Аналитика искусственного интеллекта: получение большего и лучшего понимания с помощью интеллектуальных алгоритмов

Опубликовано: 2022-12-19

Недавний опрос, проведенный McKinsey, показал, что респонденты, которых консалтинговая компания классифицировала как «высокоэффективных ИИ», приписывают искусственному интеллекту не менее 20% своих доходов до вычета процентов и налогов (EBIT). Другое исследование, проведенное Accenture, показало, что только 12% опрошенных организаций действительно добиваются успеха в развертывании ИИ. Для этих компаний 30% их доходов приходится на искусственный интеллект.

Вы чувствуете, что это упущенная возможность, которую вы хотите использовать? Затем продолжайте читать, чтобы узнать больше об аналитике ИИ, о том, как она может служить вашему бизнесу и каких проблем ожидать во время внедрения. Возможно, это вдохновит вас и даст вам знания, необходимые для связи с поставщиками услуг по разработке ИИ.

Что такое ИИ-аналитика и чем она отличается от традиционного подхода?

Аналитика работает путем извлечения значимых закономерностей в данных, их интерпретации и передачи. Традиционный подход к аналитике медленный и трудоемкий, но его усовершенствование с помощью ИИ может значительно ускорить процесс и повысить точность результатов.

В традиционной аналитике пользователи создают дашборды для поиска закономерностей в визуализациях с помощью программирования «если-то», где данные обрабатываются строго по заранее заданным правилам. Эти информационные панели предназначены для удовлетворения конкретных бизнес-требований и ограничены по объему. Традиционный метод может обрабатывать только структурированные данные.

Аналитика ИИ относится к автоматизации процесса анализа данных с использованием таких технологий, как машинное обучение и другие подмножества ИИ. Аналитика искусственного интеллекта может обрабатывать сложные неструктурированные данные, такие как изображения и речь. Он не ограничивается предопределенной гипотезой и может удивить вас неожиданными результатами. В отличие от традиционного статического подхода, метод на основе ИИ позволяет пользователям динамически агрегировать данные для ответа на разнообразные запросы.

По данным Gartner, существует четыре основных подхода к анализу данных.

Описательная аналитика интерпретирует исторические данные. Он использует инструменты бизнес-аналитики и информационные панели для анализа тенденций и понимания того, что произошло в прошлом. Оно не предсказывает будущее.
Диагностическая аналитика использует методы интеллектуального анализа данных, чтобы понять, почему что-то произошло.
Предиктивная аналитика помогает прогнозировать будущие результаты, учитывая, что условия остаются неизменными. Здесь в дело вступает ИИ.
Предписывающая аналитика, ориентированная на действия. Он помогает определить наилучший способ достижения определенных результатов.

Gartner предлагает сочетать прогнозную и предписывающую аналитику для решения сложных бизнес-задач и принятия решений на основе данных. Итак, если вы хотите иметь возможность:

Быстро собирайте данные по различным аспектам вашего бизнеса вместо создания панели мониторинга для каждого бизнес-вопроса.
Получайте полезные рекомендации
Взгляните на свою проблему с другой точки зрения
Понять, «почему» произошли определенные вещи и «как» внести изменения в будущем

Тогда аналитика данных ИИ — это то, что вы хотели бы попробовать.

5 лучших вариантов использования аналитики искусственного интеллекта

Теперь, когда вы знаете о преимуществах ИИ-аналитики по сравнению с традиционным подходом, давайте посмотрим, как вы можете применить ее для решения своих бизнес-задач.

1. Аналитика ИИ улучшает качество обслуживания клиентов с помощью анализа настроений

Анализ тональности — это область обработки естественного языка, используемая для определения отношения клиентов к вашему бренду, продукту и услугам путем анализа текста. Компании могут применять эту практику для изучения сообщений в социальных сетях, ответов на опросы, отзывов клиентов и т. д., чтобы оценить репутацию своего бренда и понять потребности клиентов.

Анализ настроений в банковском секторе с помощью ИИ

Банки используют анализ настроений, чтобы узнать, что пользователи думают об их продуктах и услугах, а также об общем опыте работы с организацией. Кроме того, финансовые учреждения могут использовать эту тактику для оценки реакции клиентов на кампанию конкурентов и копирования более успешных примеров.

