AI și analiză predictivă: ce ne rezervă viitorul?

Progresele în AI și analiza predictivă vor avea ramificații dincolo de capacitățile tehnologice ale afacerii. Organizațiile se vor confrunta cu noi provocări în ceea ce privește competențele, implementarea și multe altele. Cum se pot pregăti marketerii pentru schimbare?

În această serie am văzut cum progresul evolutiv al industriei de analiză duce în mod natural la integrarea inteligenței artificiale (AI) pentru a crea modele predictive precise.

În primul articol, am explorat potențialul AI și al analizei predictive ca instrumente de marketing , determinate de îmbunătățiri tehnologice care au trecut de la automatizarea bazată pe reguli la ceva mai aproape de sensibilitate. Vedem exemple în acest sens peste tot, de la aplicații precum Waze de la Google, până la protecția împotriva fraudelor financiare și recomandările personalizate de pe Amazon.

Al doilea articol al seriei s-a bazat pe cazuri concrete de utilizare pentru această tehnologie , prezentând o mare varietate de companii care au folosit învățarea automată și inteligența artificială pentru a prezice comportamentele consumatorilor și pentru a crea rezultate mai bune în afaceri. Aceste oportunități sunt deschise pentru toate companiile acum, dar exploatarea lor este o sarcină mai complexă decât simpla achiziție de software nou.

Al treilea și ultimul articol al seriei noastre se va concentra pe viitorul analizei predictive și pe provocările cu care se confruntă industria.

Provocări de implementare

Deși poate părea inevitabil ca un instrument de afaceri atât de puternic să fie adoptat în masă, realitatea este mai nuanțată decât atât. Directorii doresc decizii mai inteligente și mai rapide, dar există ceva de mare trapez în echilibrarea datelor, a oamenilor și a tehnologiei atunci când vine vorba de transformarea unei afaceri într-un model de analiză predictivă bazat pe inteligență artificială.

Implementarea acestei tehnologii necesită o schimbare ideologică pentru afaceri, nu doar investiții de capital, iar pregătirea personalului de la zero în analiza datelor este imperativă.

Acest lucru vine într-un moment în care încrederea directorilor în expertiza digitală a organizației lor pare să scadă. Cel mai recent sondaj Digital IQ de la PwC arată o scădere a încrederii directorilor în abilitățile echipei lor:

Nivelul de expertiză nu scade; industria se schimbă pur și simplu atât de repede încât personalul nu ține pasul.

Prin urmare, dacă analiza predictivă bazată pe inteligență artificială va ocupa o poziție centrală în setul de instrumente al CIO/CMO, vor trebui depășite câteva obstacole substanțiale.

În această parte finală a seriei noastre de analiză predictivă, vom sublinia câteva dintre provocările cu care se confruntă această industrie în viitor, înainte de a discuta soluțiile pe care companiile pot începe să le implementeze astăzi.

Calitatea datelor

Într-un sondaj recent efectuat de Protoviti asupra directorilor seniori, datele s-au clasat drept cel mai mare inhibitor al adoptării pe scară largă a analizei predictive în cadrul companiilor. Calitatea a fost unul dintre cei mai importanți modificatori folosiți pentru a adăuga specificitate unui termen la fel de nebulos precum „date”.

Chiar și „calitate” necesită o definiție suplimentară înainte de a ne putea decide cum să abordăm o astfel de provocare uriașă.

Datele de înaltă calitate vor fi consecvente în formatul lor (chiar și la scară semnificativă), reflectând scenariul real pe care îl descrie și vor permite o cercetare fiabilă și reproductibilă.

Putem lua ca exemplu un set de date despre plecările trenurilor din Waterloo din 2010-2014, care conține lacune între intervale de timp și utilizează convenții de numire inconsecvente. Oamenii se luptă cu lacune în seturi de date ca acesta, dar ne putem adapta și poate chiar să obținem datele din altă parte. Inteligența artificială pur și simplu nu poate funcționa cu date incomplete ca aceasta, deoarece poate funcționa doar cu ceea ce este introdus în sistem.

