Sztuczna inteligencja w małej firmie? Oczywiście, dlaczego nie.

Sztuczna inteligencja i uczenie maszynowe dokonały cudów jeśli chodzi o obróbkę i wykorzystanie danych. Dziś można załadować ogromne ilości danych do gotowych algorytmów i dostać wyniki w sekundę. 

Można, dla przykładu, wgrać dane transakcji finansowych i przewidzieć, które transakcje w przyszłości “obrodzą” oszustwem. 

Nie ma wymówek dzisiaj dla firm, które argumentują, że nie ma dla sztucznej inteligencji czasu, albo “nie mamy w firmie danych”. Czasu bowiem potrzeba mało a dane można kupić. 

Ale jak to możliwe?

Co może już dzisiaj zrobić mała firma, która nie ma milionowych budżetów. W jakie trzy obszary warto zajrzeć, aby szybko podnieść produktywność i wprowadzić firmę na wyższy poziom dokonywanych analiz.

Warto inwestować w stuczną inteligencją, tutaj piszę więcej o tym dlaczego.

# Analiza opisowa

Zapewnia analitykowi wgląd w kluczowe wskaźniki i miary w firmie. To jest serce raportowania na bazie, którego kierujący organizacją podejmują decyzje. 

W tym obszarze warto zwrócić uwagę na raporty ad hoc i raporty wcześniej przygotowane. Im więcej robisz tutaj ręcznie, tym większe szanse na oszczędność pieniędzy dzięki sztucznej inteligencji. 

Raport w postaci gotowej to taki, który został wcześniej zaprojektowany i zawiera informacje na dany temat np. raportowanie odejść klientów w okresie kwartalnym.

Z drugiej strony raporty ad hoc zwykle nie są planowane, ale są wciąż aktualne np. wyciąg z poprzedniego weekendu, kiedy firma odnotowała nagły wzrost sprzedaży. 

Raporty ad hoc są formą eksploracji zjawiska, raporty przygotowane to najczęściej monitorowanie. 

Większość firm, raporty przygotowane posiada w formie mało elastycznej (zmiana raportu wymaga pracy programisty, osoby konfwgurjącej lub zespołu analitycznego) a z kolei raporty ad hoc są niemożliwe do stworzenia w sposób automatyczny i natychmiastowy.

Analiza opisowa to wstępny etap przetwarzania danych, który opisuje lub podsumowuje surowe dane w celu uzyskania przydatnych, możliwych do interpretacji informacji do dalszej analizy. 

Opisując przeszłość, analiza opisowa kładzie podwaliny pod wpływ tych wydarzeń na przyszłe wyniki. Agregacja danych i eksploracja danych organizują dane w celu zidentyfikowania wzorców i relacji, które w innym przypadku mogą nie być widoczne. Następnie zapytania, raporty i wizualizacje danych mogą zapewnić głębszy wgląd w sytuację firmy. 

  • Szukaj w tych procesach automatyzacji i zwiększenia liczby tzw. datapoints. Data point to punkt z którego pobierasz dane. Dla przykładu tradycyjny but do biegania nie transmituje żadnych danych, ale jeśli dodamy w podeszwie czujnik nacisku, mamy datapoint.
  • Zastanów się gdzie możesz je dodać w swoim biznesie a następnie poproś analityka o wyszukanie dostawców narzędzi, które pomogą Ci w agregacji tych danych i budowania raportów. 

Ciekawym przykładem jest Domo.com, firma, która stworzyła pulpit nawigacyjny, który gromadzi informacje, które pomagają firmom w podejmowaniu decyzji. Pulpit nawigacyjny w chmurze można skalować wraz z wielkością firmy, dzięki czemu może być używany przez zespoły kilkudziesięcioosobowe a także przez znacznie większe przedsiębiorstwa.

# Analiza predykcyjna

Jak sama nazwa wskazuje, obsługuje dane, które dostarczają informacji o tym, co wydarzy się w Twojej organizacji. Tu właśnie wkracza sztuczna inteligencja i uczenie maszynowe.

Analizując aktualne i historyczne dane, algorytmy AI mogą pomóc określić najbardziej prawdopodobny wynik procesów i projektów.

Dzięki analizie predykcyjnej możesz uzyskać wgląd w to, jakie podejście lub strategia może się powieść w każdej jednostce biznesowej firmy.

Analityka predykcyjna służy do identyfikowania trendów, korelacji i związku przyczynowego. Analityka predykcyjna, wykorzystując sztuczną inteligencję i algorytmy uczenia maszynowego do analizy danych,  może zalecić porę dnia, aby dotrzeć do klientów i jakiego medium użyć.

