心，K-means就是一種常用的分割式分群演算法。