الذكاء الاصطناعي والتحليلات التنبؤية: ماذا يخبئ المستقبل؟

سيكون للتقدم في الذكاء الاصطناعي والتحليلات التنبؤية تداعيات تتجاوز القدرات التكنولوجية للأعمال. ستواجه المنظمات تحديات جديدة من حيث المهارات والتنفيذ والمزيد. كيف يمكن للمسوقين الاستعداد للتغيير؟

في هذه السلسلة ، رأينا كيف أن التقدم التطوري لصناعة التحليلات يؤدي بشكل طبيعي إلى تكامل الذكاء الاصطناعي (AI) لإنشاء نماذج تنبؤية دقيقة.

في المقالة الأولى ، استكشفنا إمكانات الذكاء الاصطناعي والتحليلات التنبؤية كأدوات تسويقية ، مدفوعة بالتحسينات التكنولوجية التي انتقلت من الأتمتة القائمة على القواعد إلى شيء أقرب إلى الإحساس. نرى أمثلة على ذلك في كل مكان ، من تطبيقات مثل Waze من Google إلى الحماية من الاحتيال المالي والتوصيات المخصصة على Amazon.

ترتكز المقالة الثانية من السلسلة على حالات استخدام ملموسة لهذه التكنولوجيا ، حيث تعرض مجموعة متنوعة من الشركات التي استخدمت التعلم الآلي والذكاء الاصطناعي للتنبؤ بسلوكيات المستهلكين وتحقيق نتائج أعمال أفضل. هذه الفرص مفتوحة لجميع الشركات الآن ، لكن اغتنامها مهمة أكثر تعقيدًا من مجرد شراء بعض البرامج الجديدة.

ستركز المقالة الثالثة والأخيرة من سلسلتنا على مستقبل التحليلات التنبؤية والتحديات التي تواجه الصناعة.

تحديات التنفيذ

على الرغم من أنه قد يبدو أمرًا لا مفر منه أن يتم تبني مثل هذه الأداة التجارية القوية بشكل جماعي ، إلا أن الواقع أكثر دقة من ذلك. يرغب المسؤولون التنفيذيون في اتخاذ قرارات أكثر ذكاءً وأسرع ، ولكن هناك نوعًا ما من أرجوحة الأسلاك العالية في موازنة البيانات والأشخاص والتكنولوجيا عندما يتعلق الأمر بتحويل الأعمال إلى نموذج تحليلات تنبؤية يعتمد على الذكاء الاصطناعي.

يتطلب تطبيق هذه التكنولوجيا تحولًا أيديولوجيًا للشركات ، وليس فقط استثمار رأس المال ، كما أن تدريب الموظفين من الألف إلى الياء في تحليلات البيانات أمر ضروري.

يأتي هذا في وقت يبدو أن ثقة المديرين التنفيذيين في الخبرة الرقمية لمنظمتهم تنخفض. يُظهر أحدث استبيان حول معدل الذكاء الرقمي أجرته شركة برايس ووترهاوس كوبرز انخفاضًا في ثقة المديرين التنفيذيين في قدرات فريقهم:

مستوى الخبرة لا ينخفض. تتغير الصناعة ببساطة بسرعة كبيرة بحيث لا يواكبها الموظفون.

لذلك ، إذا كانت التحليلات التنبؤية التي تعتمد على الذكاء الاصطناعي ستحتل موقعًا مركزيًا في صندوق أدوات CIO / CMO ، فسيلزم التغلب على بعض العقبات الكبيرة.

ضمن هذا الجزء الأخير من سلسلتنا حول التحليلات التنبؤية ، سنحدد بعض التحديات التي تواجه هذه الصناعة في المستقبل ، قبل مناقشة الحلول التي يمكن للشركات البدء في تنفيذها اليوم.

جودة البيانات

في استطلاع حديث أجرته شركة Protoviti لكبار المسؤولين التنفيذيين ، صنفت البيانات على أنها أكبر مانع للتبني الواسع النطاق للتحليلات التنبؤية داخل الشركات. كانت الجودة واحدة من أهم المعدلات المستخدمة لإضافة خصوصية لمصطلح غامض مثل "البيانات".