Один из примеров понимания мнений клиентов с помощью анализа настроений на основе искусственного интеллекта произошел в Atom Bank, базирующемся в Дареме. Компания проанализировала данные опросов и онлайн-сообществ, чтобы узнать, что клиенты думают об их банковском приложении. Данные показали, что тема «аутентификации» связана с негативными настроениями. Он также выявил постоянные проблемы, которые вызывали разочарование, такие как «распознавание лиц не работает».

Банк Atom использовал знания, полученные в результате анализа данных на основе ИИ, для внесения улучшений и стал банком с самым высоким рейтингом по версии Trustpilot, ведущей обзорной платформы.

Понимание настроений покупателей в розничной торговле

Ритейлеры могут анализировать социальные сети, отзывы клиентов и запросы в службу поддержки, чтобы узнать, как люди относятся к их бренду в целом или к конкретной маркетинговой кампании. Анализ настроений также может помочь ритейлерам быть в курсе будущих тенденций.

Североамериканский ритейлер одежды изучил социальные сети своих клиентов, в частности TikTok, чтобы определить тенденции и показать, как они соответствуют разным пользователям. В результате ритейлер получил глубокое понимание того, как различные тенденции в одежде, такие как ткань, дизайн и цена, подходят разным покупателям. Организация использовала эту информацию для своих целевых кампаний и для разработки линий одежды.

2. Аналитика ИИ сокращает время простоя оборудования за счет профилактического обслуживания.

Прогнозная аналитика на основе ИИ может обрабатывать данные, собранные с разных машин, чтобы понять их состояние в режиме реального времени, вместо того, чтобы полагаться на запланированную проверку человеком. Профилактическое обслуживание особенно ценно для труднодоступного оборудования, например, в нефтегазовой отрасли, где доступ к удаленным машинам очень сложен и даже опасен.

Но приложения профилактического обслуживания могут принести пользу и другим секторам.

Профилактическое обслуживание на производстве

Аналитика ИИ имеет много достоинств в производстве. Он может обнаружить оборудование, которое перегружено, работает на половину мощности или может сломаться, что приведет к задержке всего производственного процесса.

ZF Friedrichshafen, ведущий поставщик в автомобильной отрасли, заключил партнерское соглашение с Microsoft, чтобы использовать ИИ для оптимизации процессов. В рамках этого проекта компания сосредоточилась на профилактическом обслуживании линии по производству деталей зубчатых колес. Он хотел заменить хонинговальное кольцо в хонинговальном станке непосредственно перед окончанием срока его службы. Окончательное аналитическое решение с искусственным интеллектом могло обнаруживать 99 % поломок хонинговального круга до того, как они повлияют на производственную линию.

Профилактическое обслуживание на транспорте

В транспортной отрасли аналитика данных ИИ при профилактическом обслуживании помогает обнаруживать неисправности транспортных средств, чтобы избежать ситуаций, когда гусеница застряла в глуши. Например, бельгийская железнодорожная компания Infrabel использует на своих путях различные типы датчиков, в том числе датчики для измерения температуры и энергопотребления. Проанализировав данные, операторы компании могут обнаружить перегрев и необычные отклонения энергопотребления и в удобный момент вывести автомобиль из эксплуатации для ремонта.

3. Аналитика ИИ прогнозирует спрос на оптимизацию запасов

Традиционный подход к управлению запасами основан на данных о заказах клиентов. Несмотря на то, что этот метод может быть эффективным, он часто приводит к затовариванию или недостатку запасов, поскольку использует ограниченные источники данных. Аналитика ИИ позволяет менеджерам цепочки поставок учитывать более широкий спектр данных, таких как текущие тенденции, исторические продажи и даже контент в социальных сетях.

По данным McKinsey, включение аналитики искусственного интеллекта в операции управления цепочками поставок может снизить количество ошибок до 50% и сократить упущенные возможности продаж примерно на 65%.

Ikea использует инструмент прогнозирования спроса на основе искусственного интеллекта, который может анализировать данные из более чем 200 источников, чтобы прогнозировать популярность каждого продукта. Этот инструмент может учитывать такие факторы, как сезонные изменения, фестивали и прогнозы погоды, а также прогнозировать спрос в течение дня или на четыре месяца вперед. Этот новый инструмент увеличил точность прогнозов Ikea до 98%.

4. Аналитика ИИ позволяет создавать персонализированные предложения

Опять же, обрабатывая значительные объемы данных, ИИ-аналитика позволяет компаниям, работающим в разных секторах, создавать персонализированные продукты и услуги и делать их доступными для нужных людей в нужное время.

