Prieskum agentúry Go4insight na vyše dvoch stovkách respondentoch zo slovenského podnikateľského prostredia ukázal, že takmer tretina podnikov u nás v súčasnosti využíva prediktívnu analytiku a vyše štvrtina strojové učenie. Prediktívna analytika umožňuje firmám lepšie rozhodovať na základe dátových analýz a vďaka strojovému učeniu sa softvér dokáže sám učiť a nadobudnuté znalosti následne autonómne aj využiť.
Zhromažďované dáta firmy často nevyužívajú
Samotným analyzovaním dát ani využívaním programov schopných samostatne nadobúdať vedomosti, však firmy nič nezískajú.
„Mnohé z podnikov, ktoré sa hrdo hlásia k využívaniu technológii umelej inteligencie v podobe prediktívnej analytiky a strojového učenia, v skutočnosti nemajú z vynaloženého úsilia a investícií adekvátny osoh,“ konštatuje na základe skúseností z praxe Richard Kraus, country sales director spoločnosti SAS Slovakia.
Dôvodom je, že prácne vytvorené dátové modely, ktoré majú šancu zlepšiť obchodné výsledky, znížiť riziká, alebo zlepšiť lojalitu zákazníkov, zostávajú neraz nevyužité v šuplíkoch.
Podľa celosvetových prieskumov spoločností SAS aj Gartner, sa takmer polovica vytvorených dátových modelov do praxe nikdy nenasadí. Iná štúdia poradenskej agentúry IDC uvádza, že všetky vytvorené dátové modely má v reálnej prevádzke nasadených iba 35 % organizácií.
„Podniky začínajú s pokročilých dátovými technológiami a strojovým učením experimentovať bez toho, aby mali jasno v tom, ako sa o následne o dátové modely starať,“ vysvetľuje R. Kraus.
To znamená, že dátové modely nevedia rýchlo presúvať do reálnej prevádzky, sledovať ich výkonnosť a prípadne ich aktualizovať. Dostať dátový model do produkcie trvá podľa štúdie IDC v priemere viac ako 3 mesiace. Dáta, na základe ktorých model vznikol, už vtedy môžu byť zastarané.
„Naskočiť na vlnu nadšenia a pustiť sa do zbierania či upratovania dát, aby sa následne dali analyzovať a zmysluplne využiť, je iba prvý krok. Ak firma nechce premrhať množstvo peňazí a úsilia, potrebuje mať tiež jasne stanovené procesy, delegované zodpovednosti a adekvátne nástroje, ktoré jej pomôžu zvládnuť celý životný cyklus analytiky,“ dodáva R. Kraus.