Gartner: Het beoordelen van de financiële effecten van data en AI-teams is cruciaal geworden
In het kort
Het probleem van het beoordelen van de financiële effecten van data-, AI- en ML-teams is kritiek geworden.
In de wereld van de mooie toekomst van AI praat iedereen alleen over de verbluffende effecten van data-analyse en wat datateams in het algemeen ter tafel kunnen brengen. Heeft u deze effecten in de praktijk gezien: specifieke geldstromen als gevolg van de uitvoering van data-analyseprojecten? Het antwoord is waarschijnlijk dubbelzinnig. Dus besprak Gartner het probleem van het evalueren van de effecten van datateams aan hun leiding conferentie over data en analyse dit jaar.
Volgens het onderzoek van Gartner is er sinds 1975 een gestage daling van het aantal bedrijven dat de specifieke financiële impact van data-analyseprojecten meet (omzetgroei, kostenreductie, productiviteitsgroei en risicoreductie). Al in 2020 werd meer dan 90% van de investeringen in data (tegenover 17% in 1975) gerechtvaardigd door de zogenaamde strategische doelen: het creëren van innovaties, data als asset en merkwaarde.
En dan kun je veel praten over hoe en waarom we hiertoe kwamen en wat er daarna zal gebeuren tegen de achtergrond van de samentrekkende wolken in de wereldwijde macro-economische omgeving.
Waarom is de trend ontstaan?
Het effect van data-analyse verantwoorden in termen van strategische doelen is in veel gevallen heel normaal. De ontwikkeling van de industrie in de afgelopen jaren is voor iedereen al duidelijk geworden, zo lijkt het: ChatGPT hier maakt het laatste schot de laatste twijfelaar. Op het moment van een doorbraak wil geen enkel bedrijf dat wil overleven hopeloos achterblijven.
Het effect rechtvaardigen met strategische doelen is soms geforceerd wanneer je niet investeert in het begrijpen van de reële financiële effecten die investeringen in data kunnen hebben en hoe dit gemeten kan worden. Veel bedrijven investeren enorme bedragen in projecten om bedrijfsprocessen te verbeteren op basis van data, maar tegelijkertijd besparen ze op het creëren van een methodologie om de effecten van deze projecten te evalueren (AB-testen, post-investeringsanalyse van dataprojecten, enz.). Bij elk nieuw project lopen dergelijke bedrijven meer en meer vast in de valkuil van onzekerheid; voor hen wordt het risico van het definitieve faillissement van alle data-activiteiten groter, of het datateam wordt overbelast zonder het succes van hun activiteiten te begrijpen.
Tegelijkertijd heeft de introductie van dergelijke methodieken in de praktijk altijd geresulteerd in de grootste effecten op alle dataprojecten.
Wat zal er hierna gebeuren?
De donkere kant is de groeiende kwetsbaarheid van datateams in een moeilijke macro-economische situatie op de wereldmarkten. Als 90% van de effecten van sommige soorten teams niet kan worden "aangeraakt" omdat ze zich ergens in de mooie toekomst bevinden, wanneer de economische crisis heviger wordt, zullen deze teams als eersten worden getroffen. Helaas werd het begin van deze trend in 2022 grotendeels bevestigd en een aantal grootschalige ontslagen bij grote bedrijven.
De positieve kant is de toegenomen belangstelling voor echte financiële effectbeoordelingen. Tegen de achtergrond van al het bovenstaande verwachten we dat er in 2024–2025 een trendomslag zal plaatsvinden en meer investeringen zullen worden gerechtvaardigd door een reëel financieel effect.
En dit betekent een toename van de belangstelling voor methoden als Reliable ML: hoe het werk van datateams zo te organiseren dat het effect van hun activiteiten meetbaar en financieel positief is. Om dit te doen, moet u nadenken over ML-systeemontwerp (om niet in duidelijk onrendabele of onrealiseerbare projecten terecht te komen), causale gevolgtrekkingen (om niet in de val van valse patronen te trappen) en AB-testen (om correct begrijpen of uw prototype geld zal opleveren bij het opschalen).
Lees meer gerelateerd nieuws:
Disclaimer
In lijn met de Richtlijnen voor vertrouwensprojectenHoud er rekening mee dat de informatie op deze pagina niet bedoeld is en niet mag worden geïnterpreteerd als juridisch, fiscaal, beleggings-, financieel of enige andere vorm van advies. Het is belangrijk om alleen te beleggen wat u zich kunt veroorloven te verliezen en onafhankelijk financieel advies in te winnen als u twijfels heeft. Voor meer informatie raden wij u aan de algemene voorwaarden en de hulp- en ondersteuningspagina's van de uitgever of adverteerder te raadplegen. MetaversePost streeft naar nauwkeurige, onpartijdige berichtgeving, maar de marktomstandigheden kunnen zonder voorafgaande kennisgeving worden gewijzigd.
Over de auteur
Damir is de teamleider, productmanager en redacteur bij Metaverse Post, met onderwerpen als AI/ML, AGI, LLM's, Metaverse en Web3-gerelateerde velden. Zijn artikelen trekken maandelijks een enorm publiek van meer dan een miljoen gebruikers. Hij blijkt een expert te zijn met 10 jaar ervaring in SEO en digitale marketing. Damir is genoemd in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto en andere publicaties. Hij reist als digitale nomade tussen de VAE, Turkije, Rusland en het GOS. Damir behaalde een bachelordiploma in natuurkunde, wat hem volgens hem de kritische denkvaardigheden heeft gegeven die nodig zijn om succesvol te zijn in het steeds veranderende landschap van internet.
Meer artikelen
Damir is de teamleider, productmanager en redacteur bij Metaverse Post, met onderwerpen als AI/ML, AGI, LLM's, Metaverse en Web3-gerelateerde velden. Zijn artikelen trekken maandelijks een enorm publiek van meer dan een miljoen gebruikers. Hij blijkt een expert te zijn met 10 jaar ervaring in SEO en digitale marketing. Damir is genoemd in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto en andere publicaties. Hij reist als digitale nomade tussen de VAE, Turkije, Rusland en het GOS. Damir behaalde een bachelordiploma in natuurkunde, wat hem volgens hem de kritische denkvaardigheden heeft gegeven die nodig zijn om succesvol te zijn in het steeds veranderende landschap van internet.
