Automatika yra labai svarbi jūsų verslui

Automatizavimas yra raktas į didelį ir tvarų pranašumą įvairiose srityse.

Dideli duomenys gali būti niekis be strateginio automatizavimo metodo.

Viena vertus, išgyvename stulbinantį informacijos gausos metas – turime precedento neturintį duomenų kiekį apie viską – nuo ​​įrangos veikimo iki vartotojų elgesio socialinėje žiniasklaidoje (daugiau nei pusė pasaulio piliečių yra socialiniuose tinkluose). Tačiau be apgalvoto automatizavimo – mašinų ir algoritmų naudojimo turimiems duomenims tvarkyti, apdoroti ir analizuoti – jūsų verslas praras didelę potencialią galimybę.

Gerai atlikta automatizacija paverčia „mirusius“ didelius duomenis į gyvą, kvėpuojantį šaltinį, kurį galite naudoti vertei didinti. Taigi nenuostabu, kad daugelis įmonių to siekia automatizuoti viską, ką galima automatizuoti, kaip neseniai sakė vienas geriausių „Google“ vadovų.

Kad padėčiau jums galvoti apie automatizavimą jūsų verslo kontekste, pateikiu tris pagrindinius būdus, kaip ši technologijomis pagrįsta veikla padeda kurti vertę.

Pirmas dalykas, kurį jums padeda padaryti automatizavimas funkcijų ištraukimas, arba kritinių informacijos adatų ištraukimas iš didžiulių duomenų krūvos. Įsivaizduokite, kad jūsų organizacija turi peržiūrėti patentų paraiškas, kad gautų informacijos apie konkrečią ir susijusias technologijas. Galbūt žiūrite į tūkstančius ar dešimtis tūkstančių programų, kurių kiekviena veikia po 30 ar daugiau puslapių ir ieško milijonų žodžių. Tačiau svarbi tik nedidelė šių žodžių dalis ir patentų tarpusavio ryšiai, pavyzdžiui, nuo ko priklauso patentuota technologija arba išradėjų kvalifikacija ir ankstesni patentai.

Ši užduotis, kaip ir daugelis verslo srities, apima labai mažą signalo ir triukšmo santykį, o ją atlikti rankiniu būdu prireiktų tūkstančių žmonių valandų – tai per daug brangu ir nereikalauja laiko. Tačiau mašininiu mokymusi pagrįstą algoritmą būtų galima išmokyti palyginti greitai gauti pagrindinę reikalingą informaciją, sutaupant daug laiko ir pastangų. Be to, pasakykite, kad ateityje norėjote ieškoti tame pačiame arba susijusių patentų rinkinyje, bet skirtingos informacijos, pvz., patento pareiškėjų komandos dydžio. Galite nesunkiai perprogramuoti arba perkvalifikuoti algoritmą, kad atliktumėte tą užduotį, gautumėte masto ekonomiją ir didesnę pradinių investicijų grąžą.

Antra, automatizavimas padeda duomenų tikrinimas ir valymas. Duomenų rinkiniams dažnai reikia darbo. Yra klaidų ir trūkstamų verčių, anomalijų ir kartais šališkumo įrodymų. Pavyzdžiui, jei algoritmas buvo išmokytas pastebėti įstatymų pažeidėjų charakteristikas, bet naudoja duomenis tik apie sučiuptus pažeidėjus, algoritmas bus šališkas, nes jame trūksta duomenų apie pažeidėjus, kurie nebuvo sugauti – tai ypatinga „baltųjų apykaklių“ nusikaltimų problema. būti per mažai pranešta. Vėlgi, patikrinti ir spręsti šią daugybę galimų problemų yra per daug, kad būtų galima imtis rankiniu būdu. Tačiau automatizavimas leidžia greitai įdiegti testavimo ir valymo įrankius, taip sutaupant laiko ir kuriant vertę.