Персонализированные предложения и целевой маркетинг в розничной торговле

Аналитика ИИ может лучше сегментировать аудиторию, позволяя проводить индивидуальные маркетинговые кампании. Это позволяет ритейлерам отправлять эффективные объявления покупателям, которые с большей вероятностью предпримут какие-либо действия. Кроме того, компании могут подключить механизм рекомендаций на основе ИИ к своей платформе электронной коммерции, чтобы он мог предлагать продукты клиентам на основе их предпочтений, демографических данных и текущих тенденций.

Британский обувной ритейлер экспериментировал с искусственным интеллектом и аналитикой данных, чтобы рекомендовать продукты на своем веб-сайте, и добился увеличения количества покупок в корзине на 8,6%.

Персонализированное лечение в здравоохранении

Аналитика ИИ в здравоохранении может получать информацию из биомаркеров пациента, генетической информации и других медицинских данных, чтобы предсказать реакцию человека на различные варианты лечения, что помогает избежать назначения дорогостоящего лекарства, если оно вряд ли будет эффективным.

Японский университет Тиба использовал ИИ-аналитику для обработки геномных, клинических и метаболических данных пациентов с раком яичников до лечения и обнаружил группу с довольно плохим прогнозом, которые вряд ли хорошо реагируют на типичное лечение. Впоследствии исследователи использовали эти результаты для разработки персонализированного лечения для этого сегмента населения.

5. Аналитика искусственного интеллекта предсказывает поведение клиентов

Предотвращение оттока клиентов

Анализируя социальные сети, отзывы клиентов, запросы в службу поддержки и другую информацию, ИИ-аналитика может выявлять неудовлетворенных клиентов, которые подумывают уйти к конкуренту. Это позволяет вам принять необходимые меры, чтобы удержать этого клиента, вместо того, чтобы позволить ему уйти и платить более высокую цену за привлечение новых людей. Исследования показывают, что привлечение нового клиента обходится в пять раз дороже, чем удержание существующего.

Прогнозирование неявки на прием

Пропущенные приемы обходятся системе здравоохранения США примерно в 150 миллиардов долларов в год. Аналитика данных на основе искусственного интеллекта позволяет больницам и частным врачам прогнозировать, какие пациенты могут пропустить прием без уведомления.

Исследователи из Бостонской детской больницы создали модель искусственного интеллекта, которая может анализировать информацию, такую как история болезни пациента, наличие страховки, раса и уровень образования матери, а также погодные условия, чтобы выявлять любые потенциальные неявки. Исследовательская группа также предложила внедрить в алгоритм некоторый тип напоминания, чтобы после выявления пациентов, которые могут пропустить встречу, модель могла определить, может ли пациент получить пользу от текстового сообщения или звонка, и подтолкнуть их к этому с помощью предпочтительный метод.

Проблемы, связанные с внедрением ИИ в аналитику данных

Проекты искусственного интеллекта известны своей высокой частотой неудач. Forbes сообщает, что от 60% до 80% проектов ИИ терпят неудачу. Gartner рисует еще более мрачную картину: 85% проектов идут не по правильному пути.

Давайте рассмотрим основные трудности, с которыми вы можете столкнуться, и то, как увеличить ваши шансы на успех. Вы можете найти больше информации о проблемах, связанных с ИИ, в нашем блоге. Мы также предоставляем подробное руководство по внедрению ИИ, которое поможет вам достичь ваших целей с помощью ИИ.

Недостаточно обучающих данных

Исследования показывают, что 96% предприятий сталкиваются с проблемами, связанными с данными, когда речь идет об аналитике ИИ. Не всегда возможно найти существующий набор данных, который полностью удовлетворяет вашим требованиям для подходящего обучения. Существующие наборы могут быть предвзятыми, слишком общими для вашей целевой группы, неполными или просто неточными. Недавнее исследование, проведенное Калифорнийским университетом и Google Research, выявило практику «крупного заимствования» данных среди практиков и исследователей, что означает, что сообщество, работающее над одной задачей, принимает данные, предназначенные для использования в другой среде. Модели, обученные на «заимствованных» данных, вряд ли дадут точные результаты, поскольку они не знакомы с вашими специфическими случаями.

Чтобы повысить качество обучения модели, специалисты по данным должны работать вместе с экспертами в предметной области и владельцами данных, чтобы составить наборы обучающих данных, представляющие вашу область. Они также должны убедиться, что он чистый и точно помечен либо вручную, либо с помощью инструментов аннотаций, таких как Supervise.ly.

