Как искуственный интеллект меняет природу аналитики

Источник · Перевод автора

По своей сути искусственный интеллект – это инструмент аналитики. Его ценность заключается в способности анализировать огромные объемы данных без непосредственного контроля человека для выявления закономерностей и аномалий, которые затем можно использовать.

Но поскольку аналитика, управляемая человеком, существовала веками, задолго до современной компьютерной эры, как это новое поколение технологий изменит правила игры? И как организации могут убедиться, что они окупаются, когда эта технология внедряется в производственную среду?

Вопрос контекста

Ключевой элемент, который ИИ привносит в аналитику, – это контекст, как недавно написали в Harvard Business Review исследователь Oracle Джои Фиттс и научный сотрудник Массачусетского технологического института Том Дэвенпорт. При традиционной аналитике аналитик редко был экспертом в анализируемой системе или процессе. Они знали аналитику, а не маркетинг, продажи или информационные сети. Их окончательным рекомендациям часто не хватало контекста, который может исходить только из обширных знаний и опыта.

Однако в структуре, управляемой ИИ, алгоритм можно обучить «понимать» то, что он анализирует, а затем он может включать гораздо больше данных в гораздо более быстром темпе для получения результатов с высокой степенью контекста. В конечном итоге ожидается, что это продвинет эти мощные аналитические инструменты к людям, которым они нужны, чтобы аналитики могли посвятить свое время тому, что у них получается лучше всего: созданию моделей, необходимых для ускорения и повышения точности аналитики ИИ.

Эту потребность в контексте лучше всего проиллюстрировать применительно к общей функции предприятия, такой как маркетинг. Маркетинг, который, возможно, является одной из наиболее ресурсоемких дисциплин в современном бизнесе, часто является предметом конкурирующих интерпретаций истины в зависимости от контекста, в котором представлены данные.

По словам Майка Капута, директора по контенту Marketing AI Institute, искусственный интеллект превосходит прогнозную аналитику, способность определять будущие тенденции на основе прошлых и текущих данных. Эта возможность, конечно, как золото для маркетинговой команды. В то же время ИИ обеспечивает предписывающую аналитику – способность давать рекомендации на основе прогнозного анализа. В обоих случаях современные движки искусственного интеллекта способны просеивать огромные объемы данных, чтобы гарантировать, что эти результаты представлены в полном контексте всей доступной информации, и они также имеют возможность доработать свои алгоритмы, чтобы улучшить себя, используя свои собственные прошлые анализы. .

Изучение процесса

Эта способность учиться – одно из ключевых отличий ИИ от простой автоматизации. По мнению аналитической компании Avora, автоматизированная система все еще может анализировать большой объем данных при условии, что она правильно структурирована и предназначена для удовлетворения конкретных потребностей, для которых система была разработана. Например, простой инструмент отчетности со временем будет обновлять себя новой информацией, но он не сможет дать новое представление об изменении данных, если кто-то не создаст панель управления, которая позволяет это делать.

Точно так же простая автоматизация не может ответить на общие вопросы, связанные с уменьшением производительности и другими факторами. Обычно для этого требуются часы, если не дни работы аналитика данных, который, скорее всего, по-прежнему будет сопоставлять только ограниченный объем данных. С другой стороны, правильно обученный движок ИИ может дать результаты на несколько вопросов в течение нескольких минут.

Возможно, лучший способ оценить вклад ИИ в аналитику – использовать один из старейших аналитических методов: модель рентабельности. Что касается затрат, это требует довольно значительных первоначальных вложений при условии, что вы строите базовую инфраструктуру с нуля. Но со временем эта стоимость будет амортизироваться по мере увеличения объема производства. С другой стороны, ИИ может обрабатывать гораздо больше данных, чем могла бы даже армия аналитиков, и он может извлекать данные из неисчислимого количества источников для выявления проблем и / или возможностей, которые в противном случае остались бы скрытыми.

В конечном итоге это передаст аналитические возможности в руки интеллектуальных работников, которые смогут извлечь максимальную пользу из аналитических данных, адаптированных к их уникальным задачам, что сделает всю организацию более эффективной и продуктивной.