Gartner: Ang pagtatasa sa mga epekto sa pananalapi ng data at mga AI team ay naging kritikal
Sa madaling sabi
Ang problema sa pagtatasa ng mga epekto sa pananalapi ng mga koponan ng Data, AI at ML ay naging kritikal.
Sa mundo ng magandang kinabukasan ng AI, ang lahat ay nagsasalita lamang tungkol sa mga nakamamanghang epekto ng pagsusuri ng data at kung ano ang maaaring dalhin ng mga data team sa talahanayan sa pangkalahatan. Nakita mo na ba ang mga epektong ito sa katotohanan: mga partikular na daloy ng pera bilang resulta ng pagpapatupad ng mga proyekto sa pagsusuri ng data? Ang sagot ay malamang na hindi maliwanag. Kaya't tinalakay ni Gartner ang problema ng pagsusuri sa mga epekto ng mga pangkat ng data sa kanilang pangunguna kumperensya sa data at analytics sa taong ito.
Ayon sa pag-aaral ni Gartner, mula noong 1975, nagkaroon ng tuluy-tuloy na pagbaba sa proporsyon ng mga kumpanyang sumusukat sa partikular na epekto sa pananalapi ng mga proyekto ng data analytics (paglago ng kita, pagbawas sa gastos, paglago ng produktibidad, at pagbabawas ng panganib). Nasa 2020 na, higit sa 90% ng mga pamumuhunan sa data (laban sa 17% noong 1975) ay nabigyang-katwiran ng tinatawag na mga madiskarteng layunin: ang paglikha ng mga inobasyon, data bilang asset, at halaga ng tatak.
At pagkatapos ay maaari kang makipag-usap ng marami tungkol sa kung paano at bakit tayo napunta sa ito at kung ano ang susunod na mangyayari laban sa backdrop ng pagtitipon ng mga ulap sa pandaigdigang macroeconomic na kapaligiran.
Bakit nabuo ang uso?
Ang pagbibigay-katwiran sa epekto ng pagsusuri ng data sa mga tuntunin ng mga madiskarteng layunin ay, sa maraming kaso, medyo normal. Ang pag-unlad ng industriya sa mga nakaraang taon ay naging halata sa lahat, tila: ChatGPT dito ginagawa ang huling shot ang huling nagdududa. Sa sandali ng isang pambihirang tagumpay, walang kumpanyang gustong mabuhay ang gustong manatiling walang pag-asa.
Kung minsan, napipilitan ang pagbibigay-katwiran sa epekto sa mga madiskarteng layunin kapag hindi ka namuhunan sa pag-unawa kung ano ang mga tunay na epekto sa pananalapi na maaaring idulot ng mga pamumuhunan sa data at kung paano ito masusukat. Maraming mga kumpanya ang namumuhunan ng malalaking numero sa mga proyekto upang mapabuti ang mga proseso ng negosyo batay sa data, ngunit sa parehong oras, nakakatipid sila sa paglikha ng isang pamamaraan para sa pagsusuri ng mga epekto ng mga proyektong ito (pagsusuri sa AB, pagsusuri sa post-investment ng mga proyekto ng data, atbp.). Sa bawat bagong proyekto, ang mga naturang kumpanya ay lalong nahuhulog sa bitag ng kawalan ng katiyakan; para sa kanila, ang panganib ng huling pagkabangkarote ng lahat ng aktibidad ng data ay lumalaki, o ang pangkat ng data ay sobra-sobra nang hindi nauunawaan ang tagumpay ng kanilang mga aktibidad.
Kasabay nito, sa pagsasagawa, ang pagpapakilala ng naturang mga pamamaraan ay palaging nagreresulta sa pinakamalaking epekto sa lahat ng mga proyekto ng data.
Anong sunod na mangyayari?
Ang madilim na bahagi ay ang lumalaking kahinaan ng mga pangkat ng data sa isang mahirap na macroeconomic na sitwasyon sa mga merkado sa mundo. Kung ang 90% ng mga epekto ng ilang mga uri ng mga koponan ay hindi maaaring "mahipo" dahil sila ay nasa isang lugar sa magandang hinaharap, kapag ang krisis sa ekonomiya ay tumindi, ang mga koponan na ito ang unang tatamaan. Sa kasamaang palad, ang simula ng trend na ito ay higit na nakumpirma sa pamamagitan ng 2022, at isang bilang ng malakihan layoffs sa malalaking kumpanya.
