Automatiseerimine on teie ettevõtte jaoks ülioluline

Automatiseerimine on võti suurte ja jätkusuutlike eeliste avamiseks erinevates sektorites.

Suurandmed võivad ilma strateegilise automatiseerimiseta olla midagi suurt.

Ühest küljest on meil ees hirmutav teaberikkuse aeg, kus on enneolematult palju andmeid kõige kohta alates seadmete jõudlusest kuni tarbijate sotsiaalmeedia käitumiseni (üle poole maailma kodanikest on sotsiaalmeedias). Kuid ilma läbimõeldud automatiseerimiseta – masinate ja algoritmide kasutamiseta saadaolevate andmete käsitlemiseks, töötlemiseks ja analüüsimiseks – kaotab teie ettevõte suure potentsiaalse võimaluse.

Hästi tehtud automatiseerimine muudab "surnud" suurandmed elavaks, hingavaks ressursiks, mida saate väärtuse suurendamiseks kasutada. Seega pole üllatav, et paljud ettevõtted seda soovivad automatiseerida kõike, mida saab automatiseerida, nagu üks Google'i tippjuht hiljuti ütles.

Et aidata teil mõelda automatiseerimisele teie ettevõtte kontekstis, esitan kolm peamist viisi, kuidas see tehnoloogiapõhine tegevus aitab teil väärtust luua.

Esimene asi, mida automatiseerimine teil teha aitab, on funktsiooni ekstraheeriminevõi kriitiliste teabenõelte tõmbamine tohututest andmete heinakuhjadest. Kujutage ette, et teie organisatsioon peab konkreetse tehnoloogia ja sellega seotud tehnoloogiate kohta teabe saamiseks patenditaotlused läbi vaatama. Võite vaadata tuhandeid või kümneid tuhandeid rakendusi, millest igaüks töötab 30 või enama leheküljega, ja otsite miljoneid ja miljoneid sõnu. Kuid ainult väike osa neist sõnadest ja patentide omavahelised seosed on olulised, näiteks see, millest patenteeritud tehnoloogia sõltub või leiutajate kvalifikatsioon ja varasemad patendid.

See ülesanne, nagu paljud ärivaldkonnas, hõlmab väga väikest signaali-müra suhet ja selle käsitsi täitmiseks kuluks tuhandeid inimesi tunde – see on liiga kulukas ja aeglane. Kuid masinõppel põhinevat algoritmi saab koolitada vajaliku põhiteabe suhteliselt kiiresti välja otsima, säästes sellega märkimisväärselt aega ja vaeva. Veelgi enam, öelge, et soovite tulevikus otsida sama või seotud patentide komplekti, kuid erinevat teavet, näiteks patenditaotleja meeskonna suurust. Selle ülesande täitmiseks saate algoritmi hõlpsalt ümber programmeerida või ümber õpetada, saavutades mastaabisäästu ja oma esialgselt investeeringult suuremat tulu.

Teiseks aitab automatiseerimine andmete kontrollimine ja puhastamine. Andmekogumid vajavad sageli tööd. Esineb vigu ja puuduvaid väärtusi, kõrvalekaldeid ja mõnikord ka tõendeid eelarvamuste kohta. Näiteks kui algoritmi õpetati tuvastama seaduserikkujate omadusi, kuid see kasutab andmeid ainult tabatud rikkujate kohta, on algoritm kallutatud, kuna sellel puuduvad andmed rikkujate kohta, keda ei tabatud – see on eriline probleem valgekraede kuritegevuse puhul, mis kipub olla alateatatud. Jällegi on selle suure hulga võimalike probleemide kontrollimine ja lahendamine liiga palju, et seda käsitsi ette võtta. Kuid automatiseerimine võimaldab testimise ja puhastamise tööriistade kiiret juurutamist, säästes taas väärtust luues aega.

