Uczenie maszynowe wpływa na rozwój biznesu, jednak jak podkreślają specjaliści z firmy SAS – lidera analityki biznesowej, na obecnym etapie rozwoju nie możemy jeszcze mówić o w pełni autonomicznych systemach.

Uczenie maszynowe (ang. machine learning) to metoda samouczenia się maszyn w oparciu o analizę danych i odnajdywanie zawartych w nich wzorców, mająca swoje początki na przełomie lat 50. i 60. Technologia ta na dobre zadomowiła się w biznesie i obecnie trudno wyobrazić sobie branżę, w której nie znalazłaby zastosowania. Specjaliści z firmy SAS, lidera analityki biznesowej, która od lat wykorzystuje uczenie maszynowe w swoich rozwiązaniach, twierdzą, że rozwój technologii biznesowych można podzielić na dwie ery: przed i po wprowadzeniu uczenia maszynowego. Podkreślają jednak, że na obecnym etapie rozwoju nie możemy jeszcze mówić o w pełni autonomicznych systemach.

Biznes stawia na uczenie maszynowe

Uczenie maszynowe ma szczególne zastosowanie wszędzie tam, gdzie przetwarzane są duże ilości danych. Jak wynika z najnowszej edycji badania SAS „The Autonomous Grid. Machine learning and IoT for Utilities”, 63% dostawców prądu, gazu czy wody uważa, że uczenie maszynowe będzie miało kluczowe znaczenie dla ich przyszłego sukcesu biznesowego. Z kolei raport „Digital Banking” podaje, że 35% organizacji finansowych wdrożyło już co najmniej jedno rozwiązanie z zakresu machine learing. Przykładowo, amerykański Seacoast Bank wykorzystuje system SAS® Enterprise Miner™ do określania długookresowej wartości klienta (ang. CLTV – Customer LifeTime Value), na podstawie analizy jego preferencji i historii transakcji. Dzięki temu bank może oszacować jakie zasoby będą potrzebne do jego obsługi, a także odpowiednio dobrać produkty finansowe, które spełnią oczekiwania danej osoby lub organizacji. Eksperci SAS upatrują sukcesu uczenia maszynowego w niezwykłej elastyczności tej technologii, możliwości adaptacji jej do potrzeb konkretnej organizacji i realiów problemów, w których rozwiązaniu ma pomóc.

„Obecnie uczenie maszynowe to kluczowe narzędzie w portfolio specjalistów na stanowiskach data scientist – mówi Lorry Hardt, Artificial Intelligence and Machine Learning Strategist w SAS. Machine learning umożliwia organizacjom z jednej strony identyfikowanie okazji biznesowych, a z drugiej pozwala uniknąć potencjalnych zagrożeń, które mogłyby zostać niedostrzeżone przez człowieka.”

Liderzy uczenia maszynowego

Firma analityczna Gartner co roku przygotowuje zestawienie liderów rynku platform analitycznych wykorzystujących uczenie maszynowe, zatytułowane „Magic Quadrant for Data Science and Machine Learning Platforms”. W sześciu ostatnich edycjach, wliczając najnowszą z 2019 roku, SAS został sklasyfikowany w kwadrancie liderów raportu. Ewaluacji dokonano na podstawie analizy możliwości rozwiązań SAS® Visual Data Mining and Machine Learning oraz SAS® Enterprise Miner™. Narzędzia te umożliwiają użytkownikom rozwiązywanie złożonych problemów analitycznych, a także podejmowanie szybszych i lepszych decyzji biznesowych.

SAS Visual Data Mining and Machine Learning działa w oparciu o silnik analityczny SAS® Viya®. Rozwiązanie zawiera algorytmy statystyczne, uczenia maszynowego, deep learning oraz analizy tekstowej, co przyśpiesza eksplorację danych strukturalnych i niestrukturalnych, jednocześnie umożliwiając wykorzystanie popularnych języków programowania open source. Ujednolica cały proces uczenia maszynowego, od etapu transformacji i przygotowania, aż po wdrożenie.

SAS® Enterprise Miner™ działa na wszystkich typach platform i analizuje każdy rodzaj danych, identyfikując zależności i wzorce. Porządkuje i usprawnia proces data mining, co pozwala na stworzenie dokładnych predykcyjnych i deskrypcyjnych modeli analitycznych, aby znaleźć najlepsze rozwiązanie niezależnie od tego, jak duża baza danych podlega analizie.