حتى "الجودة" تتطلب مزيدًا من التعريف قبل أن نتمكن من اتخاذ قرار بشأن كيفية مواجهة مثل هذا التحدي الهائل.

ستكون البيانات عالية الجودة متسقة في شكلها (حتى على نطاق واسع) ، وتعكس سيناريو العالم الحقيقي الذي تصفه ، وستتيح إجراء بحث موثوق به وقابل للتكرار.

يمكننا أن نأخذ كمثال مجموعة بيانات عن رحلات القطارات المغادرة من Waterloo من 2010-2014 والتي تحتوي على فجوات عبر الأطر الزمنية وتستخدم اصطلاحات تسمية غير متسقة. يعاني البشر من فجوات في مجموعات البيانات مثل هذه ، لكن يمكننا التكيف وربما حتى شراء البيانات من مكان آخر. لا يمكن للذكاء الاصطناعي ببساطة العمل مع بيانات غير مكتملة مثل هذه ، حيث يمكنه العمل فقط مع ما يتم إدخاله في النظام.

يمكن لأفضل تقنيات الذكاء الاصطناعي في العالم الاستفادة من البيانات التي نقدمها فقط ، لذلك من الضروري أن تدرك الشركات هذه المخاطر المحتملة وأن تعرف كيفية تجنبها. تعني المزيد من البيانات عادةً نتائج أفضل من التحليلات التنبؤية التي تعتمد على الذكاء الاصطناعي ، ولكن يجب أن تكون البيانات الصحيحة للإجابة على مشكلة العمل التي تهدف إلى حلها.

يعد وجود الفريق المناسب في المكان المناسب طريقة رائعة للبدء في هذا المسار.

التوظيف والتدريب للمهارات الصحيحة

تزداد تكنولوجيا التحليلات التنبؤية تطورًا ، لكن مستوى المعرفة داخل الصناعة لا يتقدم بالضرورة بنفس الوتيرة.

وجد تقرير Capgemini أن 77٪ من الشركات ترى أن الافتقار إلى المهارات المناسبة هو أكبر عقبة أمام التحول الرقمي الناجح:

ذهب تقرير ClickZ بشكل أعمق لتحديد مجالات المهارات التي كانت مرغوبة أكثر ، مقارنة بمستوى التطور الحالي داخل المنظمات.

لم يكن مفاجئًا أن نرى التحليلات تُصنف على أنها المهارة الأكثر أهمية ، نظرًا لإمكانية استخدامها في كل وظيفة تسويقية. ربما كان الأمر أكثر إثارة للدهشة أن نرى التحليلات هي المنطقة التي بها فجوة مهارات أكبر.

المصدر: ClickZ

تشمل التحليلات مجموعة متنوعة من التقنيات وأنواع التحقيق في البيانات. تقع معظم الأعمال التحليلية التي يتم إجراؤها اليوم تحت شعار إما وصفي (ماذا حدث؟) أو استكشافي (لماذا حدث ذلك؟).

على الرغم من أن مستوى المهارة اللازم لتشغيل التكنولوجيا وراء أنظمة التحليلات التنبؤية المستقبلية من المرجح أن ينخفض ​​بمرور الوقت ، إلا أن الشركات لا تزال بحاجة إلى التأكد من أن موظفيها لديهم معرفة مفصلة بتحليلات البيانات قبل الاستثمار في بعض أنظمة الذكاء الاصطناعي الجديدة والمثيرة.

لحسن الحظ ، هناك الكثير من الموارد والمؤهلات للمساعدة في هذا التدريب ، طالما أن الشركات على استعداد للاستثمار. يجب اعتبار كل من النظرية والتطبيق من المكونات الأساسية لهذا التدريب.

