Predictive analytics / machine learning / kunstmatige intelligentie is een hot topic – wat is het?
Met behulp van algoritmen om te helpen betere beslissingen te nemen is de “next big thing in analytics” – al meer dan 25 jaar. Het is gebruikt in belangrijke gebieden, zoals fraude de hele tijd. Maar het is nu uitgegroeid tot een full-throated mainstream business meme dat de functies die in elke enterprise software keynote – hoewel de industrie is in strijd met wat te noemen.
Het blijkt dat de voorwaarden, zoals datamining, Predictive Analytics, en Geavanceerde Analyses worden beschouwd als te geeky of oud voor marketeers, webmasters en kop schrijvers. De term Cognitieve Computing leek te worden, klaar om te winnen, maar de IBM-sterke associatie met het begrip kan hebben misliepen – journalisten en analisten wilt gebruiken taal die onafhankelijk van een bepaald bedrijf. Momenteel is de groeiende consensus lijkt te zijn om het gebruik van Machine Learning bij te praten over de technologie en Kunstmatige Intelligentie wanneer het gaat over het zakelijke gebruik.
Wat wij het noemen, het is over het algemeen voorgesteld in twee verschillende vormen: als een uitbreiding van de bestaande platforms voor data-analisten; of als nieuwe ingesloten functionaliteit in uiteenlopende zakelijke toepassingen, zoals het genereren van sales leads scoren, optimalisatie van de marketing -, sorteer-HR-cv ‘ s, of financiële factuur matching.
Waarom is het nu uit, en wat verandert er?
Kunstmatige intelligentie is nu nemen af omdat er veel meer gegevens beschikbaar en betaalbaar, krachtige systemen te kraken. Het is ook veel makkelijker om toegang te krijgen tot krachtige algoritme op basis van software in de vorm van open-source producten of ingesloten als een dienst in de enterprise platforms.
Organisaties hebben vandaag de dag ook meer comfortabel met het manipuleren van zakelijke gegevens, met een nieuwe generatie business analisten wilden worden “burger gegevens wetenschappers.” Ondernemingen kunnen hun traditionele analytics naar het volgende niveau met behulp van deze nieuwe tools.
Echter, we zijn nu aan de ‘top van de Opgeblazen Verwachtingen” voor deze technologieën volgens Gartner ‘ s Hype Cycle – zullen we binnenkort artikelen te duwen terug op de meer overdreven claims. De komende jaren zullen we het vinden van de beperkingen van deze technologieën, zelfs als ze begint te brengen in de echte wereld voordelen.
Wat zijn de consequenties op langere termijn?
Eerste, gemakkelijker te gebruiken predictive analytics-motoren zijn het vervagen van de kloof tussen ‘alledaagse analytics” en de data science team. Een “fabriek” aanpak voor het creëren, implementeren en onderhouden van voorspellende modellen, gegevens wetenschappers kunnen een grotere impact hebben. En geavanceerde zakelijke gebruikers hebben nu toegang tot enkele van de kracht van deze algoritmes, zonder gegevens wetenschappers zelf.
Ten tweede, elke zakelijke toepassing zal zijn enige voorspellende functionaliteit, het automatiseren van de gebieden waar er “herhaalbare beslissingen te nemen.” Het is moeilijk om te denken van een business proces dat niet kan worden verbeterd op deze manier, met grote gevolgen in termen van zowel de efficiëntie als de witte kraag van de werkgelegenheid.
Ten derde, toepassingen gebruik maken van deze algoritmen op zichzelf te maken “zelf-verbetering van de’ platforms die gemakkelijker te gebruiken en krachtiger de loop van de tijd (verwant aan hoe elke nieuwe semi-autonoom rijden Tesla auto kan iets nieuws leren en doorgeven aan de rest van de vloot).
Ten vierde, na verloop van tijd, bedrijfsprocessen, applicaties en workflows kunnen worden heroverwogen. Als algoritmen zijn beschikbaar als een centraal onderdeel van de business platforms, kunnen wij mensen met nieuwe paden door het typische vragen zoals “Wat gebeurt er nu? Wat moet ik weten? Wat raden jullie aan? Wat moet ik altijd doen? Wat kan ik verwacht dat er gaat gebeuren? Wat kan ik vermijden? Wat moet ik doen nu?”
Ten vijfde, de uitvoering van al het bovenstaande zal betrekken diepe en verontrustende morele vragen op het gebied van privacy van gegevens en het toestaan van algoritmen om beslissingen te nemen die invloed hebben op mensen en de maatschappij. Er zal ongetwijfeld veel schandalen en misstappen voor de juiste regels en praktijken in de plaats.
Wat de eerste stappen moeten bedrijven nemen op dit gebied?
Zoals gebruikelijk zijn de belemmeringen voor het bedrijfsleven zijn eerder cultureel dan technische.
Boven alles, moeten organisaties ervoor zorgen dat ze de juiste technische expertise om te kunnen navigeren door de verwarring van nieuwe leveranciers biedt, de juiste zakelijke kennis om te weten waar het beste om ze toe te passen, en het besef dat hun technologie keuzes kan onvoorziene morele implicaties.
[Dit artikel verscheen oorspronkelijk op de Business Analytics en Digital Analytics-Blog]