Dlaczego biznes nie wykorzystuje potencjału machine learning

Katgoria: IT Solutions / Utworzono: 28 marzec 2018

SAS Institute

Dlaczego biznes nie wykorzystuje potencjału machine learning

Uczenie maszynowe zrewolucjonizowało analitykę, umożliwiając podejmowanie dokładniejszych decyzji biznesowych w oparciu o dane. Technologia ta pozwala na rozwiązywanie wielu problemów, na które tradycyjne techniki analityczne nie były w stanie znaleźć odpowiedzi. Firmy wciąż jednak nie potrafią wykorzystać w pełni potencjału uczenia maszynowego. Dlaczego? Wiele z nich popełnia jeden z 5 poniższych błędów, wskazanych przez ekspertów firmy SAS.

REKLAMA

Uczenie maszynowe (machine learning) to metoda samouczenia się maszyn w oparciu o analizę danych i odnajdywanie zawartych w nich wzorców. Jak wynika z danych IDC, w najbliższych latach uczenie maszynowe będzie odgrywało coraz większą rolę w strategii rozwoju biznesu. Firma prognozuje, że w 2020 r. wydatki przedsiębiorstw związane z implementacją machine learning i sztucznej inteligencji wyniosą aż 47 miliardów USD. Oznacza to ponad pięciokrotny wzrost w stosunku do 2016 r., kiedy na rozwiązania tej klasy wydano 8 miliardów USD.

Wokół technologii uczenia maszynowego urosło wiele mitów i niektórzy zaczęli uznawać ją za lek na wszelkie problemy, jakie spotykają współczesny biznes. W rzeczywistości jednak wiele zależy od tego, jak będziemy wykorzystywali to rozwiązanie.

Uczenie maszynowe to nie magia, ani nie science fiction, tylko technologia wymagająca odpowiedniej infrastruktury, wykwalifikowanego zespołu oraz przemyślanego planu wdrożenia. Machine learning nie wpłynie na rozwój organizacji bez właściwego przygotowania – mówi Michał Kudelski, Senior Business Solutions Manager w SAS Polska.

SAS, lider w zakresie zastosowania rozwiązań analitycznych w biznesie, wskazuje 5 błędów, które uniemożliwiają organizacjom wykorzystanie pełni potencjału uczenia maszynowego:

1. Planowanie strategii machine learning bez wsparcia ekspertów (data scientists)

Niedobór talentów analitycznych staje się wyzwaniem dla całej branży. Dostęp do wykwalifikowanych pracowników można zapewnić sobie np. poprzez zbudowanie relacji z uczelniami i wprowadzenie programu stażowego lub programu rekrutacji uniwersyteckiej, który będzie szansą na pozyskanie specjalistów. Niezwykle istotne jest również rozwijanie talentów wewnątrz firmy oraz ułatwianie dostępu do danych innym pracownikom.

2. Brak odpowiednich danych

Zanim zaczniemy myśleć o wdrożeniu rozwiązań z zakresu machine learning, powinniśmy przygotować, zintegrować i sprawdzić dane, którymi dysponujemy. Słabe jakościowo dane możemy podzielić na następujące grupy:

„Zaszumione dane” – zawierają dużą liczbę sprzecznych lub wprowadzających w błąd informacji,
„Brudne dane” – niosą za sobą liczne braki danych, zmienne kategoryczne o bardzo dużej liczbie możliwych wartości, a także niespójne i błędne wartości (np. wynikające z awarii urządzeń pomiarowych),
„Rzadkie dane” – posiadają niewiele wartości zawierających faktyczne informacje, w większości składają się z zerowych lub brakujących wartości,
„Niekompletne dane” – są zbyt mało liczne lub niereprezentatywne.

3. Brak odpowiedniej infrastruktury

Uczenie maszynowe wiąże się z potrzebą przeprowadzania skomplikowanych obliczeń, co z kolei wymaga odpowiedniego sprzętu, m.in. dysków SSD. Infrastruktura wykorzystywana przez przedsiębiorstwo powinna być na tyle elastyczna, aby umożliwiała optymalne wykorzystanie mocy obliczeniowej oraz rozbudowę pamięci masowej. W niektórych przypadkach decyzja o wdrożeniu uczenia maszynowego może wiązać się potrzebą rozbudowy infrastruktury, gdyż pierwotne zasoby mogą przestać sprawnie działać pod naporem gromadzonych danych.

