Predictive analytics / macchina di apprendimento / intelligenza artificiale è un tema caldo – di che cosa parla?
Utilizzando algoritmi per aiutare a prendere decisioni migliori è stata la “next big thing in analytics” per oltre 25 anni. Esso è stato utilizzato in aree chiave come la frode per tutto il tempo. Ma è ormai diventata un full-throated business mainstream meme che funzioni in ogni enterprise software keynote – anche se l’industria è in lotta con.
Sembra che i termini di Data Mining, analisi Predittiva e Advanced Analytics sono considerati troppo geek o vecchi per il settore marketing e dei principali scrittori. Il termine Cognitive Computing sembrava essere pronta a vincere, ma IBM forte associazione con il termine può avere le si ritorse contro i giornalisti e gli analisti si desidera utilizzare un linguaggio che è indipendente da qualsiasi società. Attualmente, il crescente consenso sembra essere quella di utilizzare la Macchina di Apprendimento quando si parla di tecnologia e di Intelligenza Artificiale quando si parla di business utilizza.
Comunque la chiamiamo, è generalmente proposto in due diverse forme: sia come estensione per piattaforme esistenti per analisti di dati; o come integrato funzionalità in diverse applicazioni business come le vendite di piombo scoring, ottimizzazione del marketing, l’ordinamento HR riprende, o finanziaria della fattura corrispondente.
Perché è prendere fuori adesso, e cosa cambia?
L’intelligenza artificiale è ora di decollo, perché c’è una maggiore quantità di dati disponibili e accessibili, potenti sistemi di crunch. E ‘ anche molto più facile per ottenere l’accesso a potenti algoritmi, software di base in forma di prodotti open-source o integrato come servizio in piattaforme enterprise.
Le organizzazioni oggi sono anche più a suo agio con la manipolazione dei dati aziendali, con una nuova generazione di analisti di business che aspirano a diventare “i dati relativi ai cittadini degli scienziati”. Le imprese possono prendere il loro tradizionale analisi al livello successivo utilizzo di questi nuovi strumenti.
Tuttavia, ora siamo al “Picco di Aspettative Gonfiate” per queste tecnologie, secondo Gartner Hype Cycle – vediamo subito articoli spingendo indietro il più esagerate. Nei prossimi anni, per scoprire i limiti di queste tecnologie, pur cominciare a portare benefici reali.
Quali sono le implicazioni a lungo termine?
La prima, più facile da usare di predictive analytics motori di restringere il divario tra “quotidiano analytics” e del data science team. Una “fabbrica” di approccio per la creazione, la distribuzione e la manutenzione di modelli predittivi di mezzi dati scienziati possono avere maggiore impatto. E sofisticato degli affari, gli utenti possono ora accedere ad alcuni il potere di questi algoritmi senza dover diventare scienziati dati stessi.
Secondo, ogni applicazione di business include alcuni predittivo funzionalità, automatizzando tutte le zone dove ci sono “le decisioni ripetibili.” È difficile pensare a un processo di business che non può essere migliorata in questo modo, con grandi implicazioni in termini di efficienza e di impiegatizie.
Terzo, applicazioni utilizzeranno questi algoritmi su se stessi per creare “auto-miglioramento” piattaforme per ottenere più facile da usare e più potente nel tempo (simile al modo in cui ogni nuovo semi-autonoma-guida Tesla auto può imparare qualcosa di nuovo e passare sul resto della flotta).
Quarto, nel corso del tempo, i processi di business, le applicazioni e i flussi di lavoro possono essere ripensato. Se gli algoritmi sono disponibili come parte fondamentale di piattaforme aziendali, siamo in grado di fornire le persone con nuovi percorsi attraverso i tipici commerciale a domande come “Cosa succede adesso? Che cosa devo sapere? Che cosa mi consiglia? Che cosa devo fare? Che cosa posso aspettarmi per accadere? Cosa posso evitare? Che cosa devo fare ora?”.
Quinto, l’attuazione di tutto quanto sopra comporterà profonde e preoccupanti questioni morali in termini di riservatezza dei dati e consentendo di algoritmi per prendere delle decisioni che riguardano le persone e la società. Ci saranno sicuramente tanti scandali e passi falsi prima che il diritto, le regole e le pratiche sono a posto.
La prima cosa che passi le imprese dovrebbero prendere in questo settore?
Come di consueto, le barriere a vantaggio di business sono più probabilità di essere più culturale che tecnico.
Soprattutto, le organizzazioni hanno bisogno per assicurarsi che essi hanno il diritto di competenze tecniche per essere in grado di navigare la confusione di nuovi fornitori offre, il diritto commerciale conoscenza per sapere dove applicare al meglio di loro, e la consapevolezza che la loro tecnologia le scelte impreviste implicazioni morali.
[Questo articolo è originariamente apparso sul Business Analytics e Digital Analytics Blog]