Kimberly Nevala, SAS: Posílení BI pomocí AI – a jak …

Příslib umělé inteligence (AI) a strojového učení (ML) v obchodním kontextu je provokativní. V některých ohledech kombinace AI a velkých dat pomáhá transformovat starší systémy business intelligence a potenciálně manažery, kteří je spravují.

Jaké osvědčené postupy lze mezi těmito dvěma způsoby přenášet a co se odtud stane? Kimberly Nevala (vlevo) je ředitelkou obchodní strategie SAS, poskytovatelem analýzy dat, business intelligence a správy dat. Zprávy AI Než se tento měsíc zúčastnila výstavy AI & Big Data Expo v San Francisku, setkala se s Nevalou, aby zjistila, co je a bude SAS v této oblasti a sňatek mezi Big Data a AI.

–

Zprávy AI: Můžete popsat, jaká je vaše pracovní role v detailech SAS a ve vaší každodenní rutině?

Kimberly Nevala: Jako strategický konzultant v SAS zahrnuje moji roli průzkum trhu a průmyslu, vývoj obsahu a konzultace s našimi současnými i potenciálními klienty. Jednoduše řečeno, pomáhám organizacím pochopit obchodní potenciál a praktickou realitu nově vznikajících technologií, jako je umělá inteligence a strojové učení.

Jaké jsou některé z iniciativ AI a strojového učení, na kterých jste v SAS pracovali a jak ovlivňují zákazníky?

Velmi jsme se zaměřili nejen na neustálé zlepšování schopností AI, ale také na to, jak se AI / ML protíná s jinými oblastmi, aby vyřešily problémy. To zahrnuje zlepšení IoT IQ prostřednictvím analytiky. Mezi naše nejnovější práce patří:

Udělejte IoT inteligentním propojením senzorů a zařízení s analýzou toku. Například společnosti Volvo a Mack Trucks využívají údaje ze senzorů ze silničních vozových parků k zajištění 75% rychlejší proaktivní diagnostiky v reálném čase, což má za následek méně prostojů a méně kritických prostojů. Systémy poskytují rychlou diagnostiku a zásahy, od nasměrování řidiče k místní opravně až po instalaci aktualizací softwaru, když je vůz na cestě. Podobně společnost Konica Minolta Japan zrychlila cyklus PDCA (plan-check-act) implementací několika analytických modelů, které kombinují tradiční senzory a zdroje dat a zlepšují tak širokou škálu oblastí, jako je predikce poruch a optimalizace správy.

Moderní CAO musí ovládat nejen vědu o datech, ale také vědu o rozhodování

V tradičnější oblasti zapojení zákazníků dosáhla společnost Daiwa Securities svého nového systému CRM včetně AI / ML 2,7násobného zvýšení míry získávání zákazníků a 50% snížení míry opuštění zákazníků. .

Jsme také nadšení z používání dat (a AI) pro dobro. Skvělým příkladem je naše práce s WildTracks na vytvoření nástroje Footprint Identification Tool (FIT). FIT umožňuje neinvazivní monitorování pomocí digitální analýzy stop ohrožených zvířat, jako jsou gepardi.

Jak si myslíte, že se technologická krajina za posledních 10 let změnila, pokud jde o vzestup umělé inteligence a velkých dat a rostoucí kombinaci těchto dvou?

Průsečík umělé inteligence a velkých dat poskytuje schopnost poskytnout konkrétnější, včasnější a relevantnější pohled zobecněným a intuitivním způsobem („Alexa,…“). Dosažení této jednoduchosti vyžaduje mnohem složitější ekosystém dat a analýzy, než tomu bylo před 10 lety.

Za tímto účelem je nyní efektivní aplikace analytiky z BI na AI praxí správy portfolia. Oddělené segmenty zákazníků (správci až po datové vědce), různá datová prostředí (od skladů po jezera), vývojové metody (rozhodující vývoj zpráv pro dynamické pravděpodobnostní algoritmické modelování) a široká škála možností nasazení (řídicí panely jsou pro detekci a reakci na události toku přeplňovány).

Jak to tedy souvisí s tradičnější obchodní prozíravostí?