Ang maliwanag na bahagi ay ang tumaas na interes sa mga pagtatasa ng tunay na epekto sa pananalapi. Laban sa background ng lahat ng nasa itaas, inaasahan namin na sa 2024–2025 magkakaroon ng pagbabago ng trend, at mas maraming pamumuhunan ang mabibigyang katwiran ng isang tunay na epekto sa pananalapi.
At ito ay mangangahulugan ng pagtaas ng interes sa mga pamamaraan tulad ng Maaasahang ML: kung paano ayusin ang gawain ng mga pangkat ng data upang ang epekto ng kanilang mga aktibidad ay masusukat at positibo sa pananalapi. Upang gawin ito, kailangan mong pag-isipan ang tungkol sa disenyo ng sistema ng ML (upang hindi makapasok sa malinaw na hindi kumikita o hindi maisasakatuparan na mga proyekto), sanhi ng hinuha (upang hindi mahulog sa bitag ng mga maling pattern), at pagsubok sa AB (upang tama ang maunawaan kung ang iyong prototype ay magdadala ng pera kapag nag-scale).
Magbasa ng higit pang mga kaugnay na balita:
Pagtanggi sa pananagutan
Sa linya na may Mga alituntunin ng Trust Project, pakitandaan na ang impormasyong ibinigay sa pahinang ito ay hindi nilayon at hindi dapat bigyang-kahulugan bilang legal, buwis, pamumuhunan, pananalapi, o anumang iba pang paraan ng payo. Mahalagang mamuhunan lamang kung ano ang maaari mong mawala at humingi ng independiyenteng payo sa pananalapi kung mayroon kang anumang mga pagdududa. Para sa karagdagang impormasyon, iminumungkahi naming sumangguni sa mga tuntunin at kundisyon pati na rin sa mga pahina ng tulong at suporta na ibinigay ng nagbigay o advertiser. MetaversePost ay nakatuon sa tumpak, walang pinapanigan na pag-uulat, ngunit ang mga kondisyon ng merkado ay maaaring magbago nang walang abiso.
Tungkol sa Ang May-akda
Si Damir ang pinuno ng pangkat, tagapamahala ng produkto, at editor sa Metaverse Post, sumasaklaw sa mga paksa gaya ng AI/ML, AGI, LLMs, Metaverse, at Web3-mga kaugnay na larangan. Ang kanyang mga artikulo ay umaakit ng napakalaking madla na mahigit sa isang milyong user bawat buwan. Mukhang isa siyang eksperto na may 10 taong karanasan sa SEO at digital marketing. Nabanggit si Damir sa Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, at iba pang publikasyon. Naglalakbay siya sa pagitan ng UAE, Turkey, Russia, at ng CIS bilang digital nomad. Nakamit ni Damir ang bachelor's degree sa physics, na pinaniniwalaan niyang nagbigay sa kanya ng mga kritikal na kasanayan sa pag-iisip na kailangan para maging matagumpay sa pabago-bagong tanawin ng internet.
Mas marami pang artikuloSi Damir ang pinuno ng pangkat, tagapamahala ng produkto, at editor sa Metaverse Post, sumasaklaw sa mga paksa gaya ng AI/ML, AGI, LLMs, Metaverse, at Web3-mga kaugnay na larangan. Ang kanyang mga artikulo ay umaakit ng napakalaking madla na mahigit sa isang milyong user bawat buwan. Mukhang isa siyang eksperto na may 10 taong karanasan sa SEO at digital marketing. Nabanggit si Damir sa Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, at iba pang publikasyon. Naglalakbay siya sa pagitan ng UAE, Turkey, Russia, at ng CIS bilang digital nomad. Nakamit ni Damir ang bachelor's degree sa physics, na pinaniniwalaan niyang nagbigay sa kanya ng mga kritikal na kasanayan sa pag-iisip na kailangan para maging matagumpay sa pabago-bagong tanawin ng internet.