Automatyzacja ma kluczowe znaczenie dla Twojej firmy

Automatyzacja jest kluczem do odblokowania dużej, trwałej przewagi w firmach z różnych sektorów.

Duże zbiory danych mogą być niczym bez strategicznego podejścia do automatyzacji.

Z jednej strony żyjemy w szalonym okresie obfitości informacji i bezprecedensowych ilości danych dotyczących wszystkiego, od wydajności sprzętu po zachowania konsumentów w mediach społecznościowych (ponad połowa wszystkich obywateli świata korzysta z mediów społecznościowych). Ale bez przemyślanej automatyzacji – wykorzystania maszyn i algorytmów do obsługi, przetwarzania i analizowania dostępnych danych – Twoja firma straci duże potencjalne możliwości.

Dobrze wykonana automatyzacja przekształca „martwe” duże zbiory danych w żywy, oddychający zasób, którego można używać do zwiększania wartości. Nic więc dziwnego, że wiele firm dąży do tego zautomatyzować wszystko, co można zautomatyzować, jak powiedział niedawno jeden z czołowych dyrektorów Google.

Aby pomóc ci myśleć o automatyzacji w kontekście biznesowym, przedstawiam trzy główne sposoby, w jakie ta oparta na technologii działalność pomaga ci tworzyć wartość.

Pierwszą rzeczą, którą pomaga automatyzacja, jest ekstrakcja cechlub wyciąganie krytycznych igieł informacji z ogromnych stogów danych. Wyobraź sobie, że Twoja organizacja musi przeglądać zgłoszenia patentowe w celu uzyskania informacji na temat określonej technologii i technologii pokrewnych. Być może patrzysz na tysiące lub dziesiątki tysięcy aplikacji, z których każda obsługuje 30 lub więcej stron i zawiera miliony słów. Ale tylko niewielka część tych słów i wzajemnych powiązań między patentami ma znaczenie, na przykład to, od czego zależy opatentowana technologia lub kwalifikacje wynalazców i wcześniejsze patenty.

Zatem to zadanie, podobnie jak wiele innych w domenie biznesowej, wymaga bardzo małego stosunku sygnału do szumu i wymagałoby tysięcy godzin pracy ręcznej — coś, co jest zbyt kosztowne i czasochłonne. Ale algorytm oparty na uczeniu maszynowym można wyszkolić, aby stosunkowo szybko wyszukiwał kluczowe potrzebne informacje, oszczędzając znaczną ilość czasu i wysiłku. Ponadto powiedzmy, że w przyszłości chciałbyś przeszukiwać ten sam zestaw patentów lub patentów pokrewnych, ale pod kątem innych informacji, takich jak wielkość zespołu wnioskującego o patent. Możesz łatwo przeprogramować lub przeszkolić algorytm, aby podjąć się tego zadania, uzyskując korzyści skali i większy zwrot z początkowej inwestycji.

Po drugie, automatyzacja pomaga sprawdzanie i czyszczenie danych. Zbiory danych często wymagają pracy. Występują błędy i brakujące wartości, anomalie, a czasem dowody stronniczości. Na przykład, jeśli algorytm został przeszkolony w rozpoznawaniu cech przestępców, ale wykorzystuje dane tylko o złapanych przestępcach, algorytm będzie stronniczy, ponieważ brakuje w nim danych o przestępcach, którzy nie zostali złapani – jest to szczególny problem w przypadku przestępczości umysłowej, która ma tendencję do być zaniżonym. Ponownie sprawdzanie i rozwiązywanie tej ogromnej liczby potencjalnych problemów to zbyt wiele, aby zająć się nimi ręcznie. Ale automatyzacja umożliwia szybkie wdrażanie narzędzi do testowania i czyszczenia, ponownie oszczędzając czas i tworząc wartość.