4. Brak strategii wdrożenia

Wybór odpowiedniego momentu, w którym należy zastosować nowsze, bardziej kompleksowe metody analityczne stanowi duże wyzwanie dla każdej organizacji. Wykorzystanie uczenia maszynowego nie zawsze jest koniecznie. Wszystko zależy od tego, jakie jest aktualne zapotrzebowanie na usługi IT w danym biznesie. Przykłady firm, które wykorzystują uczenie maszynowe, pokazują, że technologia ta może być pomocna w takich procesach jak wykrywanie anomalii i oszustw w branży finansowej, czy automatyzacja procesów scoringu kredytowego lub działań marketingowych.

5. Problemy z interpretacją modeli metodologicznych uczenia maszynowego

Istotą algorytmów uczenia maszynowego jest ich złożoność. Z jednej strony umożliwiają one przeprowadzanie samodzielnych analiz, ale z drugiej mogą być trudne do zrozumienia. Rozwiązaniem niektórych problemów z interpretacją może być zastosowanie strategii hybrydowej, połączenia tradycyjnych metod analitycznych i uczenia maszynowego.

Aby w pełni zrozumieć i wykorzystać potencjał uczenia maszynowego niezbędne jest poznanie szerszego środowiska analitycznego oraz sprawdzonych przykładów z innych firm. Organizacje, które zdecydują się na wdrożenie machine learning muszą przygotować się na liczne wyzwania. Sprostanie im pozwoli na uzyskanie przewagi rynkowej dzięki automatyzacji procesów analitycznych, którą umożliwia technologia uczenia się maszyn.

Źródło:SAS Institute

Najnowsze wiadomości

Kwantowy przełom w cyberochronie - nadchodząca dekada przepisze zasady szyfrowania na nowo

Przez długi czas cyfrowe bezpieczeństwo opierało się na prostym założeniu: współczesne komputery potrzebowałyby ogromnych zasobów i wielu lat, aby złamać silne algorytmy szyfrowania. Rozwój technologii kwantowej zaczyna jednak tę regułę podważać, a eksperci przewidują, że w perspektywie 5–10 lat może nadejść „dzień zero”. Jest to moment, w którym zaawansowana maszyna kwantowa będzie w stanie przełamać większość aktualnie stosowanych zabezpieczeń kryptograficznych w czasie liczonym nie w latach, lecz w godzinach.

Czytaj całość

PSI prezentuje nową identyfikację wizualną

W ramach realizowanej strategii transformacji PSI Software SE zaprezentowała nową identyfikację wizualną. Odświeżony wizerunek w spójny sposób oddaje technologiczne zaawansowanie firmy, jej głęboką wiedzę branżową oraz silne ukierunkowanie na potrzeby klientów. Zmiany te wzmacniają pozycję PSI jako innowacyjnego lidera technologicznego w obszarze skalowalnych rozwiązań informatycznych opartych na sztucznej inteligencji i chmurze, rozwijanych z myślą o energetyce i przemyśle.

Czytaj całość

PROMAG S.A. rozpoczyna wdrożenie systemu ERP IFS Cloud we współpracy z L-Systems

PROMAG S.A., lider w obszarze intralogistyki, rozpoczął wdrożenie systemu ERP IFS Cloud, który ma wesprzeć dalszy rozwój firmy oraz integrację kluczowych procesów biznesowych. Projekt realizowany jest we współpracy z firmą L-Systems i obejmuje m.in. obszary finansów, produkcji, logistyki, projektów oraz serwisu, odpowiadając na rosnącą skalę i złożoność realizowanych przedsięwzięć.

Czytaj całość

F5 rozszerza portfolio bezpieczeństwa o narzędzia do ochrony systemów AI w środowiskach enterprise

F5 ogłosiło wprowadzenie dwóch nowych rozwiązań - F5 AI Guardrails oraz F5 AI Red Team - które mają odpowiedzieć na jedno z kluczowych wyzwań współczesnych organizacji: bezpieczne wdrażanie i eksploatację systemów sztucznej inteligencji na dużą skalę. Nowa oferta łączy ochronę działania modeli AI w czasie rzeczywistym z ofensy

Czytaj całość

Snowflake + OpenAI: AI bliżej biznesu

Snowflake przyspiesza wykorzystanie danych i sztucznej inteligencji w firmach, przenosząc AI z fazy eksperymentów do codziennych procesów biznesowych. Nowe rozwiązania w ramach AI Data Cloud integrują modele AI bezpośrednio z danymi, narzędziami deweloperskimi i warstwą semantyczną. Partnerstwo z OpenAI, agent Cortex Code, Semantic View Autopilot oraz rozwój Snowflake Postgres pokazują, jak budować skalowalne, bezpieczne i mierzalne wdrożenia AI w skali całej organizacji.

