Gartner: Datan ja tekoälytiimien taloudellisten vaikutusten arvioinnista on tullut kriittistä
Lyhyesti
Data-, AI- ja ML-tiimien taloudellisten vaikutusten arvioinnin ongelma on tullut kriittiseksi.
Tekoälyn valoisan tulevaisuuden maailmassa kaikki puhuvat vain data-analyysin upeista vaikutuksista ja siitä, mitä datatiimit voivat yleensä tuoda pöytään. Oletko nähnyt näitä vaikutuksia todellisuudessa: tietyt kassavirrat data-analyysiprojektien toteuttamisen seurauksena? Vastaus on todennäköisesti epäselvä. Joten Gartner keskusteli ongelmasta, joka liittyy tietoryhmien vaikutusten arvioimiseen niiden johdossa dataa ja analytiikkaa käsittelevä konferenssi tänä vuonna.
Gartnerin tutkimuksen mukaan vuodesta 1975 lähtien niiden yritysten osuus, jotka mittaavat data-analytiikkaprojektien erityisiä taloudellisia vaikutuksia (tulojen kasvu, kustannusten aleneminen, tuottavuuden kasvu ja riskien vähentäminen), on laskenut tasaisesti. Jo vuonna 2020 yli 90 % investoinneista dataan (17 % vuonna 1975) oli perusteltua niin sanotuilla strategisilla tavoitteilla: innovaatioiden luominen, data voimavarana ja brändiarvo.
Ja sitten voidaan puhua paljon siitä, miten ja miksi tähän päädyttiin ja mitä tapahtuu seuraavaksi globaalin makrotalouden pilvien kerääntymisen taustalla.
Miksi trendi on muodostunut?
Data-analyysin vaikutuksen perusteleminen strategisilla tavoitteilla on monissa tapauksissa aivan normaalia. Alan kehitys viime vuosina on jo tullut ilmeiseksi kaikille, näyttää siltä: ChatGPT tässä tekee viimeisestä laukauksesta viimeisen epäilijän. Läpimurron hetkellä mikään selviytyä haluava yritys ei halua jäädä toivottomasti jälkeen.
Vaikutuksen perusteleminen strategisilla tavoitteilla on joskus pakotettua, kun ei panosta ymmärrykseen, mitä todellisia taloudellisia vaikutuksia datasijoituksella voi olla ja miten sitä voidaan mitata. Monet yritykset investoivat valtavia lukuja dataan perustuviin liiketoimintaprosesseihin parantaviin projekteihin, mutta samalla säästävät luotaessa metodologiaa näiden projektien vaikutusten arviointiin (AB-testaus, dataprojektien investointien jälkeinen analyysi jne.). Jokaisen uuden projektin myötä tällaiset yritykset juuttuvat yhä enemmän epävarmuuden ansaan; heille riski kaiken datatoiminnan lopullisesta konkurssista kasvaa tai datatiimi liioittuu ymmärtämättä toimintansa menestystä.
Samanaikaisesti käytännössä tällaisten metodologioiden käyttöönotto on aina johtanut suurimpiin vaikutuksiin kaikissa dataprojekteissa.
Mitä tapahtuu seuraavaksi?
Pimeä puoli on dataryhmien kasvava haavoittuvuus vaikeassa makrotaloudellisessa tilanteessa maailmanmarkkinoilla. Jos 90 %:iin tietyntyyppisten joukkueiden vaikutuksista ei voida "koskea", koska ne ovat jossain valoisassa tulevaisuudessa, talouskriisin voimistuessa, nämä joukkueet joutuvat ensimmäisinä osumaan. Valitettavasti tämän suuntauksen alku vahvistettiin suurelta osin vuoteen 2022 mennessä, ja monet suuret lomautuksia suurissa yhtiöissä.
Valoisa puoli on lisääntynyt kiinnostus todellisia taloudellisia vaikutusten arviointeja kohtaan. Kaiken edellä mainitun taustalla odotamme, että vuosina 2024–2025 suuntaus kääntyy ja investoinnit ovat perusteltuja reaalitaloudellisilla vaikutuksilla.
Ja tämä merkitsee kiinnostuksen lisääntymistä Reliable ML:n kaltaisia menetelmiä kohtaan: miten datatiimien työ organisoidaan niin, että niiden toiminnan vaikutus on mitattavissa ja taloudellisesti positiivinen. Tätä varten sinun on pohdittava ML-järjestelmän suunnittelua (jotta ei joutuisi ilmeisen kannattamattomiin tai toteuttamattomiin projekteihin), kausaalista päättelyä (jotta ei joutuisi väärien mallien ansaan) ja AB-testausta (jotta se onnistuisi oikein) ymmärtää, tuoko prototyyppisi rahaa skaalattaessa).
Lue lisää aiheeseen liittyviä uutisia:
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
lisää artikkeleita
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