Kolmandaks, ja see on suur, on automatiseerimine analüütika juhtiv mootor. Eilsetest lihtsatest regressioonanalüüsidest on saanud tänapäevased klasterdamise ja juhuslikud metsad, mis töötavad masinõppel, olgu selleks siis tootekasutajate mõistmine, järgmise kuu müügi prognoosimine laoseisu optimeerimiseks või uue reklaamikampaania mõju ennustamine. Masinapõhine automatiseerimine ei võimalda mitte ainult korrata standardiseeritud analüüsiprotsesse regulaarselt madalate kuludega, vaid suudab tuvastada ka mittelineaarseid mustreid, mida meie, inimesed, ei suuda.

Näiteks uuris minu labor enam kui 5 miljonit patenti, kasutades algoritmipõhiseid analüüse, et näha, kas suudame nende patenditaotluse teabe põhjal ennustada murranguliste tulevikutehnoloogiate debüüti. Me oletasime, et masin tuvastab tulevased hittpatendid rakendusandmete põhjal, kui leiutisel on eraldiseisvad "imelaadsed" võimalused või ideed. Lõppkokkuvõttes leidis algoritm tuleviku hittpatendid suure täpsusega, kuid mitte nii, nagu meie, inimesed, ette kujutasime. See tähendab, et algoritm ei tuvastanud tulevast hittpatenti selle eraldiseisvate võimaluste põhjal; pigem tuvastas see hittpatendid selle põhjal, kas need olid osa a klastri siduspatentidest, mis üheskoos suudaksid lahendada konkreetseid probleeme, mida ükski patent ei oleks suutnud üksi lahendada.

Näiteks ultrahelitehnoloogia avaldas tervishoiule suurt mõju mitu aastat pärast selle esmakordset avalikustamist, võimaldades mitteinvasiivset pildistamist ja füüsiliste seisundite (nt neerukivid ja isegi mõned vähivormid) ravi. Kuid see areng oleks olnud võimatu ilma põhitehnoloogiast kaugemale jäävate väiksemahuliste leiutisteta – aplikaatorid, staatilist elektrit vähendavad protsessid, spetsiaalsed meditsiinilised padjad ja klambrid, mis töötati välja ultrahelitehnoloogiast sõltumatult, kuid mis on selle edukaks rakendamiseks meditsiinis kriitilised. Meie automaatne analüüs tuvastas usaldusväärselt nende seotud patentide klastrite olemasolu enam kui 5 miljonis patendis alates tervisetoodetest kuni uusima golfipallitehnoloogiani ning et need klastrid olid korrelatsioonis tõenäosusega, et neis sisalduvatest patentidest saavad homsed domineerivad tehnoloogiad – järeldust, mida varem ei hinnatud.

Minu Loode kolleeg Andrew Papachristos kasutas selle näitamiseks sarnast analüüsi politsei korruptsioon Chicagos ei tulene mitte mõnest "halvast õunast" ametnikust, vaid pahauskselt tegutsevate ühendatud politseinike võrgustikust; tema töö võimaldab selliseid probleeme varem avastada.

Loodan, et tegin selgeks automatiseerimise vastastikku tugevdavad eelised ja selle, kuidas see aitab teil andmeid suureks ja jätkusuutlikuks väärtuseks muuta. Tõepoolest, mida rohkem andmeid teil on, seda rohkem vajate automatiseerimist; Kui teil on tugevad automatiseerimisvõimalused, saate koguda ja kasutada veelgi rohkem andmeid ning tsükkel jätkub.

Lõpptulemus: automatiseerimine on üha kriitilisem võimalus ja võib olla teie ettevõtte lähi- ja pikemaajalise toimivuse jaoks keskse tähtsusega. Kuid on oluline mõista, kuidas see väärtust loob, ja astuda samme selle tegelike negatiivsete külgede leevendamiseks teie ettevõtte ja laia kogukonna hüvanguks, kus see tegutseb.

Selle artikli teises osas käsitlen automatiseerimise kolme peamist varjukülge – seletatavust, läbipaistvust ja maksumust – ning nende käsitlemist.