Trečia, ir tai yra didelis dalykas, automatizavimas yra analitikos variklis. Vakar atliktos paprastos regresinės analizės tapo šiandienos klasterizavimu ir atsitiktiniais miškais, paremtais mašininiu mokymusi, kad suprastų produktų vartotojus, prognozuotų kito mėnesio pardavimus, kad būtų optimizuotas inventorius, ar numatytų naujos reklaminės kampanijos poveikį. Įrenginys pagrįstas automatizavimu ne tik leidžia reguliariai už mažą kainą kartoti standartizuotus analizės procesus, bet ir aptikti netiesinius modelius, kurių mes, žmonės, negalime.

Pavyzdžiui, mano laboratorija ištyrė daugiau nei 5 milijonus patentų, naudodama algoritmais pagrįstą analizę, siekdama išsiaiškinti, ar galime numatyti novatoriškų ateities technologijų debiutą, remiantis jų patentų paraiškos informacija. Iškėlėme hipotezę, kad mašina pagal paraiškos duomenis atpažins būsimus patentus, jei išradimas turėtų atskirų, „stebuklų“ galimybių ar idėjų. Galiausiai algoritmas labai tiksliai rado geriausius ateities patentus, bet ne taip, kaip mes, žmonės, įsivaizdavome. Tai reiškia, kad algoritmas nenustatė būsimo sėkmingo patento, remiantis jo atskiromis galimybėmis; veikiau nustatė sėkmingus patentus pagal tai, ar jie buvo a klasteris susijusių patentų, kurie kartu galėtų išspręsti konkrečias problemas, kurių joks atskiras patentas nebūtų galėjęs išspręsti vienas.

Pavyzdžiui, ultragarso technologija padarė didelę įtaką sveikatos priežiūrai praėjus keleriems metams po to, kai buvo pirmą kartą pristatyta, todėl buvo galima atlikti neinvazinį vaizdą ir gydyti tokias fizines sąlygas kaip inkstų akmenys ir net kai kurios vėžio formos. Tačiau ši pažanga būtų neįmanoma be mažesnio masto išradimų, kurie viršija pagrindines technologijas – aplikatorių, statinį mažinančių procesų, specializuotų medicininių įklotų ir spaustukų, kurie buvo sukurti nepriklausomai nuo ultragarso technologijos, tačiau labai svarbūs sėkmingam jos pritaikymui medicinoje. Mūsų automatizuota analizė patikimai atpažino šių susijusių patentų grupių egzistavimą daugiau nei 5 milijonuose patentų nuo sveikatos produktų iki naujausių golfo kamuoliukų technologijų ir kad šios grupės buvo susijusios su tikimybe, kad jose esantys patentai ateityje taps dominuojančiomis technologijomis. išvados, kurios anksčiau nebuvo įvertintos.

Mano Šiaurės Vakarų kolega Andriejus Papachristas naudojo panašią analizę, kad tai parodytų policijos korupcija Čikagoje kyla ne dėl keleto „blogo obuolio“ pareigūnų, o dėl nesąžiningai veikiančių susijusių policijos tinklų; jo darbas leidžia anksčiau nustatyti tokias problemas.

Tikiuosi, kad aiškiai paaiškinau vienas kitą stiprinančius automatizavimo pranašumus ir kaip jis gali padėti paversti duomenis didele, tvaria verte. Iš tiesų, kuo daugiau duomenų turite, tuo labiau jums reikia automatizavimo; Kai turėsite stiprių automatizavimo galimybių, galėsite rinkti ir panaudoti dar daugiau duomenų, o ciklas tęsis.

Esmė: automatizavimas tampa vis svarbesnė galimybė ir gali būti labai svarbi jūsų verslo trumpalaikiam ir ilgalaikiam našumui. Tačiau svarbu suprasti, kaip tai skatina vertę, ir imtis veiksmų, kad sušvelnintų realius jos trūkumus jūsų įmonės ir plačios bendruomenės, kurioje ji veikia, labui.

Antroje šio straipsnio dalyje aptarsiu tris pagrindinius automatizavimo trūkumus – paaiškinamumą, skaidrumą ir kainą – ir kaip juos išspręsti.