Uczenie maszynowe (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 twierdzą, że rozwój technologii biznesowych można podzielić na dwie ery. Jakie?
Eksperci SAS wyszczególniają ery rozwoju technologii z przed i po wprowadzeniu uczenia maszynowego. Podkreślają jednak oni, 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. Machine learning umożliwia organizacjom z jednej strony identyfikowanie okazji biznesowych, a z drugiej pozwala uniknąć potencjalnych zagrożeń, które mogłyby zostać niedostrzeżone przez człowieka" - mówi Lorry Hardt, Artificial Intelligence and Machine Learning Strategist w SAS.
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.
Źródło: SAS Institute