Aż 72% uczestników badania Here and Now: The need for an analytics platform, przeprowadzonego przez SAS, dostrzega zalety analityki, ale tylko 39% używa jej podczas tworzenia strategii biznesowych.

Firma IDC przewiduje, że do 2020 r. rynek analityki związanej z Internetem Rzeczy osiągnie wartość ponad 23 mld USD, a liczba inteligentnych urządzeń generujących dane wyniesie 20,4 mld. Rozwój IoT pozwala poważnie myśleć o realizacji wizji inteligentnych miast, w których analiza zebranych informacji wpływa na poprawę jakości życia mieszkańców.

Jak wynika z badania SAS, Accenture Applied Intelligence, Intela i Forbes Insights, 70% firm wdrażających projekty z zakresu sztucznej inteligencji organizuje szkolenia dla pracowników, których celem jest zapewnienie, że inicjatywy AI są realizowane z zachowaniem zasad etyki.

Wraz z rosnącą dynamicznie ilością danych oraz dostępnością coraz bardziej zaawansowanych narzędzi analitycznych, strategia zarządzania danymi stanowi podstawowy element w procesach podejmowania decyzji biznesowych.

Uczenie maszynowe pozwoli każdemu znaleźć prywatny raj na ziemi Znalezienie raju na ziemi nie jest łatwym zadaniem, gdyż dla każdego „raj” oznacza co innego. Preferencje odnośnie panującego klimatu czy sposobów spędzania wolnego czasu są tak odmienne, że trudno o wytypowanie miejsca, w którym każdy bez wyjątku czułby się komfortowo. Specjaliści z firmy SAS wykorzystali uczenie maszynowe do stworzenia konfiguratora umożliwiającego znalezienie prywatnego raju na ziemi.

Przedstawiciele sektora ochrony zdrowia na całym świecie od lat mierzą się z wyzwaniami związanymi m.in. z efektywnością operacyjną, zmieniającym się zakresem realizowanych świadczeń, zarządzaniem i wykorzystaniem budżetu, problemami kadrowymi, a także rosnącymi oczekiwaniami ze strony chorych i ich rodzin.

Siemens Healthineer wdrożył platformę SAS wykorzystującą technologie machine learning i IoT analytics do analizy ważnych danych generowanych przez systemy firmy rozlokowane na całym świecie. Informacje pochodzą z różnych urządzeń, takich jak np. aparaty do tomografii i rezonansu magnetycznego. Rozwiązanie SAS pomaga przewidywać z kilkudniowym wyprzedzeniem problemy związane z działaniem systemów oraz potencjalne przestoje.

Dlaczego biznes nie wykorzystuje potencjału machine learning Uczenie maszynowe zrewolucjonizowało analitykę, umożliwiając podejmowanie dokładniejszych decyzji biznesowych w oparciu o dane. Technologia ta pozwala na rozwiązywanie wielu problemów, na które tradycyjne techniki analityczne nie były w stanie znaleźć odpowiedzi. Firmy wciąż jednak nie potrafią wykorzystać w pełni potencjału uczenia maszynowego. Dlaczego? Wiele z nich popełnia jeden z 5 poniższych błędów, wskazanych przez ekspertów firmy SAS.

Sztuczna inteligencja nie rozumie ludzkich emocji Jak wynika z badania SAS, 32% przedstawicieli firm z regionu EMEA uważa, że problemy etyczne związane z wykorzystaniem sztucznej inteligencji stanowią jedno z głównych wyzwań związanych ze stosowaniem tej technologii. Respondenci zwrócili również uwagę na kwestie odpowiedzialności (także prawnej) za działania systemów wykorzystujących AI. Zdaniem ekspertów SAS, brak umiejętności oceny moralnej prowadzonych działań oraz przecenianie możliwości sztucznej inteligencji stanowią obecnie jedne z największych wyzwań, przed jakimi stoją twórcy i użytkownicy rozwiązań AI.

