Gartner: La valutazione degli effetti finanziari dei dati e dei team di intelligenza artificiale è diventata critica
In Breve
Il problema della valutazione degli effetti finanziari dei team Data, AI e ML è diventato critico.
Nel mondo del brillante futuro dell'IA, tutti parlano solo degli straordinari effetti dell'analisi dei dati e di ciò che i team di dati possono portare sul tavolo in generale. Hai visto questi effetti nella realtà: flussi di cassa specifici come risultato dell'implementazione di progetti di analisi dei dati? La risposta è probabilmente ambigua. Quindi Gartner ha discusso il problema della valutazione degli effetti dei data team alla loro guida conferenza su dati e analisi quest'anno.
Secondo lo studio di Gartner, dal 1975, c'è stato un costante calo della percentuale di aziende che misurano l'impatto finanziario specifico dei progetti di analisi dei dati (crescita dei ricavi, riduzione dei costi, crescita della produttività e riduzione del rischio). Già nel 2020 oltre il 90% degli investimenti in dati (contro il 17% del 1975) erano giustificati dai cosiddetti obiettivi strategici: creazione di innovazione, dati come asset e valore del brand.
E poi puoi parlare molto di come e perché siamo arrivati a questo e cosa succederà dopo sullo sfondo delle nuvole che si addensano nell'ambiente macroeconomico globale.
Perché si è formata la tendenza?
Giustificare l'effetto dell'analisi dei dati in termini di obiettivi strategici è, in molti casi, abbastanza normale. Lo sviluppo del settore negli ultimi anni è già diventato evidente a tutti, sembra: ChatGPT qui fa l'ultimo colpo l'ultimo dubbioso. Al momento di una svolta, nessuna azienda che vuole sopravvivere vuole rimanere irrimediabilmente indietro.
Giustificare l'effetto con obiettivi strategici a volte è forzato quando non si investe per capire quali effetti finanziari reali possono portare gli investimenti nei dati e come questo può essere misurato. Molte aziende investono cifre enormi in progetti per migliorare i processi aziendali basati sui dati, ma allo stesso tempo risparmiano sulla creazione di una metodologia per valutare gli effetti di questi progetti (AB testing, analisi post-investimento dei progetti dati, ecc.). Con ogni nuovo progetto, tali aziende si impantanano sempre di più nella trappola dell'incertezza; per loro, il rischio del fallimento finale di tutte le attività relative ai dati è in aumento, oppure il team dei dati è sovradimensionato senza comprendere il successo delle loro attività.
Allo stesso tempo, in pratica, l'introduzione di tali metodologie ha sempre prodotto i maggiori effetti su tutti i progetti di dati.
Cosa succederà dopo?
Il lato oscuro è la crescente vulnerabilità dei data team in una difficile situazione macroeconomica sui mercati mondiali. Se il 90% degli effetti di alcuni tipi di squadre non può essere "toccato" perché si trovano da qualche parte in un futuro radioso, quando la crisi economica si intensificherà, saranno proprio queste squadre a essere colpite per prime. Sfortunatamente, l'inizio di questa tendenza è stato ampiamente confermato entro il 2022 e un numero di grandi dimensioni licenziamenti nelle grandi aziende.
Il lato positivo è il crescente interesse per le valutazioni dell'impatto finanziario reale. Alla luce di quanto sopra, prevediamo che nel 2024-2025 ci sarà un'inversione di tendenza e maggiori investimenti saranno giustificati da un reale effetto finanziario.
E questo significherà un aumento dell'interesse per metodi come Reliable ML: come organizzare il lavoro dei data team in modo che l'effetto delle loro attività sia misurabile e finanziariamente positivo. Per fare ciò, è necessario pensare alla progettazione del sistema ML (per non entrare in progetti ovviamente non redditizi o irrealizzabili), all'inferenza causale (per non cadere nella trappola di falsi schemi) e al test AB (per eseguire correttamente capire se il tuo prototipo porterà denaro durante il ridimensionamento).
Leggi altre notizie correlate:
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
Altri articoli
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