في Analytics: How to Win with Intelligence ، يفترض المؤلفون أنه يجب إنشاء مركز تحليلات متميز في شركات أكبر ، على أن يكون رئيس القسم مسؤولاً أمام كبير التكنولوجيا:

الهدف من هذا النهج هو إعطاء التحليلات قاعدة محددة بوضوح يمكن لخبرائها من خلالها تعليم الآخرين داخل المنظمة.

ومع ذلك ، يمكننا النظر إلى هذا من منظور آخر. لا يحتاج كل فرد في فريق التسويق إلى معرفة الأعمال الداخلية لمنصة التحليلات من أجل الاستفادة منها. يصبح هذا صحيحًا بشكل متزايد حيث أصبحت هذه الأنظمة الأساسية تعتمد على التعلم الآلي لإنشاء نماذج تنبؤية.

بغض النظر: لا تزال قاعدة المعرفة الواسعة ضرورية . بدون القدرة على طرح الأسئلة الصحيحة أو معرفة ما تستطيع التكنولوجيا فعله (وما لا تستطيعه) ، لن تكون المخرجات مناسبة للغرض.

لذلك هناك مدرسة فكرية متنامية أن خلفيات الفنون الحرة ستكون مكملاً متزايد الأهمية للإحصائيين والمهندسين. ستكون القدرة على طرح الأسئلة الصحيحة كإطار للفرضية ثم التحقيق في النتائج ضرورية ، وكذلك المهارات الأكثر ليونة المطلوبة لتقديمها إلى كبار أصحاب المصلحة.

في الأساس ، يتطلب الأمر قرية للحصول على التحليلات في الوقت الحاضر. لكن التأكد من أن جودة بياناتك مناسبة للغرض وأن لديك مجموعة مهارات متوازنة في فريق التحليلات الخاص بك يعد بداية رائعة.

إدارة البيانات

لا يوجد نقص في البيانات في العصر الحديث ، وستزداد الكميات فقط مع استمرار أجهزة إنترنت الأشياء (IoT) في شق طريقها إلى المنازل في جميع أنحاء العالم.

تمتلك كل شركة مصدرًا مربحًا محتملًا لبيانات الملكية والجهات الخارجية في متناول أيديهم. الحلول المستندة إلى السحابة ، والتي يمكنها تخزين البيانات عن بعد بكميات ضخمة ، تقطع شوطا ما في الإجابة على سؤال حول مكان الاحتفاظ بالبيانات.

ومع ذلك ، حتى إذا كانت الشركة تستخدم مستودع بيانات مثل Hadoop ، فلا يزال يتعين نقل المعلومات إلى منصة تحليلات وتحويلها إلى رؤى عبر النماذج الإحصائية.

لا يزال السؤال حول كيفية ضمان مواكبة منصات التحليلات وأنظمة الذكاء الاصطناعي لغزًا للعديد من الشركات.

هناك تحديات أخرى مع إدارة البيانات أيضًا - من التنقيب عن البيانات إلى التخزين وفي النهاية تحويل المعلومات إلى رؤية مفيدة.

لخصت ورقة عام 2013 أعدها علماء من جامعة جورج واشنطن والجامعة الأمريكية ، بعنوان البيانات الضخمة: القضايا والتحديات التي تمضي قدمًا ، هذه القضايا المحتملة:

مع الإطلاق القادم للائحة الاتحاد الأوروبي الخاصة باللائحة العامة لحماية البيانات (GDPR) ، أصبحت هذه الأسئلة أكثر أهمية من أي وقت مضى. تقع على عاتق الشركة مسؤولية التأكد من أن جميع البيانات متوافقة مع القوانين المحلية والتخلص بأمان من البيانات التي لا تمتثل.

إذا كان هناك شيء واحد مؤكد ، فلا يمكننا ترك الأمر للذكاء الاصطناعي لإجراء هذه المكالمات. ستقوم النماذج التنبؤية للذكاء الاصطناعي بتقييم أي بيانات تاريخية يتم تقديمها لهم ، وإذا لاحظت الشركة لاحقًا أن البيانات الخاطئة قد تم إدخالها في منصة تحليلات الذكاء الاصطناعي الخاصة بها ، فإن أي استنتاجات توصلت إليها يجب اعتبارها غير صالحة.

