ENG

Перейти в Дзен
Интервью, Технологии

Заменит ли бизнес-аналитика топ-менеджера

Нужно ли бизнесу машинное обучение, может ли бизнес-аналитика заменить процесс принятия решений человеком, с какими стереотипами приходится сталкиваться при обсуждении искусственного интеллекта — на эти и другие вопросы «Инвест-Форсайта» отвечает старший директор Hitachi Vantara по направлению корпоративных решений в области аналитики и искусственного интеллекта в регионах EMEA и APAC Ваэль Эльрифаи (Wael Elrifai).

Могли бы вы сказать, в каких областях бизнеса использование машинного обучения и прогнозной аналитики полезно и улучшает показатели, а где оно только преодолело стадию исследований?

— Прогнозная аналитика относится к контролируемому обучению (обучение прогнозированию результатов), в то время как машинное обучение может охватывать область неконтролируемого обучения (например, кластеризацию). При этом всякий раз, когда мы хотим сделать прогноз на будущее, имитировать потенциальные и альтернативные действия и оптимизировать результаты, машинное обучение оказывает неоценимую помощь как компаниям, так и обществу. На данный момент машинное обучение и прогнозная аналитика используются в торговле, банковском секторе, ресторанном бизнесе — везде, где необходимо привлечь интерес покупателей или понять поведение клиентов. Постепенно оно начинает проникать и в такие сферы, как киноиндустрия или медиа.

Каким вы видите будущее индустрии бизнес-аналитики и индустриальных данных? В каком направлении оно будет развиваться?

— Бизнес-аналитика — это технология «обратного взгляда», необходимая для понимания того, как компания работала в прошлом и каких результатов достигла. Она будет развиваться в сторону увеличения автоматизации процессов, что уменьшит количество ручного кодирования, необходимого для получения информации. Компании перестанут думать о том, нужен ли им доступ к бизнес-аналитике, и начнут интересоваться тем, какое BI-решение подходит для них лучше всего. К тому же они начнут уделять больше внимания управлению данными и качеству этих данных.

Адепты подхода изучения данных (data science) утверждают, что составление прогнозных моделей может принести компании куда больше прибыли и новых клиентов, чем различные маркетинговые инструменты. Как в реальности данные превращаются в бизнес-модель?

— Наиболее очевидным изменением станет движение к ценообразованию на основе результатов или XaaS (Anything as a Service). Это связано с тем, что компании улучшают свои способности в прогнозировании. Аналитика данных помогает определить, можно ли составить необходимый прогноз с технической точки зрения, но для того, чтобы извлечь из этого прогноза реальную выгоду, в компании все равно должны присутствовать надежные стратегии ведения бизнеса.

— Как думаете, может бизнес-аналитика заменить принятие решений менеджером на основе интуиции? Можно ли сказать, что разработка больших данных движется к автоматизации принятия решений?

— Разумеется, менеджер должен учитывать результаты анализа, но он способен принимать решения и руководствуясь своей интуицией. Аналитика данных может помочь в прогнозировании, но какие бизнес-преобразования потребуются для достижения фактической выгоды от таких прогнозов, скажет лишь тот, кто хорошо разбирается в бизнесе. Я уверен: разработка больших данных действительно движется к большей автоматизации принятия решений, как это было и во всех предыдущих промышленных революциях, которые повысили стоимость человеческого труда.

— Какие, на ваш взгляд, важнейшие тренды на рынке больших данных и бизнес-аналитики появились в последние время?

— Если раньше наиболее успешными компаниями были те, кто просто владел информацией, сейчас на первое место выходят организации, обладающие достаточными компетенциями для интерпретации данных и их реального применения. При этом очень важно использовать передовые методы аналитики данных и, вместо того чтобы предсказывать будущее, выстраивать более гибкие и устойчивые ИТ-процессы. Таким образом, важнейшие тренды на рынке больших данных и бизнес-аналитики связаны в первую очередь с модернизацией инфраструктуры анализа данных, использованием не только корпоративной информации, но и данных с датчиков и устройств, социальных, погодных данных и так далее.

— Какие новые источники данных открываются на современном цифровом рынке?

— Данные генерируются огромным количеством источников, начиная от приборов учета электроэнергии и заканчивая историей посещений страниц и социальных сетей, которые являются одним из важнейших источников для сентимент-анализа. Объединив разные наборы данных друг с другом и проанализировав их, можно получить очень ценные знания, которые помогут бизнесу выстроить более эффективные процессы.

— Являются ли потребителями результатов аналитики больших данных только люди? С учетом развития «Интернета вещей», можно ли сказать, что компьютерные системы будут сами производить и использовать результаты такой аналитики?

— Я видел много случаев, когда системы одновременно являлись как производителями, так и потребителями данных. Простейший пример — алгоритмические системы Reinforcement Learning и Generative Adversarial Network, которые регулярно используют данные, полученные в ходе работы, для того чтобы улучшить свою работу в будущем. Фактически любая компьютерная система выигрывает от использования результатов аналитики. Стоит вспомнить хотя бы алгоритм ссылочного ранжирования Google PageRank: чем больше пользователей нажимает на ссылку, тем выше она перемещается в списке результатов поиска по запросу.

— Можно ли предположить, что технологии машинного анализа данных и поиска знаний будут использоваться не только в бизнесе, но и в быту, в жизни отдельного человека?

— Я сомневаюсь, что обычные люди будут использовать технологии машинного обучения на профессиональном уровне. Тем не менее, в повседневной жизни они уже применяются, стоит лишь вспомнить о таком алгоритме, как «You Might Also Like» («Вам также может понравиться» — ред.), представленном компанией Amazon, или в ленте Facebook, где публикации ранжируются в зависимости от лайков пользователя. Все это полностью основано на технологиях машинного обучения.

— Давайте поговорим об искусственном интеллекте. Сталкивались ли вы со стереотипами и ошибочным пониманием технологии со стороны клиентов?

— Да, сталкивались, и я думаю, это связано с неудачным наименованием. Люди словно ожидают от систем искусственного интеллекта наличия человеческого сознания, хотя это просто автоматизированная система. В результате неправильного восприятия возникают различные предположения и предсказания, связанные с конкуренцией искусственного интеллекта и человека, хотя по факту, на мой взгляд, они не обоснованы.

— Скажите, как повлияют на развитие бизнеса технологии с применением ИИ?

— Искусственный интеллект помогает бизнесу снизить издержки и минимизировать риски, а также, основываясь на анализе поведения клиентов, более персонализировано подходить к предложениям и их реализации. На данный момент искусственный интеллект представляет собой огромное поле деятельности, а машинное обучение является частью этого поля, которое охватывает коллективное поведение, эволюцию, адаптацию, сетевую и системную теории, формирование шаблонов и многое другое. Огромное количество текущих исследований направлено на решение проблем прогнозирования и создание новых технологий. Сейчас мы довольно сильны в первом и только начинаем работать со вторым.

Автор: Константин Фрумкин

Следите за нашими новостями в удобном формате
Перейти в Дзен

Предыдущая статьяСледующая статья