كيف يمكن لتحليلات البيانات البسيطة أن تضع بياناتك في العمل قبل أن تكون “جاهزًا لتعلم الآلة”

أصبحت البيانات الكأس المقدسة الجديدة للمؤسسات. من الشركات الناشئة الشابة إلى الشركات العملاقة منذ عقود ، تجمع الشركات عبر القطاعات (أو تأمل في جمع) كميات كبيرة من المعلومات المنظمة وشبه المهيكلة وغير المنظمة لتحسين عروضها الأساسية بالإضافة إلى تعزيز الكفاءات التشغيلية.

الفكرة التي تظهر على الفور هي تطبيق التعلم الآلي ، ولكن ليس لدى كل مؤسسة الخطة أو الموارد لبيانات الهاتف المحمول على الفور.

“نحن نعيش في وقت تقوم فيه الشركات فقط بجمع البيانات ، بغض النظر عن حالة الاستخدام أو ما سيفعلونه بها. وهذا مثير ، ولكنه أيضًا محطم للأعصاب لأن حجم البيانات التي يتم جمعها ، والطريقة التي يتم جمعها بها ، لا يتم بالضرورة دائمًا مع وضع حالة الاستخدام في الاعتبار ، “أمين كازروني ، كبير مسؤولي البيانات والتحليلات في قال Orangetheory Fitness خلال جلسة في مؤتمر VentureBeat’s Transform 2022.

بدء صغير

تشكل المشكلة عقبة رئيسية أمام النمو المدفوع بالبيانات ، ولكن وفقًا لكازروني ، لا يتعين على الشركات دائمًا السباحة في النهاية والقيام باستثمارات ضخمة في الذكاء الاصطناعي والتعلم الآلي منذ البداية. بدلاً من ذلك ، يمكنهم فقط البدء بممارسات البيانات الأساسية الصغيرة ثم التسريع.

قال المدير التنفيذي ، الذي قاد سابقًا جهود الذكاء الاصطناعي في Zappos ، إن إحدى المبادرات الأولى عند التعامل مع كميات هائلة من البيانات يجب أن تكون إنشاء لغة موحدة ومشتركة لمناقشة المعلومات التي يتم جمعها. هذا مهم لضمان أن القيمة المشتقة من البيانات تعني نفس الشيء لكل صاحب مصلحة.

“أعتقد أن الكثير من الرؤساء التنفيذيين ورؤساء التشغيل والمدراء الماليين في الشركات التي جمعت كميات كبيرة من البيانات يواجهون هذه المشكلة ، حيث يستخدم الجميع نفس الاسم للمقاييس ، ولكن تختلف القيمة اعتمادًا على مصدر البيانات الذي حصلوا عليه من . ولا ينبغي أن يكون هذا هو الحال على الإطلاق “.

بمجرد أن تصبح اللغة المشتركة جاهزة ، يجب أن تكون الخطوة التالية هي التواصل مع المديرين التنفيذيين لتحديد العمليات المتكررة التي تستغرق وقتًا طويلاً والتي يتم التعامل معها من قبل خبراء المجال الذين يمكن أن يساعدوا في مسائل البيانات الأكثر إلحاحًا. وبحسب الكازروني ، يجب أن تكون هذه العمليات مبسطة أو آلية ، الأمر الذي من شأنه إضفاء الطابع الديمقراطي على البيانات وإتاحتها لأصحاب المصلحة لاتخاذ قرارات أكثر استنارة.

“عند حدوث ذلك ، ستبدأ في رؤية فوائد بياناتك على الفور (والنظر في المشكلات الأكبر) ، دون الحاجة إلى القيام باستثمارات تكنولوجية كبيرة مقدمًا أو المضي قدمًا ، فلنجد شيئًا يمكننا تغييره في التعلم الآلي والعمل للخلف منه هذا ، قال المسؤول التنفيذي.

نهج مركزية وتحدث

للحصول على أفضل النتائج ، شدد كازروني على أن الشركات الشابة غير الأصلية للتكنولوجيا يجب أن تركز على نهج المحور والتحدث بدلاً من محاولة بناء كل شيء داخليًا. يجب عليهم فقط التركيز على أداة تمييز واستخدام حلول السوق للحصول على قطعة التكنولوجيا اللازمة لإنجاز المهمة.

“ومع ذلك ، فإنني أؤمن أيضًا بأخذ البيانات من هذا البائع وإحضارها داخليًا إلى مركز مركزي أو بحيرة بيانات ، والتي تستخدم البيانات بشكل فعال عند نقطة التوليد للغرض الذي [it] تم إنشاؤه لـ. وإذا كنت بحاجة إلى الاستفادة من تلك البيانات في مكان آخر أو توصيلها بأصل بيانات مختلف ، فقم بإحضارها إلى المحور المركزي ، وقم بتوصيل البيانات هناك ، ثم أعد توزيعها حسب الحاجة “.

الصبر هو المفتاح

في حين أن هذه الأساليب ستحقق النتائج من البيانات دون الحاجة إلى استثمار كبير في التعلم الآلي ، يجب على المؤسسات ملاحظة أن النتيجة ستأتي في الوقت المناسب ، وليس على الفور.

“أود أن أعطي لقائد البيانات المساحة والإذن لأخذ اثنين أو حتى ثلاثة أرباع لوضع الأسس. سيستخدم قائد البيانات الجيد تلك الأرباع الثلاثة لتحديد حالة استخدام الأتمتة أو التحليلات عالية القيمة حقًا التي تسمح باستثمار اللبنات الأساسية على طول الطريق مع توفير بعض عائد الاستثمار في نهاية ذلك ، كما قال كازروني ، في حين أشار إلى أن كل حالة استخدام ستزيد من سرعة النتائج ، مما يخفض الجدول الزمني إلى اثنين ، وربما ربعًا.

شاهد ال مناقشة كاملة حول كيفية استخدام الشركات لبياناتها قبل أن تصبح جاهزة لتعلّم الآلة.