AI использует компьютерные алгоритмы, чтобы воспроизвести способность человека учиться и делать прогнозы. Программное обеспечение AI нуждается в вычислительной мощности, чтобы находить шаблоны и делать выводы из больших объемов данных. Наиболее распространенные типы инструментов искусственного интеллекта сегодня – машинное обучение и сети глубокого обучения.

В ближайшем времени ожидается, что клиенты различных технологических компаний, охватывающих сферы банковских услуг и финансов, здравоохранения, энергетики, розничной торговли, сельского хозяйства и других секторов, увеличат свои расходы на AI в среднем на 30%, чтобы получить повышение производительности или стратегическое преимущество перед конкурентами.

В сфере бизнес-аналитики AI фактически и вовсе превратился в повседневный бизнес, каким мы его видим и представляем себе сегодня. Компании теперь могут использовать машинные алгоритмы для выявления тенденций и понимания огромного количества данных и принимать более быстрые решения, которые потенциально могут обеспечить их конкурентоспособность в режиме реального времени.

Но по мере того, как AI набирал обороты, известные поставщики приложений вышли за рамки создания традиционного программного обеспечения и разработали более целостные платформы и решения, которые лучше автоматизируют процессы бизнес-аналитики в разных отраслях. Более того, на рынке растет число новых поставщиков технологий, позволяющих расширять свои возможности. Мы рассмотрим некоторые из самых актуальных и полезных приложений и платформ для бизнес-аналитики на основе машинного обучения.

1. HANA от SAP – AI для превращения баз данных в необходимую информацию
HANA – это облачная платформа SAP, которую компании используют для управления базами данных из собранной ими же информации. Короче говоря, она копирует и принимает структурированные данные, такие как транзакции продаж или информацию о клиентах, из реляционных баз данных, приложений и других источников. Платформа может быть установлена для работы локально через серверы компании или через облако. HANA получает информацию от точек доступа по всему бизнесу, включая мобильные и стационарные компьютеры, финансовые транзакции, датчики и оборудование на производственных предприятиях.

Если, к примеру, торговый персонал использует для регистрации заказов на покупку смартфоны или планшеты компании, данные этих транзакций могут быть проанализированы и поняты HANA для выявления перспективных тенденций или возможных нарушений.

Хороший пример – американская сеть Walmart. Компания управляет более чем 11000 супермаркетов, и HANA обрабатывает абсолютно все поступающие текущие данные записей транзакций и других важных операций, притом делает это за секунды.

Дело в том, что неожиданные различия в финансовой текучке и отчетности могут возникнуть почти везде, в процессе ведения любого бизнеса. Это может быть избыточный заказ продукции, который кажется странным для конкретного клиента, или оборудования на фабрике. Машинное обучение используется для автоматического привлечения внимания к таким отклонениям. Например, если у менеджера фабрики на компьютере установлено приложение для мониторинга оборудования на сборочной линии, данные о замедлении производства можно собирать и обрабатывать с помощью HANA. Собранные результаты помогут определить, нужен ли новый порядок действий, такой как сервисная проверка оборудования.

Сегодня HANA существенно отличается от аналогичных платформ на рынке, храня реплицированные данные в оперативной памяти, а не на диске. Это позволяет получать доступ к данным в режиме реального времени для использования с приложениями и аналитикой с целью более быстрого принятия решений.

В целом, ожидаемые преимущества использования платформ машинного обучения для бизнес-аналитики включают снижение затрат на инфраструктуру и эффективность работы. В отчете, спонсируемом SAP, 10 организаций, использующих HANA сегодня, заявили, что рассчитывают получить среднюю пятилетнюю окупаемость инвестиций в размере 575%. Они также спрогнозировали среднегодовую прибыль в размере 19,27 млн. дол. на организацию с использованием HANA по сравнению со среднегодовыми инвестициями в размере 2,41 млн. дол. за пять лет.

2. DOMO – AI для бизнес-панелей
Domo – быстрорастущая компания по разработке программного обеспечения для управления бизнесом, которая на сегодняшний день привлекла более 500 млн. дол. инвестиций. Сервис компании позволяет создать информационную панель, которая собирает и анализирует данные, чтобы помочь компаниям принимать стратегически важные решения, избегая ошибок и просчетов.

