Jak uczenie maszynowe osiągnęło swój krok dzięki analizie biznesowej
Opublikowany: 2017-06-16Uczenie maszynowe dało nowy impuls BI, które jest popularne od lat 90.
Business Intelligence to jedno z najstarszych pojęć w przetwarzaniu danych . Chociaż po raz pierwszy został wymyślony przez Richarda Millara Devensa w 1865 roku w Cyclopadia of Commercial and Business Anecdotes, wydobywanie danych transakcyjnych w celu uzyskania informacji biznesowych jest popularne od lat 90. Obecnie narzędzia Business Intelligence to systemy, które umożliwiają firmom gromadzenie, przechowywanie, uzyskiwanie dostępu i analizowanie danych przedsiębiorstwa w celu umożliwienia efektywnego podejmowania decyzji i strategicznej analizy predykcyjnej na potrzeby planowania. Firmy mogą również wykorzystywać modele predykcyjne, aby pomóc wykrywać wzorce w danych transakcyjnych i historycznych w celu identyfikacji ryzyka i wykorzystania odpowiedniego potencjału różnych aspektów uczenia maszynowego.
Uczenie maszynowe osiąga postęp dzięki analizie biznesowej w Indiach
W latach 90. biznes BI rozkwitł, gdy na rynek weszła ulepszona i wydajna grafika na komputery PC, która w zeszłym roku stała się branżą o wartości 17 miliardów dolarów . Według najnowszego raportu Gartnera, indyjskie przychody z oprogramowania Business Intelligence (BI) mają wynieść 245 mln USD (w stałej walucie) w 2017 r., co stanowi wzrost o 24,4% w porównaniu z przychodami z 2016 r. wynoszącymi 206 mln USD.
Kluczowym czynnikiem jest zwiększone stosowanie narzędzi uczenia maszynowego w celu lepszego i wydajnego zarządzania danymi i analiz. Szybkie przejście na chmurę i przyjęcie hybrydowych modeli danych umożliwiło przedsiębiorstwom przemyślenie przechowywania danych i wprowadzenie nowoczesnych platform BI. Obecne czasy wezwały do ewolucji tradycyjnych metod w celu uzyskania lepszych wyników i płynniejszych strategii wejścia na rynek poprzez zastosowanie innowacyjnych technologii.
Zmieniające się trendy w Business Intelligence w Indiach
Przestrzeń oprogramowania dla przedsiębiorstw jest świadkiem pozornych zmian zarówno w sprzęcie, jak i oprogramowaniu. Społeczność analityki biznesowej w Indiach zdaje sobie teraz sprawę z potencjału ogromnej proliferacji zasobów danych w ich organizacji, a tym samym z potrzeby posiadania odpowiedniej technologii do wydobywania spostrzeżeń opartych na danych za pomocą analiz, aby podejmować decyzje biznesowe oparte na faktach. Jest to nie tylko rewolucja w tradycyjnych rozwiązaniach Business Intelligence dla przedsiębiorstw, ale także dość krytycznie oznacza erę inteligentnych rozwiązań Business Intelligence opartych na danych.
Nowe spojrzenie na media społecznościowe
Do niedawna BI ograniczało się głównie do danych wewnętrznych ze względu na brak łatwego dostępu do danych z wielu źródeł w sposób wydajny i bezproblemowy. Obecnie platformy wywiadu konsumenckiego nowej generacji umożliwiają firmom przeprojektowanie danych społecznościowych , co wykracza poza tradycyjne ramy nasłuchiwania i pomiaru w mediach społecznościowych.
Platformy mediów społecznościowych, takie jak Twitter, Instagram i Facebook, są zasadniczo skarbnicą nieustrukturyzowanych danych. Narzędzia, takie jak uczenie maszynowe i predykcyjna analiza AI, pomagają zrozumieć językoznawstwo, sentymenty rynkowe i badania marki. Częściowo ustrukturyzowane typy danych, takie jak adresy URL, retweety i hashtagi, tworzą struktury dla uporządkowanych informacji, które umożliwiają podejmowanie inteligentnych decyzji biznesowych. Dzięki konstrukcjom wyszukiwarek, takim jak Hadoop, hype Big Data wreszcie dogoniło możliwości strukturyzacji, przechowywania i indeksowania danych w dowolnym formacie.
Polecany dla Ciebie:
Jak Metaverse zmieni indyjski przemysł motoryzacyjny?
Co oznacza przepis anty-profitowy dla indyjskich startupów?
W jaki sposób start-upy Edtech pomagają indyjskim pracownikom podnosić umiejętności i być gotowym na przyszłość...