Czytaj całość

RAPORT ERP

Katalog rozwiązań IT

Katalog firm

Najnowsze artykuły

Magazyn bez błędów? Sprawdź, jak system WMS zmienia codzienność logistyki

Współczesna logistyka wymaga nie tylko szybkości działania, lecz także maksymalnej precyzji – to właśnie te czynniki coraz częściej decydują o przewadze konkurencyjnej firm. Nawet drobne pomyłki w ewidencji stanów magazynowych, błędy przy przyjmowaniu dostaw czy nieprawidłowe rozmieszczenie towarów, mogą skutkować poważnymi stratami finansowymi i opóźnieniami w realizacji zamówień. W jaki sposób nowoczesne rozwiązania do zarządzania pomagają unikać takich sytuacji? Czym właściwie różni się tradycyjny system magazynowy od zaawansowanych rozwiązań klasy WMS (ang. Warehouse Management System)? I w jaki sposób inteligentne zarządzanie procesami magazynowymi realnie usprawnia codzienną pracę setek firm?

Czytaj całość

Migracja z SAP ECC na S4 HANA: Ryzyka, korzyści i alternatywne rozwiązania

W ostatnich latach wiele firm, które korzystają z systemu SAP ECC (Enterprise Central Component), stoi przed decyzją o przejściu na nowszą wersję — SAP S4 HANA. W obliczu końca wsparcia dla ECC w 2030 roku, temat ten staje się coraz bardziej aktualny. Przemiany technologiczne oraz rosnące oczekiwania związane z integracją nowych funkcji, jak sztuczna inteligencja (AI), skłaniają do refleksji nad tym, czy warto podjąć tak dużą zmianę w architekturze systemu. Przyjrzyjmy się głównym powodom, dla których firmy rozważają migrację do S4 HANA, ale także argumentom, które mogą przemawiać za pozostaniem przy dotychczasowym systemie ECC, przynajmniej na krótki okres.

Czytaj całość

Jak maksymalizować zyski z MTO i MTS dzięki BPSC ERP?

Zysk przedsiębiorstwa produkcyjnego zależy nie tylko od wydajności maszyn, ale przede wszystkim od precyzyjnego planowania, realnych danych i umiejętnego zarządzania procesami. Dlatego firmy, które chcą skutecznie działać zarówno w modelu Make to Stock (MTS), jak i Make to Order (MTO), coraz częściej sięgają po rozwiązania klasy ERP, takie jak BPSC ERP.

Czytaj całość

Ponad połowa cyberataków zaczyna się od błędu człowieka

Ponad 2/3 firm w Polsce odnotowała w zeszłym roku co najmniej 1 incydent naruszenia bezpieczeństwa . Według danych Unit 42, zespołu analitycznego Palo Alto Networks, aż 60% ataków rozpoczyna się od działań wymierzonych w pracowników – najczęściej pod postacią phishingu i innych form inżynierii społecznej . To pokazuje, że w systemie ochrony organizacji pracownicy są kluczowym ogniwem – i że firmy muszą nie tylko edukować, ale też konsekwentnie egzekwować zasady cyberhigieny. Warto o tym pamiętać szczególnie teraz, w październiku, gdy obchodzimy Europejski Miesiąc Cyberbezpieczeństwa.

Czytaj całość

MES - holistyczne zarządzanie produkcją

Nowoczesna produkcja wymaga precyzji, szybkości i pełnej kontroli nad przebiegiem procesów. Rosnąca złożoność zleceń oraz presja kosztowa sprawiają, że ręczne raportowanie i intuicyjne zarządzanie coraz częściej okazują się niewystarczające. Firmy szukają rozwiązań, które umożliwiają im widzenie produkcji „na żywo”, a nie z opóźnieniem kilku godzin czy dni. W tym kontekście kluczową rolę odgrywają narzędzia, które porządkują informacje i pozwalają reagować natychmiast, zamiast po fakcie.

Czytaj całość