Облачная информационная панель может масштабироваться в зависимости от размера компании. У проекта более 400 собственных программных коннекторов, которые позволяют Domo собирать информацию также и из сторонних приложений, которые можно использовать для предоставления аналитических данных и контента для бизнес-аналитики. Это дает компаниям, использующим Domo, возможность изымать данные из Salesforce, Square, Facebook, Shopify и многих других приложений, которые они внедряют с целью получения информации о своих клиентах, продажах или товарах.

Не так давно Domo анонсировал Mr. Roboto – набор новых функций для платформы, основанных на искусственном интеллекте, машинном обучении и прогнозной аналитике. Ожидается, что Mr. Roboto также будет предлагать рекомендации и идеи для руководящих лиц в компаниях разного ранга. Уже сегодня платформа способна анализировать и предупреждать о значительных изменениях в разноуровневых технических системах и устранять аномалии новых шаблонов в данных (аналогично подходам, уже используемым в кибербезопасности).

На данный момент пользователями Mr. Roboto уже являются MasterCard, Univision, eBay, Honest Co. и SAB Miller.

3. Apptus – AI для продаж
Apptus предлагает рекомендации по действиям, которые компании могут предпринять, чтобы увеличить свои каналы продаж. По сути, приложение построено на связи между намерением клиента купить и реализацией дохода компанией.

Непосредственно решение Apptus eSales предназначено, помимо прочего, для автоматизации мерчендайзинга на основе прогноза поведения потребителей. Программное обеспечение объединяет большие данные и машинное обучение, чтобы определить, какие продукты могут понравиться потенциальному клиенту при поиске в Интернете или получении соответствующих рекомендаций. Например, когда клиент посещает интернет-магазин, который использует Apptus eSales, и начинает вводить поисковые термины для поиска товаров, приложение прогнозирует и автоматически отображает соответствующие поисковые фразы, а также продукты, связанные с этими условиями поиска.
Apptus используют компании различного размера и сферы деятельности.

4. Avanade – AI для понимания бизнеса
Avanade – это совместное предприятие Microsoft и Accenture, которое использует Cortana Intelligence Suite и другие решения для прогнозной аналитики и анализа данных. Страховая компания Pacific Specialty привлекла Avanade для создания аналитической платформы с целью предоставления своим сотрудникам большей перспективы и понимания бизнеса. Цель состояла в том, чтобы использовать данные о клиентах и помочь команде добиться большего роста. Понимая поведение и тенденции с помощью аналитики, планировалось более эффективно сопровождать разработку новых продуктов.

Согласно исследованию, проведенному самим Avanade, опрос 500 лидеров бизнеса в мировой сфере IТ показал, что они ожидают увеличения выручки в среднем на 30-50% в результате использования таких интеллектуальных технологий. Бизнес-лидеры также считают, что это откроет новые возможности для многих сотрудников и предоставит больше преимуществ для клиентов.

5. Predix и MindSphere – AI в тяжелой промышленности
Операционная система Predix компании General Electric позволяет промышленным приложениям обрабатывать данные о производительности оборудования. Это может быть использовано для определения различных эксплуатационных результатов, например, когда оборудование может выйти из строя. Predix применяется не только для элементарного, мелкомасштабного управления логистикой, но и для составления глобальных прогнозов и анализа текущих тенденций.

Важность мониторинга работы промышленного оборудования вынудила и других поставщиков программного обеспечения, таких как Siemens, применить свои технологии машинного обучения для работы в этом пространстве. В марте 2016 года компания выпустила бета-версию своей открытой облачной платформы MindSphere. Сегодня ее используют в целях обслуживания крупных производств посредством анализа станков и приводных механизмов. Также MindSphere применяется промышленными компаниями для отслеживания слаженной работы станков на заводах по всему миру на связанных производствах, и для просмотра статистики производительности их активов с целью увеличения эксплуатационных сроков.

По сравнению с Predix, MindSphere работает с машинами и установками независимо от производителя. Цель состоит в том, чтобы помочь операторам установки увеличить время безотказной работы своего оборудования и повысить эффективность технического обслуживания путем оценки вероятности его поломки. Кроме того, производители машин могут увидеть сокращение расходов, связанных с гарантийным ремонтом благодаря тому, что их машины работают дольше.

Автор: Юлия Долгопятова


Читайте также:

AI полезен и масштабируем как в бизнесе, так и в обществе в целом, когда является частью эффективной инфраструктуры

Любые трансформации бизнес-процессов, связанные с внедрением и применением AI, позитивно скажутся на работе предприятия

Комментарии