Po trzecie, i to jest duże, automatyzacja jest silnik napędowy analityki. Wczorajsze proste analizy regresji stały się dzisiejszym grupowaniem i lasami losowymi, wspieranymi przez uczenie maszynowe, czy to w celu zrozumienia użytkowników produktów, prognozowania sprzedaży w przyszłym miesiącu w celu optymalizacji zapasów, czy też przewidywania wpływu nowej kampanii reklamowej. Automatyzacja oparta na maszynach nie tylko umożliwia regularne powtarzanie standardowych procesów analitycznych przy niskich kosztach, ale także wykrywa nieliniowe wzorce, których my ludzie nie potrafimy.

Na przykład moje laboratorium zbadało ponad 5 milionów patentów za pomocą analiz opartych na algorytmach, aby sprawdzić, czy możemy przewidzieć debiut przełomowych przyszłych technologii na podstawie informacji o ich zgłoszeniach patentowych. Postawiliśmy hipotezę, że maszyna identyfikowałaby przyszłe hity patentowe na podstawie danych aplikacji, gdyby wynalazek miał samodzielne, „cudowne” możliwości lub pomysły. Ostatecznie algorytm znalazł patenty przyszłości z dużą dokładnością, ale nie w sposób, jaki my, ludzie, sobie wyobrażaliśmy. Oznacza to, że algorytm nie zidentyfikował przyszłego hitu patentowego na podstawie swoich samodzielnych możliwości; raczej zidentyfikował trafione patenty na podstawie tego, czy były one częścią grupa powiązanych patentów, które razem mogłyby rozwiązać określone problemy, których żaden pojedynczy patent nie mógłby rozwiązać samodzielnie.

Na przykład technologia ultradźwiękowa wywarła duży wpływ na opiekę zdrowotną kilka lat po jej pierwszym odkryciu, umożliwiając nieinwazyjne obrazowanie i leczenie chorób fizycznych, takich jak kamienie nerkowe, a nawet niektóre nowotwory. Jednak postęp ten byłby niemożliwy bez wynalazków na mniejszą skalę wykraczających poza podstawową technologię — aplikatorów, procesów zmniejszających elektryczność statyczną, specjalistycznych podkładek medycznych i zacisków, które zostały opracowane niezależnie od technologii ultradźwiękowej, ale mają kluczowe znaczenie dla jej pomyślnego zastosowania w medycynie. Nasza zautomatyzowana analiza wiarygodnie rozpoznała istnienie tych klastrów powiązanych patentów w ponad 5 milionach patentów, od produktów zdrowotnych po najnowszą technologię piłek golfowych, i że te klastry były skorelowane z prawdopodobieństwem, że patenty w nich zawarte staną się technologiami dominującymi jutra – wnioskowanie nie wcześniej docenione.

Mój północno-zachodni kolega Andrzej Papachristos zastosował podobne analizy, aby to wykazać korupcja policji w Chicago nie wynika z kilku funkcjonariuszy „złego jabłka”, ale z sieci powiązanych ze sobą policji działających w złej wierze; jego praca umożliwia wcześniejsze wykrywanie takich problemów.

Mam nadzieję, że jasno wyjaśniłem wzajemnie wzmacniające się zalety automatyzacji oraz sposób, w jaki może ona pomóc w przekształcaniu danych w dużą, trwałą wartość. Rzeczywiście, im więcej masz danych, tym bardziej potrzebujesz automatyzacji; gdy masz silne możliwości automatyzacji, możesz gromadzić i wykorzystywać jeszcze więcej danych, a cykl trwa.

Podsumowując: automatyzacja jest coraz bardziej krytyczną funkcją i może mieć kluczowe znaczenie dla krótko- i długoterminowej wydajności Twojej firmy. Ale ważne jest, aby zrozumieć, w jaki sposób generuje wartość, i podjąć kroki w celu złagodzenia jej bardzo realnych wad, dla dobra Twojej firmy i szerokiej społeczności, w której działa.

W drugiej części tego artykułu omówię trzy główne wady automatyzacji — zrozumiałość, przejrzystość i koszty — oraz sposoby radzenia sobie z nimi.