Uczenie się maszyn pozwala zwiększyć zyski

Uczenie się maszyn nie jest nowością. Termin ten został zdefiniowany w 1959 r. przez Arthura Lee Samuel’a – amerykańskiego pioniera w obszarze badań nad sztuczną inteligencją oraz… gier komputerowych – który określił, że jest to dziedzina nauki umożliwiająca komputerom uczenie się bez zaprogramowanych wyraźnych instrukcji.

Obecnie uczenie maszynowe zyskuje na znaczeniu w biznesie. Dzięki niemu możliwe jest kreowanie nowych – dotychczas niedostępnych – produktów, usług i kanałów sprzedaży oraz obniżenie kosztów prowadzonej działalności.

Współczesne przedsiębiorstwa każdego dnia przetwarzają ogromne ilości danych. W większości przypadków są one wykorzystywane jednorazowo i po zrealizowaniu transakcji trafiają do ewidencji w systemach informatycznych firmy, gdzie kończą swój żywot. Tymczasem w tych zapisach tkwi ogromny potencjał, który organizacja może wykorzystać, żeby poprawić swoje wyniki finansowe. Nowoczesne, powszechnie dostępne narzędzia umożliwiają swoisty „data recycling”, tj. „wtórne”, twórcze wykorzystanie danych do prowadzenia wielowymiarowej, kompleksowej, automatycznej analizy i identyfikacji obserwacji i trendów, które dotychczas pozostawały poza zasięgiem percepcji spółki. Korzystając z tego typu rozwiązań firma nie musi predefiniować jakie rezultaty spodziewa się otrzymać, czyli np. określać, że według jej wiedzy i rozeznania na sprzedaż największy wpływ mają czynniki X i Y, a zachowania klientów są zdeterminowane przede wszystkim przez okoliczności A i B.

 

Uczenie maszynowe pozwala automatycznie zidentyfikować występujące korelacje w oparciu o bieżącą analizę rzeczywistych danych.

Rezultaty niejednokrotnie mogą okazać się niespodziewane i zaskakujące, dzięki czemu przedsiębiorstwo będzie w stanie stworzyć nowy produkt, usługę, dostrzec nową grupę klientów lub kanał sprzedaży albo zmodyfikować swój model biznesowy tak, żeby był bardziej efektywny kosztowo oraz lepiej dostosowany do zaspokojenia nieznanych wcześniej oczekiwań klientów. Przykładem wykorzystania wyników otrzymanych dzięki uczeniu maszynowemu może być np.:

Spersonalizowanie działań marketingowych i oferty kierowanej do najbardziej znaczących klientów firmy działającej w sektorze usług finansowych (w tym np. uruchomienie usługi concierge), co pozwoli zwiększyć sprzedaż do tej grupy odbiorców oraz poprawić konwersję (skuteczność) wydatków na reklamę i marketing.

Dokładniejsze planowanie zapotrzebowania odbiorców na energię elektryczną, co może przyczynić się do zmniejszenia strat przesyłowych, lepszego zaplanowania wyłączeń linii elektroenergetycznych, obniżenia kosztów eksploatacji sieci i optymalizacji inwestycji w tym zakresie.

Opracowanie i wdrożenie nowych lub modyfikacja istniejących specjalistycznych usług w sektorze ochrony zdrowia, co pozwoli lepiej dostosować je do charakterystyki poszczególnych grup pacjentów, np. w zakresie badań na które są kierowani.

Powyższe propozycje to tylko nieliczne przykłady ilustrujące ogromne możliwości jakie daje przedsiębiorstwom wykorzystanie uczenia maszynowego. Rzeczywista skala korzyści, które zostaną dzięki niemu osiągnięte zależy od samych spółek, ich chęci i zdolności uczenia się, wyciągania wniosków i podejmowania działań w oparciu o uzyskane wyniki analizy. Należy jednak podkreślić, że aby korzyści w ogóle były możliwe, firmy muszą zmienić swoje „tradycyjne” podejście do danych i włączyć ich analizę jako stały element prowadzonej działalności.

 

Obserwuj nas