Az automatizálás kritikus fontosságú vállalkozása számára

Az automatizálás a kulcsa a nagy, fenntartható előnyök kibontakoztatásának a cégeknél az ágazatok között.

A nagy adatból nagy semmi lehet stratégiai automatizálási megközelítés nélkül.

Egyrészt az információgazdagság mámorító korszakát éljük, soha nem látott mennyiségű adat áll rendelkezésre a berendezések teljesítményétől a fogyasztói közösségi média viselkedéséig (a globális polgárok több mint fele a közösségi médiában van). Átgondolt automatizálás – gépek és algoritmusok használata a rendelkezésre álló adatok kezelésére, feldolgozására és elemzésére – nélkül azonban az Ön vállalkozása nagy potenciális lehetőségektől esik el.

Ha jól sikerült, az automatizálás a „halott” nagy adatokat élő, lélegző erőforrássá alakítja át, amellyel értéknövelő hatással lehet. Így nem meglepő, hogy sok vállalkozás erre törekszik automatizálni mindent, ami automatizálható, ahogy a Google egyik vezető munkatársa mondta nemrég.

Annak érdekében, hogy segítsen gondolkodni az automatizálásról az üzleti kontextusban, bemutatom azt a három fő módszert, amellyel ez a technológia által vezérelt tevékenység segít értéket teremteni.

Az első dolog, amiben az automatizálás segít jellemző kivonás, vagy kritikus információtűket húzunk ki hatalmas szénakazalokból. Képzelje el, hogy szervezetének át kell tekintenie a szabadalmi kérelmeket egy adott technológiára és a kapcsolódó technológiákra vonatkozó információkért. Lehet, hogy több ezer vagy tízezer alkalmazást néz meg, amelyek mindegyike 30 vagy több oldalt futtat, millió és millió szóért. De ezeknek a szavaknak és a szabadalmak közötti kölcsönhatásoknak csak elenyésző hányada számít, például mitől függ a szabadalmaztatott technológia, vagy a feltalálók képzettsége és korábbi szabadalmai.

Ez a feladat tehát, mint sok más üzleti területen, nagyon kis jel-zaj arányt foglal magában, és több ezer ember munkaóráira lenne szükség a manuális elvégzéséhez – ami túlságosan költséges és időigényes. De egy gépi tanuláson alapuló algoritmust meg lehetne tanítani arra, hogy viszonylag gyorsan előállítsa a szükséges kulcsfontosságú információkat, jelentős időt és erőfeszítést takarítva meg. Sőt, mondjuk azt, hogy a jövőben ugyanabban a szabadalomcsoportban vagy kapcsolódó szabadalmakban szeretne keresni, de más információkra, például a szabadalombejelentő csapat méretére. Könnyen átprogramozhatja vagy betaníthatja az algoritmust, hogy vállalja ezt a feladatot, így méretgazdaságosságot és nagyobb megtérülést érhet el kezdeti befektetése során.

Másodszor, az automatizálás segít adatellenőrzés és -tisztítás. Az adatkészletek gyakran munkát igényelnek. Vannak hibák és hiányzó értékek, anomáliák, és néha az elfogultság bizonyítéka. Például, ha egy algoritmust arra tanítottak, hogy észrevegye a törvénysértők jellemzőit, de csak az elkapott elkövetők adatait használja, az algoritmus elfogult lesz, mert hiányoznak az el nem fogott elkövetőkre vonatkozó adatok – ez a fehérgalléros bűnözés sajátos problémája, amely általában alul kell jelenteni. Ismétlem, ennek a hatalmas számú lehetséges problémának az ellenőrzése és kezelése túl sok ahhoz, hogy kézzel kezdjük. Az automatizálás azonban lehetővé teszi a teszteléshez és tisztításhoz szükséges eszközök gyors telepítését, ezzel is időt takarítva meg, miközben értéket teremt.