Jak wynika z danych Stowarzyszenia Biegłych ds. Przestępstw i Nadużyć Gospodarczych (ACFE), straty związane z nadużyciami i niegospodarnością w procesach zamówień i zakupów wynoszą nawet 10 proc. całkowitych wydatków firmowych. Należy również pamiętać, że szkody wywołane przez tego typu działania są trudne do zmierzenia i często wykraczają poza sferę finansową. Konsekwencje wykrycia i upublicznienia nadużyć są często katastrofalne w skutkach dla reputacji firmy. W dobie coraz bardziej wyszukanych metod i technik, skuteczna walka z korupcją i nadużyciami finansowymi wymaga wykorzystania zaawansowanych narzędzi analitycznych.

Nie ulega wątpliwości, że cyfryzacja jest głównym czynnikiem bieżących zmian społecznych i gospodarczych na świecie. Na początku opierała się na rozbudowie infrastruktury teleinformatycznej. Kolejne etapy polegały na usieciowieniu oraz wykorzystaniu Internetu na potrzeby rozwoju aplikacji zarówno przez przedsiębiorstwa, jak i konsumentów. Obecnie obserwujemy dynamiczny rozwój gospodarki opartej o dane. Dzięki postępowi w zakresie dostępnych technologii, algorytmów i narzędzi analityka stała się łatwiej dostępna nie tylko dla dużych, ale również średnich i małych firm.  

Firmy coraz powszechniej korzystają z analizy danych i rozwiązań klasy big data, aby prześcignąć konkurencję i tworzyć nowe modele biznesowe. Segment ten rozwija się w tempie sześciokrotnie szybszym niż cała branża IT, a biznes w coraz większym stopniu dostrzega korzyści związane z analizą danych – wynika z badań przeprowadzonych na zlecenie SAS, globalnego dostawcy analityki biznesowej. Wykorzystanie danych decyduje dziś o bezpieczeństwie i konkurencyjności przedsiębiorstw oraz satysfakcji ich klientów. Może też zapewnić gospodarce miliardowe wpływy.

Branża transportowa działa w wyjątkowo konkurencyjnym środowisku. Z jednej strony obowiązują w niej niezwykle krótkie czasy dostawy, a z drugiej firmy przewozowe podlegają restrykcyjnym przepisom wpływającym na godziny i koszty pracy kierowców. Szansą na zwiększenie konkurencyjności i ekspansję na rynkach międzynarodowych jest wykorzystanie Internetu rzeczy oraz systemów analitycznych pozwalających na przetwarzanie danych zebranych przez inteligentne urządzenia.

Jako klienci jesteśmy codziennie wręcz zalewani falą materiałów reklamowych. Wiadomości sms, e-maile, banery i komunikaty wyświetlające się na portalach internetowych. Listy otrzymywane pocztą tradycyjną i rozmowy telefoniczne to dzisiaj tylko ułamek komunikacji marketingowej.

Dzięki machine learning poznaliśmy raj na ziemi Uczenie maszynowe jest obecnie szeroko wykorzystywane w biznesie. Technologia ta pozwala m.in. na tworzenie dedykowanych kampanii marketingowych, ocenę ryzyka kredytowego, optymalizację łańcucha dostaw czy przewidywanie awarii w procesach produkcji. Nie są to jednak jedyne przykłady zastosowań machine learning. Specjaliści z firmy SAS wykorzystali uczenie maszynowe do wytypowania miejsca, w którym panują najlepsze warunki do życia. Innymi słowy, znaleźli raj na ziemi.

Firmy nie wiedzą, jak czerpać korzyści z Internetu Rzeczy Według analiz Gartnera Internet Rzeczy jest obecnie jednym z najważniejszych trendów technologicznych, które kształtują cyfrową transformację biznesu. Potwierdzają to również wyniki badania SAS. Według nich IoT będzie miał kluczowe znaczenie dla przyszłego sukcesu aż 63% firm. Aby tak się stało, organizacje muszą nauczyć się przetwarzać ogromną ilość danych dostarczanych przez inteligentne urządzenia i umiejętnie oddzielać cenne informacje od tych mniej wartościowych.