Predictive analytics / machine learning / künstliche Intelligenz, ist ein heißes Thema – worum geht es?
Mithilfe von algorithmen, um zu helfen, bessere Entscheidungen zu treffen, wurde das nächste große Ding in der Analytik” seit über 25 Jahren. Es hat in zentralen Bereichen wie Betrug, die ganze Zeit. Aber es ist nun eine voll-throated mainstream-business-meme, dass die Funktionen in jeder enterprise-software keynote – obwohl die Branche kämpft mit was Sie es nennen.
Es scheint, dass Begriffe wie Data Mining, Predictive Analytics und Advanced Analytics sind als zu geeky oder alte Industrie-Vermarkter und headline-Texter. Der Begriff Cognitive Computing zu sein schien bereit, um zu gewinnen, aber IBM starke Assoziation mit dem Begriff kann nach hinten losgegangen – Journalisten und Analysten wollen die Sprache zu verwenden, die unabhängig von einer bestimmten Firma. Derzeit ist der wachsende Konsens scheint zu sein, zu verwenden, maschinelles Lernen, wenn es um die Technologie und Künstliche Intelligenz, wenn es um die geschäftliche Nutzung.
Egal wie wir es nennen, es ist in der Regel vorgeschlagen, die in zwei verschiedenen Formen: entweder als Erweiterung zu bereits bestehenden Plattformen für Daten-Analysten; oder als neue embedded-Funktionen in den unterschiedlichsten business-Anwendungen wie der sales-lead-scoring -, marketing-Optimierung, Sortierung, HR, Lebensläufe, oder finanzielle passende Rechnung.
Warum dauert es ab jetzt, und was ändert sich?
Künstliche Intelligenz wird nun ausziehen, weil es viel mehr Daten verfügbar und erschwinglich, leistungsfähige Systeme, die crunch durch Sie alle. Es ist auch viel leichter zu bekommen Zugang zu leistungsfähigen Algorithmus-basierte software, die in form von open-source-Produkte oder embedded as a service im enterprise-Plattformen.
Organisationen haben heute auch mehr Komfort mit Manipulation von business-Daten, die mit einer neuen generation von business-Analysten Anwärter auf “Bürger-Daten Wissenschaftler.” Unternehmen können Ihre traditionellen Analysen, um die nächste Ebene mit diesen neuen tools.
Aber jetzt sind wir an dem “Gipfel der Aufgeblasenen Erwartungen” für diese Technologien nach Gartner-Hype-Zyklus – wir werden bald Artikel zu sehen drücken wieder mehr auf die übertriebenen Ansprüche. In den nächsten paar Jahren werden wir erfahren die Grenzen dieser Technologien selbst, wie Sie starten, bringen Reale Vorteile.
Was sind die langfristigen Auswirkungen?
Erster, einfacher-zu-verwenden Sie predictive-analytics-Motoren sind, wodurch die Kluft zwischen “Alltags-analytics” und das data-science-team. Eine “Fabrik” – Ansatz zur Erstellung, Bereitstellung und Pflege von prädiktiven Modellen bedeutet Daten können die Wissenschaftler haben größere Auswirkungen. Und anspruchsvolle business-Anwender können jetzt Zugriff auf einige der macht der algorithmen, ohne zu Daten, die Wissenschaftler selbst.
Sekunde, jede business-Anwendung enthält einige prädiktive Funktionalität, Automatisierung alle Bereiche, wo es “wiederholbare Entscheidungen zu treffen.” Es ist schwer zu denken, der einen business-Prozess, der nicht verbessert werden könnte auf diese Weise mit großen Auswirkungen in Bezug auf die Effizienz und white-collar-Beschäftigung.
Dritte, die Anwendungen verwenden diese algorithmen selbst erstellen “selbst-Verbesserung” – Plattformen, die einfacher zu verwenden und leistungsfähiger im Laufe der Zeit (ähnlich wie jedes neue semi-autonomous-driving-Tesla-Auto kann etwas neues lernen, und übergeben Sie es auf den rest der Flotte).
Vierte, im Laufe der Zeit, Geschäftsprozesse, Anwendungen und workflows müssen möglicherweise überdacht werden. Wenn algorithmen sind verfügbar als zentraler Bestandteil von business-Plattformen, können wir den Menschen neue Wege durch die typische business-Fragestellungen wie “Was passiert jetzt? Was muss ich wissen? Was empfehlen Sie? Was soll ich immer machen? Was kann ich erwarten? Was kann ich vermeiden? Was muss ich jetzt tun?”
Fünftens, die Umsetzung alle oben umfassen wird tief und beunruhigend moralischen Fragen in Bezug auf Datenschutz und erlaubt algorithmen, um Entscheidungen zu treffen, die Auswirkungen auf die Menschen und die Gesellschaft. Es wird zweifellos viele Skandale und Fehltritte vor der Recht-Regeln und-Praktiken vorhanden sind.
Welche ersten Schritte sollten Unternehmen nehmen in diesem Bereich?
Wie üblich, sind die Hindernisse für Unternehmen zu profitieren, sind eher kulturelle als technische.
Vor allem müssen die Unternehmen sicherstellen, dass Sie die richtigen technischen know-how navigieren zu können, die Verwirrung, die der neue Anbieter bietet das richtige business-wissen, um zu wissen, wo man am besten auf Sie anzuwenden, und dem Bewusstsein, dass Ihre Technologie-Optionen können unvorhergesehene moralischen Implikationen.
[Dieser Artikel erschien ursprünglich auf der Business-Analytics-und Digital-Analytics-Blog]