Не отказывайтесь от консультаций с экспертами в предметной области, особенно когда вам нужно интерпретировать данные из других стран и культур. По словам Деваки Раджа, главного исполнительного директора CrowdAI, успешного стартапа в области искусственного интеллекта, «чтобы автоматизация была эффективной, ее должны информировать те, кто ближе всего к проблеме».

Предвзятые результаты

Результаты, полученные моделями ИИ, во многом зависят от обучающих данных. И если эти данные не будут тщательно проверены, этнические, возрастные и другие типы предубеждений могут легко проникнуть, влияя на алгоритмы и делая неверные прогнозы. Даже при надлежащем начальном обучении алгоритмы ИИ могут проявлять предвзятость по мере продолжения обучения.

Чтобы решить эту проблему, убедитесь, что алгоритмы разработаны с учетом включения и обучены на репрезентативных данных. А после развертывания инвестируйте в системы управления и проводите регулярные аудиты, чтобы убедиться, что все инструменты анализа данных на основе искусственного интеллекта дают релевантные и объективные результаты.

Высокие затраты, связанные с технологией

Алгоритмы машинного обучения и глубокого обучения потребляют огромное количество энергии, чтобы функционировать. Для их работы требуется постоянно растущее количество графических процессоров и ядер. И все это достаточно затратно. Несмотря на то, что благодаря облачным вычислениям вам не нужно иметь все ресурсы внутри компании, это все равно недешево. И чем умнее и точнее ваш алгоритм, тем больше будет стоить его разработка.

Вы можете обратиться к нашему блогу для получения дополнительной информации о затратах на внедрение ИИ и факторах, влияющих на затраты на анализ данных.

Вы можете свести к минимуму свои расходы на более ранних этапах разработки, определив приоритетные варианты использования и создав MVP, чтобы подтвердить свою идею и определить области для улучшения. Не стремитесь к предельной точности с самого начала и не застревайте с недостатком средств. Когда у вас есть доказательства того, что ваш проект осуществим, вы можете постепенно добавлять в инструмент аналитики ИИ более актуальные данные для повышения точности.

Черный ящик алгоритмов ИИ

В некоторых отраслях сложно принять рекомендации по искусственному интеллекту и анализу данных, если система не уточняет, как она пришла к своим выводам. Необходимость объяснения возникает либо из-за принципов соблюдения, либо по личным причинам. Например, в сфере здравоохранения врачам будет сложно назначать лечение, рекомендованное моделью ИИ, если они не понимают обоснования выбора именно этого лечения.

Если ваша область требует прозрачности в принятии решений, вы можете развернуть объяснимый ИИ. Это набор процессов, который позволяет людям понимать результаты работы алгоритмов ИИ. Объяснимые методы искусственного интеллекта также позволяют пользователям выявлять и исправлять предвзятые и неточные результаты. Однако стоит отметить, что моделям белого ящика не хватает предсказательной силы их аналогов черного ящика.

Итак, стоит ли ИИ-аналитика затраченных усилий?

Несмотря на то, что аналитику искусственного интеллекта сложно внедрить, и не каждая организация преуспевает в этом, преимущества успешного развертывания многочисленны. В этом быстро меняющемся мире, где конкуренция усиливается, компании не могут позволить себе тратить месяцы на ответы на стратегические вопросы с использованием традиционной аналитики. Они уступят свои позиции на рынке компаниям, которые полагаются на анализ данных с помощью ИИ и могут достичь тех же результатов гораздо быстрее.

Посмотрите на временные рамки, описанные Джеймсом Кроуфордом, главным исполнительным директором Orbital Insight, инновационного стартапа в области искусственного интеллекта: «Мы хотим сократить это время до часа или около того, когда речь идет о чем-то, что происходит в физическом мире».

А сколько времени вы сейчас тратите на задачи аналитики? Если вы хотите улучшить свои возможности принятия решений и получить другие преимущества аналитики ИИ, свяжитесь с надежным консультантом по аналитике больших данных, который поможет вам извлечь максимальную пользу из ваших данных.

Вы заинтересованы в расширении своего бизнеса с помощью ИИ-аналитики? Связаться! Мы разработаем лучший подход для вашего бюджета и вариантов использования, поможем с обучением модели и позаботимся о том, чтобы алгоритмы были беспристрастными.

Первоначально опубликовано на https://itrexgroup.com 13 декабря 2022 г.