Cele mai bune tehnologii AI din lume pot folosi doar datele pe care le furnizăm, așa că este esențial ca întreprinderile să fie conștiente de aceste potențiale capcane și să știe cum să le evite. Mai multe date înseamnă de obicei rezultate mai bune din analiza predictivă bazată pe inteligență artificială, dar trebuie să fie datele potrivite pentru a răspunde problemei de afaceri pe care doriți să o rezolvați.

A avea echipa potrivită este o modalitate excelentă de a începe pe această cale.

Recrutare și formare pentru abilitățile potrivite

Tehnologia de analiză predictivă este în creștere, dar nivelul de cunoștințe din industrie nu avansează neapărat în același ritm.

Un raport Capgemini a constatat că 77% dintre companii consideră că lipsa competențelor potrivite este cel mai mare obstacol în calea transformării digitale de succes:

Un raport ClickZ a mers mai profund pentru a identifica domeniile de competențe care erau cele mai de dorit, în comparație cu nivelul lor actual de sofisticare în cadrul organizațiilor.

Nu a fost o surpriză să vedem analiza ca cea mai importantă abilitate, având în vedere potențialul său de utilizare în fiecare funcție de marketing. A fost poate puțin mai surprinzător să vedem analytics ca zona cu cel mai mare deficit de competențe.

Sursa: ClickZ

Analytics cuprinde o varietate de tehnici și tipuri de investigare a datelor. Majoritatea lucrărilor analitice întreprinse astăzi se încadrează fie sub stindardul fie descriptiv (ce s-a întâmplat?) fie exploratorie (de ce s-a întâmplat?).

Deși nivelul de calificare necesar pentru a opera tehnologia din spatele viitoarelor sisteme de analiză predictivă va scădea probabil în timp, companiile trebuie totuși să se asigure că personalul lor are cunoștințe detaliate despre analiza datelor înainte de a investi în unele sisteme noi și interesante de inteligență artificială.

Din fericire, există resurse și calificări abundente pentru a ajuta cu această formare, atâta timp cât companiile sunt dispuse să investească. Atât teoria, cât și practica ar trebui considerate componente fundamentale ale acestei instruiri.

În Analytics: Cum să câștigi cu inteligența , autorii susțin că un Centru de excelență de analiză ar trebui format în companiile mai mari, cu șeful de departament raportând la CTO:

Scopul acestei abordări este de a oferi analizei o bază clar definită de la care experții săi îi pot preda pe alții din cadrul organizației.

Putem privi acest lucru dintr-o altă perspectivă, totuși. Nu toată lumea dintr-o echipă de marketing trebuie să cunoască funcționarea internă a unei platforme de analiză pentru a beneficia de ea. Acest lucru devine din ce în ce mai adevărat pe măsură ce aceste platforme devin dependente de învățarea automată pentru a crea modele predictive.

Indiferent: o bază largă de cunoștințe este încă esențială . Fără a avea capacitatea de a pune întrebările potrivite sau de a ști de ce este capabilă tehnologia (și de ce nu este capabilă), rezultatele nu vor fi potrivite scopului.

Prin urmare, există o școală în creștere de gândire conform căreia mediile de arte liberale vor fi o completare din ce în ce mai importantă pentru statisticieni și ingineri. Capacitatea de a pune întrebările potrivite ca cadru pentru o ipoteză și apoi de a investiga concluziile va fi esențială, la fel ca și abilitățile mai delicate necesare pentru a le prezenta părților interesate seniori.

În esență, este nevoie de un sat pentru a obține analize chiar în zilele noastre. Dar să vă asigurați că calitatea datelor dvs. este potrivită scopului și că aveți un echilibru de aptitudini în echipa dvs. de analiză este un început excelent.

Management de date

Nu există lipsă de date în epoca modernă, iar cantitățile vor crește doar pe măsură ce dispozitivele Internet of Things (IoT) continuă să-și facă drum în casele din întreaga lume.

Fiecare companie are la îndemână o sursă potențial profitabilă de date proprietare și terță parte. Soluțiile bazate pe cloud, care pot stoca date de la distanță în cantități uriașe, răspund într-un fel la întrebarea unde ar trebui păstrate datele.

