Как машинное обучение добилось успеха в бизнес-аналитике
Опубликовано: 2017-06-16Машинное обучение придало новый импульс BI, который был популярен с 1990-х годов
Бизнес-аналитика — одна из старейших концепций обработки данных . Хотя он был впервые придуман Ричардом Милларом Девенсом в 1865 году в «Циклопадии коммерческих и деловых анекдотов», анализ транзакционных данных для получения бизнес-идей был популярен с 90-х годов. Сегодня инструменты бизнес-аналитики — это системы, которые позволяют компаниям собирать, хранить, получать доступ и анализировать корпоративные данные, чтобы обеспечить эффективное принятие решений и стратегическое прогнозирование для планирования. Предприятия также могут использовать прогностические модели, помогающие обнаруживать закономерности в транзакционных и исторических данных, чтобы выявлять риски и использовать благоприятный потенциал различных аспектов машинного обучения.
Машинное обучение набирает обороты благодаря бизнес-аналитике в Индии
В 1990-х годах бизнес бизнес-анализа процветал, когда на рынок вышла улучшенная и мощная графика для ПК, и в прошлом году он стал индустрией с оборотом в 17 миллиардов долларов . Согласно последнему отчету Gartner, выручка от программного обеспечения для бизнес-аналитики (BI) в Индии, по прогнозам, достигнет 245 млн долларов (в постоянной валюте) в 2017 году, что на 24,4% больше, чем в 2016 году, когда выручка составила 206 млн долларов.
Ключевым фактором является более широкое внедрение инструментов машинного обучения для лучшего и эффективного управления данными и аналитики. Быстрый переход к облаку и внедрение гибридных моделей данных позволили предприятиям переосмыслить хранение данных и внедрить современные платформы бизнес-аналитики. Нынешние времена требуют эволюции традиционных методов для достижения лучших результатов и более плавного выхода на рынок за счет внедрения инновационных технологий.
Меняющиеся тенденции в области бизнес-аналитики в Индии
В области корпоративного программного обеспечения происходят кажущиеся сдвиги как в аппаратном, так и в программном обеспечении. Сообщество бизнес-аналитики в Индии в настоящее время осознает потенциал огромного распространения активов данных своей организации и, следовательно, потребность в правильной технологии для извлечения информации на основе данных с помощью аналитики для принятия бизнес-решений, основанных на фактах. Это не только прорыв в традиционных корпоративных решениях для бизнес-аналитики, но и знаменует собой эру интеллектуальных решений для бизнес-аналитики, основанных на данных.
Переосмысление социальных сетей
До недавнего времени BI в основном ограничивался внутренними данными из-за отсутствия простого и эффективного доступа к данным из нескольких источников. В настоящее время платформы потребительской аналитики следующего поколения позволяют компаниям переосмыслить социальные данные , выйдя за традиционные рамки социального прослушивания и измерения.
Платформы социальных сетей, такие как Twitter, Instagram и Facebook, по сути являются сокровищницей неструктурированных данных. Такие инструменты, как машинное обучение и прогнозная аналитика ИИ, помогают разобраться в лингвистике, настроениях рынка и исследованиях брендов. Полуструктурированные типы данных, такие как URL-адреса, ретвиты и хэштеги, создают основу для структурированной информации, которая помогает принимать разумные бизнес-решения. Благодаря таким конструкциям поисковых систем, как Hadoop, ажиотаж вокруг больших данных, наконец, догнал возможности структурирования, хранения и индексирования данных в произвольной форме.
Рекомендуется для вас:
Как Metaverse изменит индийскую автомобильную промышленность
Что означает положение о борьбе со спекуляцией для индийских стартапов?
Как стартапы Edtech помогают повысить квалификацию рабочей силы Индии и стать готовыми к будущему ...
Технологические акции нового века на этой неделе: проблемы Zomato продолжаются, EaseMyTrip публикует...
Индийские стартапы срезают путь в погоне за финансированием
Цифровая маркетинговая платформа Logicserve Bags Финансирование 80 CR INR, ребрендинг как LS Dig...
Стремитесь к навыкам машинного обучения
В недавнем отчете аналитической школы Jigzaw Academy из Бангалора говорится, что навыки ИТ-аналитики, больших данных и машинного обучения являются перспективными для карьеры. Что касается стартапов, то в этом году Google решила стать наставником еще шести индийских стартапов в области искусственного интеллекта и машинного обучения в рамках своей акселерационной программы . Примечательно, что Индия является третьим по величине кластером ИИ-стартапов в мире. Кроме того, транснациональные компании, такие как Google, Microsoft и Intel, запустили несколько приложений машинного обучения для решения и улучшения ряда отраслевых проблем в Индии.
Индийские ИТ-компании, такие как Infosys, TCS и Wipro, активизировали свою игру с помощью платформ автоматизации и искусственного интеллекта. Это не только экономит время, но и позволяет ускорить циклы принятия решений, сократить расходы и существенно увеличить доходы. Машинное обучение дает студентам инженерных специальностей возможность представить себе карьеру, выходящую за рамки программных услуг, и позволяет им принять сильный исследовательский образ мышления, который устраняет пробелы на рынке с помощью критической BI.
Индустрия электронной коммерции и внедрение облачных TPU
За последние 5 лет в мире электронной коммерции было заключено более 2000 сделок на сумму 30 миллиардов долларов. Индийское пространство электронной коммерции в настоящее время, похоже, развивается и взрослеет, создавая нишу сложной аналитики. Около 50 компаний получили финансирование в этой сфере за последние два года .
У этих компаний теперь есть стратегии по расширению доли рынка за счет прогнозирования поведения клиентов с помощью аналитики. Инвесторы ориентируются на компании, которые используют искусственный интеллект и машинное обучение во множестве приложений и создают проницательные варианты использования. До этого ИИ никогда не был так хорошо понят в основном пространстве электронной коммерции.
Этот сдвиг можно объяснить запуском Google облачных тензорных процессоров (TPU) второго поколения, которые ранее служили для быстрого выполнения выводов, а теперь вывели отрасль на новый уровень машинного обучения, обеспечивая превосходную вычислительную производительность. к обучению моделей машинного обучения (ML). Google теперь использует TPU во всем: от увеличения использования в своих центрах обработки данных до предложения автоматических ответов в Gmail. Сочетая облачную инфраструктуру с бизнес-аналитикой (BI), эти TPU выполняют «вычисления машинного обучения и ничего больше».
Облачные TPU вместе с набором инструментов разработчика TensorFlow, системой машинного обучения с открытым исходным кодом, разработанной Google для проведения исследований в области машинного обучения и глубоких нейронных сетей, теперь позволяют компаниям разрабатывать алгоритмы и приложения машинного обучения для самых разных устройств и вариантов использования. Это имеет удивительный потенциал для следующего этапа индустрии электронной коммерции.
Заключение: Обоснование идей, основанных на данных
Постоянно расширяющаяся цифровая вселенная создает массивный кластер неструктурированных источников данных, что создает организационные проблемы. BI становится доступным для большого числа коммерческих предприятий, которые собирают данные или передают их на аутсорсинг, чтобы интегрировать отраслевые импровизации в свои рабочие схемы данных. Теперь мы можем отслеживать и наблюдать за тем, что клиенты и партнеры говорят о брендах и их конкурентах, а затем сопоставлять это с моделями продаж. Многомерный анализ бизнес-аналитики и запросы «что, если» теперь находятся в нескольких минутах от получения точного ответа. Это открывает двери для новаторского мышления и распространения бизнеса с помощью машинного обучения.