إن تتبع خطوات مثل هذه الحسابات المعقدة وتصحيح أي متغيرات غير مرغوب فيها سيثبت أنه مهمة مستحيلة. نتيجة لذلك ، يجب أن تكون أي شركة تخطط لإدخال البيانات الضخمة في نموذج تنبؤي قائم على الذكاء الاصطناعي حذرة فيما يتعلق بمصادر البيانات الخاصة بها.

الصورة: ويكيميديا

مسئولية

تعمل هذه الفئة كمصطلح شامل لمجموعة من التحديات الصغيرة - ولكنها لا تزال مهمة -.

للذكاء الاصطناعي والتحليلات التنبؤية أدوار مهمة ومحددة بوضوح في صناعات مثل الرعاية الصحية. يرى 80٪ من قادة المستشفيات هذا المجال على أنه "مهم" ، ومن السهل معرفة السبب. أي أداة يمكنها اكتشاف الأنماط التاريخية المتعلقة بالأمراض والتنبؤ بسلوكها المستقبلي ستثبت أنها لا تقدر بثمن في هذا المجال.

القضية ليست واضحة تمامًا عند تطبيقها على التسويق. لا شك أنه يمكننا جميعًا الاستفادة من تنبؤات دقيقة مبنية على الماضي. هذا ينطبق على المجتمع بأسره ، في الواقع.

ومع ذلك ، هناك حجة مفادها أن للنمذجة التنبؤية بعض القيود في صناعة تزدهر بالأفكار الجديدة. إغراء أنظمة الذكاء الاصطناعي المتطورة والنماذج التنبؤية هو التخلي عن السيطرة والالتزام بما نعلم أنه سيستمر في تحقيق النمو.

بالإضافة إلى ذلك ، يمكن أن تصبح التحليلات التنبؤية نبوءة تتحقق من تلقاء نفسها. نرى أنه من المتوقع أن تتحول رسالة أو منتج أو شريحة جمهور معينة بمعدل أعلى ، لذلك نحول الميزانية للاستفادة من ذلك. إذا تحقق التوقع ، فهل هذا بسبب دقة التوقع ، أم لأننا عملنا على جعله دقيقًا؟

أخيرًا ، يجب أن ننظر في دور الإبداع البشري في هذه العملية. كما ناقشنا في مقالتنا حول إنشاء المحتوى المدفوع بالذكاء الاصطناعي ، فإن القدرة البشرية على الابتكار وابتكار حلول إبداعية جديدة لا يمكن للذكاء الاصطناعي إتقانها بعد. على هذا النحو ، نحن بحاجة إلى استخدام التكنولوجيا لتحرير فرقنا لتحقيق أقصى استفادة من قدرتها على وضع الإستراتيجيات على المدى الطويل.

كما هو الحال مع أي تقنية ذكاء اصطناعي ، فإن أحد أهم عوامل النجاح هو الدور الذي سيلعبه الأشخاص لتحقيق أقصى استفادة من الأدوات المتاحة لهم. بالنظر على وجه التحديد إلى التحليلات التنبؤية ، فهذا يعني ضمان التوازن الصحيح بين بيانات الجودة وأفضل التقنيات والأشخاص الذين لديهم القدرة على معرفة قيود التكنولوجيا.

هذا يختتم سلسلتنا المكونة من ثلاثة أجزاء حول الذكاء الاصطناعي والتحليلات التنبؤية. إذا فاتتك القسطتين السابقتين ، فاتبع الروابط أدناه للحصول على ملخص:

• كيف يمكن للذكاء الاصطناعي أن يسمح للمسوقين بالتنبؤ بالمستقبل؟
• 5 شركات تستخدم الذكاء الاصطناعي للتنبؤ بالمستقبل والأرباح