Cu toate acestea, chiar dacă o afacere folosește un depozit de date precum Hadoop, informațiile trebuie totuși transferate pe o platformă de analiză și transformate în informații prin modele statistice.

Întrebarea cum să ne asigurăm exact că platformele de analiză și sistemele AI țin pasul rămâne un puzzle pentru multe companii.

Există și alte provocări în ceea ce privește gestionarea datelor – de la extragerea datelor la stocare și, în cele din urmă, la transformarea informațiilor în informații utile.

O lucrare din 2013 a oamenilor de știință de la Universitatea George Washington și Universitatea Americană, intitulată Big Data: Issues and Challenges Moving Forward, a rezumat aceste probleme potențiale:

Odată cu lansarea viitoare a regulamentului GDPR al UE , aceste întrebări sunt mai importante decât oricând. Este responsabilitatea unei companii să se asigure că toate datele sunt conforme cu legile locale și să elimine în siguranță datele care nu sunt conforme.

Dacă un lucru este sigur, nu putem lăsa în seama AI să efectueze aceste apeluri. Modelele predictive AI vor evalua orice date istorice care le sunt prezentate și, în cazul în care o companie observă ulterior că au fost introduse date eronate în platforma lor de analiză AI, orice concluzie la care a ajuns va trebui să fie considerată nevalidă.

Retracția pașilor unor astfel de calcule complexe și depanarea oricăror variabile nedorite s-ar dovedi o sarcină imposibilă. Drept urmare, orice companie care intenționează să introducă date mari într-un model predictiv bazat pe inteligență artificială ar trebui să fie precaută cu sursele de date.

Imagine: Wikimedia

Responsabilitate

Această categorie servește ca termen-umbrelă pentru o serie de provocări minore – dar încă importante.

Inteligența artificială și analiza predictivă au roluri clar definite și importante în industrii precum asistența medicală. 80% dintre liderii spitalelor consideră acest domeniu „important” și este ușor de înțeles de ce. Orice instrument care poate identifica modele istorice legate de boli și poate prezice comportamentul lor viitor se va dovedi neprețuit în acest domeniu.

Cazul nu este chiar atât de clar atunci când este aplicat marketingului. Fără îndoială, toți am putea beneficia de predicții precise bazate pe trecut. De fapt, asta se aplică întregii societăți.

Cu toate acestea, există un argument că modelarea predictivă are unele limitări într-o industrie care prosperă pe idei noi. Tentația sistemelor AI sofisticate și a modelelor predictive este de a ceda controlul și de a rămâne la ceea ce știm că va continua să crească.

În plus, analiza predictivă poate deveni o profeție care se împlinește singur. Vedem că un anumit mesaj, produs sau segment de public este proiectat să se conversie la o rată mai mare, așa că modificăm bugetul pentru a valorifica acest lucru. Dacă predicția se realizează, este pentru că predicția a fost corectă sau pentru că am acționat pentru a o face exactă?

În cele din urmă, ar trebui să luăm în considerare rolul creativității umane în acest proces. Așa cum am discutat în articolul nostru despre crearea de conținut bazată pe inteligență artificială, capacitatea umană de a inova și de a crea soluții noi, creative este una pe care AI nu poate să o stăpânească încă. Ca atare, trebuie să folosim tehnologia pentru a elibera echipele noastre pentru a profita la maximum de capacitatea lor de a elabora strategii pe termen lung.

Ca și în cazul oricărei tehnologii AI, unul dintre cei mai importanți factori pentru succes este rolul pe care oamenii îl vor juca pentru a profita la maximum de instrumentele pe care le au la dispoziție. Privind în mod special la analiza predictivă, aceasta înseamnă asigurarea echilibrului corect între datele de calitate, cea mai bună tehnologie și oamenii cu capacitatea de a cunoaște limitele tehnologiei.

Aceasta încheie seria noastră în trei părți despre AI și analiza predictivă. Dacă ați ratat cele două tranșe anterioare, urmați linkurile de mai jos pentru o recapitulare:

• Cum poate AI să permită marketerilor să prezică viitorul?
• 5 companii care folosesc AI pentru a prezice viitorul și profitul