Akcje New Age Tech w tym tygodniu: Kłopoty Zomato nadal, EaseMyTrip publikuje Stro...
Indyjskie startupy idą na skróty w pogoni za finansowaniem
Digital Marketing Platform Logicserve Bags Finansowanie INR 80 Cr, zmienia nazwę na LS Dig...
Pchaj w kierunku umiejętności uczenia maszynowego
Niedawny raport szkoły analitycznej Jigzaw Academy z Bengaluru mówi, że analityka IT, big data i umiejętności uczenia maszynowego są „przyszłościowe” z punktu widzenia kariery. Jeśli chodzi o start-upy, w tym roku w ramach programu akceleracyjnego Google wybrało mentoring dla sześciu kolejnych indyjskich startupów w zakresie sztucznej inteligencji i uczenia maszynowego . Warto zauważyć, że Indie są trzecim co do wielkości klastrem startupów AI na świecie. Ponadto międzynarodowe firmy, takie jak Google, Microsoft i Intel, uruchomiły kilka aplikacji do uczenia maszynowego, aby rozwiązać i poprawić szereg specyficznych wyzwań branżowych w Indiach.
Indyjskie firmy IT, takie jak Infosys, TCS i Wipro, zintensyfikowały swoją grę dzięki platformom automatyzacji i sztucznej inteligencji. Oszczędzają one nie tylko czas, ale także umożliwiają szybsze cykle decyzyjne, obniżają koszty, a także znacznie zwiększają przychody. Uczenie maszynowe daje studentom inżynierii możliwości wyobrażenia sobie kariery wykraczającej poza usługi związane z oprogramowaniem i umożliwia im przyjęcie silnego nastawienia badawczego, które rozwiązuje luki rynkowe za pomocą krytycznego BI.
Branża e-commerce i przyjęcie TPU w chmurze
W ciągu ostatnich 5 lat na całym świecie w przestrzeni e-commerce zawarto ponad 2000 transakcji o wartości 30 mld USD. Wydaje się, że indyjska przestrzeń e-commerce ewoluuje i dojrzewa, tworząc niszowy obszar wyrafinowanych analiz. Do tej pory około 50 firm otrzymało dofinansowanie w tej przestrzeni w ciągu ostatnich dwóch lat .
Firmy te mają teraz strategie zwiększania udziału w rynku poprzez przewidywanie zachowań klientów za pomocą analiz. Inwestorzy koncentrują się na firmach, które wykorzystują sztuczną inteligencję i uczenie maszynowe w wielu aplikacjach i generują wnikliwe przypadki użycia. Wcześniej sztuczna inteligencja nigdy nie była tak dobrze rozumiana w głównej przestrzeni e-commerce.
Zmianę tę można przypisać wprowadzeniu przez Google drugiej generacji tensorów przetwarzania w chmurze (TPU), które wcześniej służyły do szybkiego przeprowadzania wniosków, a teraz wprowadziły branżę na wyższy poziom uczenia maszynowego, zapewniając doskonałą wydajność obliczeniową do szkolenia modeli uczenia maszynowego (ML). Google używa teraz TPU we wszystkim, od zwiększania wykorzystania w swoich centrach danych po sugerowanie automatycznych odpowiedzi w Gmailu. Łącząc infrastrukturę chmury z analizą biznesową (BI), te TPU wykonują „obliczenia uczenia maszynowego i nic więcej”.
Cloud TPU wraz z zestawem narzędzi dla programistów TensorFlow, systemem ML typu open source zaprojektowanym przez Google do prowadzenia badań w ML i głębokich sieciach neuronowych, pozwala teraz firmom opracowywać algorytmy i aplikacje uczenia maszynowego dla szerokiej gamy urządzeń i przypadków użycia. To ma niesamowity potencjał dla kolejnej fazy branży e-commerce.
Wniosek: uzasadnienie analizy opartej na danych
Stale rozwijający się cyfrowy wszechświat tworzy ogromny klaster nieustrukturyzowanych źródeł danych, co stanowi wyzwanie dla organizacji. BI staje się dostępne dla dużej liczby przedsiębiorstw, które gromadzą dane lub zlecają je na zewnątrz, aby wkomponować prowizoryczne rozwiązania branżowe w ich schemat danych operacyjnych. Możemy teraz monitorować i obserwować, co klienci i partnerzy mówią o markach i ich konkurentach, a następnie przeskalować to pod kątem wzorców sprzedaży. Wielowymiarowa analiza BI i zapytania typu „co, jeśli” są teraz oddalone o kilka minut od uzyskania dokładnych odpowiedzi. Otwiera to drzwi do innowacyjnego myślenia i rozprzestrzeniania się biznesu dzięki uczeniu maszynowemu.