Firma Fruit of The Loom produkująca ubrania, przewidziała ciekawe zjawisko. Mianowicie, jeśli temperatura powietrza spadnie o 15 stopni Celsjusza, bez względu do jakiego poziomu, klienci sięgają po produkty z długim rękawem. 

Szukaj trendów i przewiduj. Nie potrzebujesz do tego celu milionów złotych.

Firmy takie jak Clover.Global (logistyka), Pecan.Ai (eCommerce, branża logistyczna, gry elektroniczne) i wiele innych posiadają gotowe algorytmy, które możesz zatrudnić w swojej firmie. Jest to możliwie, bez konieczności pisania własnego oprogramowania.

Analityka predykcyjna polega na prognozowaniu. Niezależnie od tego, czy chodzi o prawdopodobieństwo zdarzenia w przyszłości, prognozie ilościowej, czy też szacowanie momentu, w którym coś może się wydarzyć – wszystko to odbywa się za pomocą modeli predykcyjnych. Wiele szans można eksplorować z partnerami, którzy posiadają już takowe rozwiązania. 

# Analiza diagnostyczna

Analiza diagnostyczna koncentruje się na tym, dlaczego coś się wydarzyło, i charakteryzuje się technikami takimi jak poszukiwanie przyczyn  top-down (od ogółu do szczegółu), pozyskiwanie nowych danych np. poprzez instalowanie czujników w miejscach w których ich nie było, eksploracja danych i poszukiwanie korelacji i zależności między zjawiskami.

Analiza danych diagnostycznych pomaga odpowiedzieć na pytanie, dlaczego coś się wydarzyło. Podobnie jak inne kategorie, również jest podzielona na dwie jeszcze bardziej szczegółowe kategorie: wykrywanie i alerty oraz zapytania i analizy. 

Świetnym przykładem jest tutaj churn klientów, czyli wskaźnik procentowy pokazujący jaka liczba klientów zaprzestała z korzystania z produktu w danym czasie. 

Platformy takie jak knime.com pozwalają bezpłatnie przeanalizować dane i znaleźć powody dla których klienci odchodzą. Wyobraź sobie, że Twój biznes to sprzedaż zabawek przez internet. Knime, na bazie Twoich danych transakcyjnych powie Ci powyżej jakiej ceny produktu, klienci porzucają zakupy w Twoim sklepie i zasugeruje co zrobić (analiza predykcyjna), aby tego uniknąć. 

Co dalej?

Słyszę “sztuczna inteligencja jest dla wielkich firm”, otóż nie zgadzam się z tym i bardzo zachęcam do działań w powyższych obszarach. Na zachętę dodam, ze firma GoPro, producent wysokiej jakości obrazu kamer, rozpoczęła swoją przygodę ze sztuczną inteligencją od jednej osoby. Dodam, iż firma warta była blisko miliard dolarów. Dlaczego właśnie tak?

Otóż, dobrzy gracze biznesowi wiedzą, że sztuczna inteligencja do sukcesu nie potrzebuje dużo pieniędzy, ale dużo, dobrych danych. Warto więc, przykłady takie jak GoPro są dobrym dowodem, poruszać się małymi krokami, ale szybko i zdecydowanie.

Zapraszam Cię do rozważenia zapisania się na listę oczekujących mojego programu dla menedżerów, konsultantów i założycieli firm poświęconego sztucznej inteligencji. Proszę zerknij na stronę i sprawdź szczegóły.

Autorem artykułu jest Arek Skuza. 

Nad produktami i biznesowymi rozwiązaniami pracuję już od 17 lat. Implementuję inteligentne algorytmy SI do firm, przygotowuję, wdrażam i monitoruję strategie, tworzę i kontroluję produktowe roadmapy oraz przygotowuję zespoły do wprowadzania Innowacji. Współpracowałem już z Shell, Discovery Networks, K2, Zenka, Allegro, Modoma, Bayer, Roche, Nova Tracking, InfoPulse USA and Ukraine.

Pasjonuję się edukowaniem innych, dlatego prowadzę bloga o technologii, biznesie i innowacjach (www.arekskuza.com), a mój newsletter czytają menedżerowie, konsultanci i prawnicy z całego świata. Rozwijam także Szkołę Innowacji – platformę wsparcia dla właścicieli małych i średnich firm.

Obserwuj mnie na Twitterze, LinkedIn oraz Facebook.