Automatizarea este esențială pentru afacerea dvs

Automatizarea este cheia pentru a debloca avantaje mari și durabile în firme din toate sectoarele.

Big Data poate fi un mare nimic fără o abordare strategică de automatizare.

Pe de o parte, ne aflăm într-o perioadă plină de bogăție a informațiilor, cu volume fără precedent de date despre orice, de la performanța echipamentelor până la comportamentul consumatorilor în rețelele sociale (mai mult de jumătate din toți cetățenii lumii sunt pe rețelele sociale). Dar fără o automatizare atentă - utilizarea mașinilor și a algoritmilor pentru a gestiona, procesa și analiza datele disponibile - afacerea dvs. va pierde o oportunitate potențială mare.

Făcută bine, automatizarea transformă datele mari „moarte” într-o resursă vie, respirabilă, pe care o poți folosi pentru a genera valoare. Așa că nu este de mirare că multe companii își propun automatiza orice poate fi automatizat, după cum a spus recent un director de top Google.

Pentru a vă ajuta să vă gândiți la automatizare în contextul afacerii dvs., vă prezint cele trei moduri principale prin care această activitate bazată pe tehnologie vă ajută să creați valoare.

Primul lucru pe care te ajută automatizarea este extragerea caracteristicii, sau tragerea de ace critice de informații din grămadă masivă de date. Imaginați-vă că organizația dvs. trebuie să examineze cererile de brevet pentru informații despre o anumită tehnologie și altele conexe. Este posibil să vă uitați la mii sau zeci de mii de aplicații, fiecare rulând 30 sau mai multe pagini, pentru milioane și milioane de cuvinte. Dar doar o mică parte din aceste cuvinte și interrelații dintre brevete contează, cum ar fi de ce depinde tehnologia brevetată sau calificările inventatorilor și brevetele trecute.

Această sarcină, așadar, la fel ca multe din domeniul de afaceri, implică un raport semnal-zgomot foarte mic și ar necesita mii de ore de oameni pentru a fi finalizată manual - ceva mult prea prohibitiv din punct de vedere al costurilor și al timpului. Dar un algoritm bazat pe învățare automată ar putea fi antrenat pentru a descoperi relativ rapid informațiile cheie necesare, economisind timp și efort semnificativ. Mai mult, spuneți că pe viitor ați dorit să căutați același set de brevete sau altele înrudite, dar pentru informații diferite, cum ar fi dimensiunea echipei solicitantului de brevet. Puteți reprograma cu ușurință sau reantrenați algoritmul pentru a prelua acea sarcină, obținând economii de scară și profituri mai mari ale investiției dumneavoastră inițiale.

În al doilea rând, automatizarea ajută verificarea și curățarea datelor. Seturile de date au adesea nevoie de lucru. Există erori și valori lipsă, anomalii și uneori dovezi de părtinire. De exemplu, dacă un algoritm a fost instruit să identifice caracteristicile încălcătorilor legii, dar folosește date numai despre infractorii care au fost prinși, algoritmul va fi părtinitor deoarece îi lipsesc date despre infractorii care nu au fost capturați - o problemă specială pentru infracțiunile cu guler alb, care tinde a fi subraportat. Din nou, verificarea și abordarea acestui volum mare de probleme potențiale este prea mult pentru a fi preluată manual. Dar automatizarea permite implementarea rapidă a instrumentelor pentru testare și curățare, economisind din nou timp și creând valoare.

În al treilea rând, și acesta este unul mare, automatizarea este motorul de conducere al analizei. Analizele simple de regresie de ieri au devenit clusterele și pădurile aleatorii de astăzi, alimentate de învățare automată, fie pentru înțelegerea utilizatorilor de produse, pentru prognoza vânzărilor de luna viitoare pentru a optimiza inventarul sau pentru a prezice impactul unei noi campanii de publicitate. Automatizarea bazată pe mașini nu numai că vă permite să repetați procesele de analiză standardizate în mod regulat, la costuri reduse, dar poate și identifica modele neliniare pe care noi, oamenii, nu putem.

De exemplu, laboratorul meu a studiat peste 5 milioane de brevete folosind analize bazate pe algoritmi pentru a vedea dacă am putea prezice debutul tehnologiilor inovatoare viitoare pe baza informațiilor privind cererile de brevet. Am emis ipoteza că mașina ar identifica viitoarele brevete de succes din datele aplicației dacă invenția ar avea capacități sau idei de sine stătătoare, „ca minune”. În cele din urmă, algoritmul a găsit brevetele de succes ale viitorului cu mare precizie, dar nu în modul în care ne-am imaginat noi oamenii. Adică, algoritmul nu a identificat un viitor brevet de succes pe baza capacităților sale independente; mai degrabă, a identificat brevetele de succes în funcție de faptul dacă acestea făceau parte dintr-un grup de brevete afiliate care împreună ar putea rezolva probleme specifice în combinație pe care niciun brevet individual nu le-ar fi putut rezolva singur.

De exemplu, tehnologia cu ultrasunete a avut un impact mare asupra asistenței medicale la câțiva ani după ce a fost dezvăluită pentru prima dată, permițând imagistica non-invazivă și tratamentul afecțiunilor fizice cum ar fi pietrele la rinichi și chiar unele tipuri de cancer. Dar acest progres ar fi fost imposibil fără invenții la scară mai mică dincolo de tehnologia de bază - aplicatoare, procese de diminuare a statică, tampoane și cleme medicale specializate care au fost dezvoltate independent de tehnologia cu ultrasunete, dar esențiale pentru aplicarea sa cu succes în medicină. Analiza noastră automată a recunoscut în mod fiabil existența acestor grupuri de brevete conexe în peste 5 milioane de brevete de la produse de sănătate până la cea mai recentă tehnologie a mingii de golf și că aceste grupuri au fost corelate cu probabilitatea ca brevetele din ele să devină viitoarele tehnologii dominante de mâine - un inferența nu a fost apreciată înainte.

Colegul meu din nord-vest Andrew Papachristos a folosit analize similare pentru a demonstra că corupția poliției din Chicago nu provine din câțiva ofițeri „măr rău”, ci dintr-o rețea de poliție conectată care acționează cu rea-credință; munca sa permite detectarea mai devreme a unor astfel de probleme.

Sper că am clarificat avantajele care se consolidează reciproc ale automatizării și cum vă poate ajuta să transformați datele în valoare mare și durabilă. Într-adevăr, cu cât aveți mai multe date, cu atât aveți mai multă nevoie de automatizare; odată ce aveți capabilități puternice de automatizare, puteți colecta și valorifica și mai multe date, iar ciclul continuă.

Concluzia: automatizarea este o capacitate din ce în ce mai critică și poate fi esențială pentru performanța afacerii dvs. pe termen scurt și mai lung. Dar este important să înțelegeți cum generează valoare și să luați măsuri pentru a-și atenua dezavantajele reale, pentru binele companiei dvs. și al comunității largi în care își desfășoară activitatea.

În a doua parte a acestui articol, voi discuta cele trei dezavantaje majore ale automatizării - explicabilitate, transparență și cost - și cum să le rezolv.