Aby bylo jasno: tradiční BI není pryč, je chytřejší a snáze přístupný. Je také nezbytnou součástí silného analytického portfolia. Ve skutečnosti je dobrá disciplína v oblasti business inteligence (smysluplné měření výsledků) klíčovým faktorem úspěchu při zajišťování toho, aby pokročilá řešení AI / strojového učení poskytovala požadovanou hodnotu.

Jedna z eKnih, které jste pro SAS napsali v roce 2014 pro „Portrét CAO“. Co se od té doby změnilo? Jakým výzvám čelí organizace, pokud si chtějí najmout hlavního analytika?

Analytics se stále více integruje do našich obchodních procesů, produktů a služeb. Proto by dnes všichni manažeři měli být součástí CAO. Složitost formální role CAO však pramení z potřeby zvládnout technologické i organizační změny. Moderní CAO musí ovládat nejen vědu o datech, ale také vědu o rozhodování. Musí také spolupracovat a být schopni dynamicky sdružovat interní a externí odborné týmy k řešení různých problémů. To vše při průkopnické práci v oblasti vynikajících analytiků – neustálého zkoumání nově vznikajících řešení a umožnění organizaci rozhodnout se, kdy a jak realizovat hodnotu.

Jaký je nejvíce vzrušující případ použití, který jste viděli se zaměřením na AI nebo strojové učení?

Prostředí je právě teď velmi dynamické, je těžké si ho vybrat. Nejvíc mě inspiruje naše práce ve zdravotnictví a veřejné službě. Například projekty jako níže Projekt Zdravá Nevada Jejím cílem je nejen léčit nemoci, ale také zlepšit zdraví. Tento projekt analyzuje genetické, klinické, environmentální a socioekonomické údaje za účelem lepšího pochopení složité souhry mezi těmito faktory a zdravím. Mnoho práce se vynakládá také na přehodnocení toho, jak sloužíme a chráníme zranitelná společenství.

Další případy použití, které považuji za zajímavé, jsou od společností jako Phylagen. Phylagen používá AI k analýze mikroorganismů nalezených ve všem, aby určil, odkud pochází zboží, materiály a dokonce i lidé. Jedná se o velmi odlišný způsob pohledu na otázku integrity dodavatelského řetězce a dokonce i nelegálního pašování. Něco, co (z mého pohledu) nevyžaduje zapojení ani souhlas producentů.

Efektivní aplikace analytiky z business intelligence na AI je nyní aplikací pro správu portfolia

Zjistil jsem, že schopnost AI / ML poskytnout zcela nový přístup k řešení velmi starého a složitého problému.

Co můžeme v této oblasti očekávat od SAS v příštích 12 až 18 měsících?

Během příštích 12 až 18 měsíců budeme do portfolia nadále přidávat další analytické metody, zejména ML, DL, NLI a Edge Analytics. To zahrnuje funkce, které zvyšují interpretovatelnost a průhlednost modelu. Rovněž na obzoru: větší snadnost použití a spolupráce pro všechny typy uživatelů, neustálé zlepšování integrovaného prostředí podporujícího životní cyklus od vývoje modelu až po rozsáhlé nasazení (ať už SAS, Python, kódování R atd.) A AI (včetně rozhraní přirozeného jazyka) vlastní zahrnujeme to do našich řešení.

A konečně, bez větších vysvětlení, co bude předmětem diskuse na AI & Big Data Expo později tento měsíc?

Mezi schopnostmi poskytovanými umělou inteligencí a očekáváními digitální transformace existuje neuvěřitelná synergie. AI také zvyšuje výzvy, kterým čelí společnosti, které chtějí „přejít na digitální technologii“. Tato diskuse vybaví účastníky znalostmi úspěšné navigace v těchto křižovatkách.

Kimberly Nevala vystoupí na konferenci AI & Big Data Expo North America ve dnech 28. až 29. listopadu v kongresovém centru Santa Clara. Další informace o registraci na akci naleznete zde.

Chcete slyšet od lídrů v oboru diskusi o tématech, jako jsou tato, a sdílení případů použití? Chcete-li se dozvědět více, zúčastněte se akcí AI a Big Data Fair s nadcházejícími přehlídkami v Silicon Valley, Londýně a Amsterdamu. Bylo umístěno společně s IoT Tech Expo, Blockchain Expo a Cyber ​​Security & Cloud Expo, takže můžete prozkoumat budoucnost podnikové technologie na jednom místě.