W dobie BIG DATA tradycyjne narzędzia analityczne okazują się być niewystarczające. Trudno bowiem za ich pomocą kompleksowo analizować dane, których ilość rośnie w błyskawicznym tempie i odkrywać istniejące między nimi korelacje.

Data dodania: 2017-03-24

Wyświetleń: 901

Przedrukowań: 0

Głosy dodatnie: 0

Głosy ujemne: 0

WIEDZA

0 Ocena

Licencja: Creative Commons

Sztuczna inteligencja w służbie BIG DATA

By nie zginąć w informacyjnym szumie i w pełni korzystać z zebranych danych, konieczne są narzędzia pozwalające na ich automatyczną analizę. Jednym z nich jest machine learning, na którego implementację, zgodnie z badaniami IDC, przedsiębiorstwa wydadzą w 2020 roku aż 47 miliardów dolarów.

Inteligentne maszyny

Machine learning, czyli uczenie maszynowe, jest metodą samouczenia się maszyn na podstawie analizy przechowywanych danych i odnajdywania zawartych w nich wzorców. Rozwiązania machine learning stanowią podstawę sztucznej inteligencji, przydatnej szczególnie w zakresie zaawansowanej analityki predykcyjnej i normatywnej. Służy ona optymalnemu i racjonalnemu przewidywaniu rezultatów i podejmowaniu decyzji bez konieczności wcześniejszego zaprogramowania „procesu myślowego” maszyny przez człowieka. Dzięki machine learning analiza przechowywanych danych odbywa się w sposób całkowicie zautomatyzowany i autonomiczny. Koncepcja uczenia maszynowego, choć znana jest już od dziesięcioleci, na znaczeniu zyskuje szczególnie teraz – gdy firmy i przedsiębiorstwa zmuszone są do analizowania coraz większych ilości przechowywanych danych, pochodzących z wielu różnych źródeł.  

Korzyści dla firm

Wykorzystanie machine learning podczas analizy przechowywanych danych wiąże się z korzyściami dla firm, działających w różnych sektorach gospodarki. Przykładowo – branża finansowa może dzięki uczeniu maszynowemu oferować klientom indywidualnie dopasowane produkty, unikając jednocześnie ryzyka związanego z możliwymi nadużyciami. W przemyśle inteligentne maszyny mogą służyć szybkiemu wykrywaniu wad i usterek w procesie produkcyjnym. W sektorze ochrony zdrowia, korzystającym coraz częściej z urządzeń wyposażonych w sensory, machine learning umożliwia diagnozowanie pacjentów w czasie rzeczywistym. Z zaawansowanej analityki matematycznej korzystają też dostawcy prądu, wody czy gazu, przetwarzający codziennie ogromne ilości danych zbieranych i przechowywanych dzięki licznikom w domach klientów.

Przyszłość machine learning

Jak pokazują wyniki raportu przygotowanego przez SAS, pomimo ogromnych korzyści związanych z wdrożeniem uczenia maszynowego, zaledwie co piąta firma zdaje sobie dziś sprawę z drzemiącego w nim potencjału. Tymczasem dzięki inteligentnym maszynom firmy gromadzą cenne dane, służące bardziej efektywnemu planowaniu strategii biznesowych i szybszemu przewidywaniu przyszłości. Inwestycja w inteligentne maszyny zdaje się być w związku z tym koniecznością dla firm chcących w najbliższej przyszłości uzyskać przewagę konkurencyjną na rynku.

Licencja: Creative Commons
0 Ocena