Gartner: Оценката на финансовите ефекти от екипите за данни и AI стана критична
Накратко
Проблемът с оценката на финансовите ефекти от екипите за данни, AI и ML стана критичен.
В света на светлото бъдеще на AI всички говорят само за зашеметяващите ефекти от анализа на данни и какво екипите за данни могат да представят на масата като цяло. Виждали ли сте тези ефекти в реалността: конкретни парични потоци в резултат на изпълнението на проекти за анализ на данни? Отговорът вероятно е двусмислен. Така че Gartner обсъди проблема с оценката на ефектите от екипите за данни при тяхното ръководство конференция за данни и анализи тази година.
Според проучването на Gartner от 1975 г. насам се наблюдава постоянен спад в дела на компаниите, които измерват специфичното финансово въздействие на проектите за анализ на данни (ръст на приходите, намаляване на разходите, растеж на производителността и намаляване на риска). Още през 2020 г. повече от 90% от инвестициите в данни (срещу 17% през 1975 г.) бяха оправдани от така наречените стратегически цели: създаване на иновации, данни като актив и стойност на марката.
И тогава можете да говорите много за това как и защо стигнахме до това и какво ще се случи след това на фона на струпващите се облаци в глобалната макроикономическа среда.
Защо се формира тенденцията?
Обосноваването на ефекта от анализа на данните от гледна точка на стратегически цели в много случаи е съвсем нормално. Развитието на индустрията през последните години вече е очевидно за всички, изглежда: ChatGPT тук прави последният изстрел последният съмняващ се. В момента на пробив нито една компания, която иска да оцелее, не иска да остане безнадеждно назад.
Обосноваването на ефекта със стратегически цели понякога е принудително, когато не инвестирате в разбирането какви реални финансови ефекти могат да донесат инвестициите в данни и как това може да бъде измерено. Много компании инвестират огромни суми в проекти за подобряване на бизнес процесите, базирани на данни, но в същото време спестяват от създаването на методология за оценка на ефектите от тези проекти (AB тестване, слединвестиционен анализ на проекти с данни и др.). С всеки нов проект такива компании все повече затъват в капана на несигурността; за тях рискът от окончателен фалит на цялата дейност с данни нараства или екипът за данни е пренадут, без да разбира успеха на дейността си.
В същото време на практика въвеждането на такива методологии винаги е водило до най-големи ефекти върху всички проекти за данни.
Какво ще стане след това?
Тъмната страна е нарастващата уязвимост на екипите за данни в трудна макроикономическа ситуация на световните пазари. Ако 90% от ефектите на някои видове отбори не могат да бъдат „пипнати“, защото са някъде в светлото бъдеще, когато икономическата криза се задълбочи, именно тези отбори ще бъдат първите ударени. За съжаление, началото на тази тенденция беше до голяма степен потвърдено до 2022 г. и редица мащабни съкращения в големи компании.
Добрата страна е повишеният интерес към реални оценки на финансовото въздействие. На фона на всичко изброено по-горе очакваме през 2024–2025 г. да има обръщане на тенденцията и повече инвестиции да бъдат оправдани с реален финансов ефект.
А това ще означава повишаване на интереса към методи като Reliable ML: как да организираме работата на екипите за данни, така че ефектът от дейността им да е измерим и финансово положителен. За да направите това, трябва да помислите за дизайна на ML система (за да не попаднете в очевидно нерентабилни или нереализируеми проекти), причинно-следствени изводи (за да не попаднете в капана на фалшиви модели) и AB тестване (за да направите правилно разберете дали вашият прототип ще донесе пари при мащабиране).
Прочетете още свързани новини:
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
Още статии
Дамир е ръководител на екип, продуктов мениджър и редактор в Metaverse Post, обхващащи теми като AI/ML, AGI, LLMs, Metaverse и Web3- свързани полета. Статиите му привличат огромна аудитория от над милион потребители всеки месец. Изглежда, че е експерт с 10 години опит в SEO и дигитален маркетинг. Дамир е споменат в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto и други публикации. Той пътува между ОАЕ, Турция, Русия и ОНД като дигитален номад. Дамир получава бакалавърска степен по физика, която според него му е дала уменията за критично мислене, необходими за успех в непрекъснато променящия се пейзаж на интернет.
