5 tools voor het genereren van inkomsten met gegevens die AI-initiatieven helpen

Succesvolle kunstmatige-intelligentieprogramma’s zijn afhankelijk van capaciteiten die tijd nodig hebben om tot stand te brengen. Hierdoor kan het bouwen van AI-programma’s een ontmoedigende taak lijken.

Volgens onderzoekers van het MIT Center for Information Systems Research is de sleutel om een ​​ondernemingsperspectief te nemen – in plaats van lokaal – terwijl AI-projectteams leren en volwassen worden. Wanneer bedrijven expertise en praktijken van hun AI-teams identificeren en verzamelen, kunnen ze herbruikbare en verfijnbare praktijken creëren en capaciteit opbouwen. Dit versnelt nieuwe AI-projecten en maakt toekomstige teams klaar voor succes.

Volgens een nieuwe onderzoeksbriefing van Barbara Wixom, Ida Someh, zijn bedrijven beter uitgerust voor AI-programma’s als ze geavanceerde vaardigheden hebben voor het genereren van inkomsten met bedrijfsgegevens op vijf gebieden: datawetenschap, gegevensbeheer, gegevensplatforms, klantinzicht en acceptabel gegevensgebruik. en Cynthia Beath.

De vijf vaardigheden zijn onderling afhankelijk, ontdekten de onderzoekers, en bedrijven moeten op alle vijf gebieden vergelijkbare volwassenheidsniveaus ontwikkelen om rendement uit gegevens te kunnen halen.

De onderzoekers keken met name hoe Microsoft zijn datacapaciteiten koppelde om in 2015 een nieuw AI-programma te bouwen. De Real Estate and Facilities-groep van het bedrijf, die verantwoordelijk was voor 190.000 mensen die in meer dan 600 gebouwen werkten, maakte gebruik van zijn datamogelijkheden om AI-programma’s te bouwen die de kosten van bouwfaciliteiten verlaagden. De programma’s zouden dan binnen Microsoft worden ingezet en aan externe klanten worden aangeboden.

Zo zagen de vijf vaardigheden eruit bij Microsoft:

datawetenschap

De onderzoekers ontdekten dat bedrijven geavanceerde datawetenschapscapaciteiten nodig hebben, dat wil zeggen de mensen, processen en technologie om machine learning-modellen te bouwen, trainen, implementeren en beheren. Bij Microsoft hielp een team van ongeveer 20 datawetenschappers de Real Estate and Facilities-groep bij het identificeren van problemen die AI kon oplossen, zoals het gebruik van machine learning-technieken om te begrijpen hoe ruimte werd gebruikt en om mogelijkheden te vinden om de kosten te verlagen. De datawetenschappers ontwikkelden een model dat hergebruikt kan worden voor zaken als gebouw- en parkeergarageoptimalisatie.

Gegevensbeheer

Om AI-modellen te ontwikkelen, hebben bedrijven de mogelijkheid nodig om datasets samen te stellen die nauwkeurig, alomvattend, omvangrijk, dynamisch en goed begrepen zijn. Het projectteam van Microsoft identificeerde de gegevens die nodig waren om machine learning-modellen te trainen en verzamelde, opgeschoond en gevalideerd de gegevens. Ook integreerden de datawetenschappers data over faciliteiten met externe data, zoals weersinformatie.

gerelateerde artikelen

Gegevensplatforms

Bedrijven hebben een schaalbaar, on-demand platform zoals een datameer nodig om als gecentraliseerde opslagplaats te dienen. Bij Microsoft heeft het team een ​​datameer gecreëerd om gegevens op te slaan en te analyseren en het intern delen van gegevens te stimuleren. Toen het bedrijf uiteindelijk klantenservice creëerde op basis van hun AI-modellen, werkten ze aan het bieden van toegang tot data lakes aan externe gebruikers.

Klant begrip

Bedrijven moeten interne en externe klanten betrekken bij het trainen en ontwikkelen van AI-modellen en uiteindelijk bij het maken van producten. Het Microsoft-team besprak de resultaten met belangrijke belanghebbenden zoals facility managers en projectsponsors om hun perspectief te krijgen. Toen bleek dat de AI-programma’s een potentiële commerciële toepassing hadden, werkten ze samen met klanten en het adviesteam van Microsoft om dat product te ontwikkelen.

Aanvaardbaar datagebruik

Bedrijven moeten gegevensbeschermingspraktijken invoeren – idealiter wrijvingsloos toezicht dat het beslissingsrisico, vooringenomenheid en onbedoelde gevolgen minimaliseert. En wanneer gegevens commercieel worden gebruikt, moeten de gegevensbeschermingspraktijken worden opgeschaald. Microsoft realiseerde zich bijvoorbeeld dat het combineren van gegevens op nieuwe manieren de mogelijkheid creëerde om individuele identiteiten te reverse-engineeren, dus het team zorgde ervoor dat privacy- en beveiligingspraktijken werden ingevoerd.

Lees de briefing

Volgende lezen: het is tijd om uw inzet voor data ‘radicaal te escaleren’

Leave a Comment