Harmadszor, és ez egy nagy dolog, az automatizálás a az analitika hajtómotorja. A tegnapi egyszerű regressziós elemzések a mai fürtözési és véletlenszerű erdőkké váltak, amelyeket gépi tanulás hajt, akár a termékfelhasználók megértéséhez, akár a következő havi eladások előrejelzéséhez a készlet optimalizálása érdekében, vagy egy új reklámkampány hatásának előrejelzéséhez. A gépi alapú automatizálás nemcsak lehetővé teszi a szabványosított analitikai folyamatok alacsony költséggel történő rendszeres megismétlését, hanem olyan nemlineáris mintákat is észlel, amelyeket mi, emberek nem tudunk.

Laboratóriumom például több mint 5 millió szabadalmat tanulmányozott algoritmus-vezérelt elemzések segítségével, hogy megtudja, megjósolhatjuk-e a szabadalmi bejelentési információk alapján az úttörő jövőbeli technológiák bemutatkozását. Feltételeztük, hogy a gép azonosítani fogja a jövőbeni slágerszabadalmakat az alkalmazások adataiból, ha a találmánynak önálló, „csodaszerű” képességei vagy ötletei vannak. Végül az algoritmus nagy pontossággal megtalálta a jövő slágerszabadalmait, de nem úgy, ahogyan mi, emberek elképzeltük. Vagyis az algoritmus nem azonosított egy jövőbeli sikerszabadságot az önálló képességei alapján; hanem az alapján azonosította a találati szabadalmakat, hogy azok részei-e a fürt kapcsolt szabadalmak közül, amelyek együttesen olyan speciális problémákat tudtak megoldani, amelyeket egyetlen szabadalom sem tudott volna egyedül megoldani.

Például az ultrahang technológia nagy hatást gyakorolt ​​az egészségügyre néhány évvel az első bemutatása után, lehetővé téve a nem invazív képalkotást és olyan fizikai állapotok kezelését, mint a vesekövek, sőt bizonyos rákos megbetegedések. De ez az előrehaladás lehetetlen lett volna az alapvető technológián túlmutató, kisebb léptékű találmányok nélkül – applikátorok, statikus elektromosság-csökkentő eljárások, speciális orvosi betétek és bilincsek, amelyeket az ultrahangtechnológiától függetlenül fejlesztettek ki, mégis kulcsfontosságúak az orvostudományban való sikeres alkalmazása szempontjából. Automatizált elemzésünk megbízhatóan felismerte a kapcsolódó szabadalmak e klasztereinek létezését több mint 5 millió szabadalomban az egészségügyi termékektől a legújabb golflabda-technológiáig, és hogy ezek a klaszterek összefüggést mutattak azzal a valószínűséggel, hogy a bennük lévő szabadalmak a jövő domináns technológiáivá válnak – a következtetést korábban nem értékelték.

Északnyugati kollégám András Papachristos hasonló elemzéseket alkalmazott ennek kimutatására rendőri korrupció Chicagóban nem néhány „rossz alma” tisztből fakad, hanem a rosszhiszeműen eljáró rendőrök hálózatából; munkája lehetővé teszi az ilyen jellegű problémák korábbi felismerését.

Remélem, világossá tettem az automatizálás egymást kölcsönösen erősítő előnyeit, és azt, hogy miként segítheti az adatokat nagy, fenntartható értékké alakítani. Valójában minél több adattal rendelkezik, annál nagyobb szüksége van az automatizálásra; Ha már rendelkezik erős automatizálási képességekkel, még több adatot gyűjthet és hasznosíthat, és a ciklus folytatódik.

A lényeg: az automatizálás egyre kritikusabb képesség, és kulcsfontosságú lehet vállalkozása rövid- és hosszabb távú teljesítménye szempontjából. Fontos azonban megérteni, hogyan vezeti az értéket, és lépéseket kell tenni annak nagyon is valós árnyoldalainak mérséklésére, a vállalat és a széles közösség érdekében, amelyben működik.

A cikk második részében az automatizálás három fő hátrányát – a megmagyarázhatóságot, az átláthatóságot és a költségeket – és ezek kezelésének módját tárgyalom.