Gartner: Оцінка фінансових ефектів даних і команд ШІ стала критичною
Коротко
Проблема оцінки фінансових ефектів команд Data, AI та ML стала критичною.
У світі світлого майбутнього штучного інтелекту всі говорять лише про приголомшливі ефекти аналізу даних і про те, що команди обробки даних взагалі можуть представити. Чи бачили ви ці ефекти в реальності: конкретні грошові потоки в результаті впровадження проектів аналізу даних? Відповідь, мабуть, неоднозначна. Таким чином, Gartner обговорював проблему оцінки впливу команд даних на їх керівництво конференція з даних та аналітики в цьому році.
Згідно з дослідженням Gartner, починаючи з 1975 року спостерігається постійне зниження частки компаній, які вимірюють конкретний фінансовий вплив проектів аналітики даних (зростання доходу, скорочення витрат, зростання продуктивності та зниження ризику). Вже у 2020 році понад 90% інвестицій у дані (проти 17% у 1975 році) були виправдані так званими стратегічними цілями: створення інновацій, дані як актив і вартість бренду.
І тоді можна багато говорити про те, як і чому ми до цього прийшли і що буде далі на тлі хмар, що згущуються в глобальному макроекономічному середовищі.
Чому сформувався тренд?
Обґрунтування ефекту аналізу даних з точки зору стратегічних цілей у багатьох випадках є цілком нормальним. Розвиток галузі за останні роки, здається, вже став очевидним для всіх: ChatGPT тут робить останній постріл останній сумнів. У момент прориву жодна компанія, яка хоче вижити, не хоче безнадійно відставати.
Обґрунтовувати ефект стратегічними цілями іноді вимушено, коли ви не інвестуєте в розуміння того, який реальний фінансовий ефект можуть принести інвестиції в дані та як це можна виміряти. Багато компаній інвестують величезні кошти в проекти з удосконалення бізнес-процесів на основі даних, але при цьому економлять на створенні методології оцінки ефектів цих проектів (AB-тестування, постінвестиційний аналіз даних-проектів тощо). З кожним новим проектом такі компанії все більше загрузають у пастці невизначеності; для них зростає ризик остаточного банкрутства всієї активності даних, або команда даних надмірно роздута, не розуміючи успіху їх діяльності.
Водночас на практиці впровадження таких методологій завжди давало найбільший ефект для всіх проектів даних.
Що буде далі?
Темна сторона — зростаюча вразливість команд обробки даних у складній макроекономічній ситуації на світових ринках. Якщо 90% ефектів деяких типів команд неможливо «помацати», тому що вони десь у світлому майбутньому, коли економічна криза посилиться, саме ці команди будуть першими під ударом. На жаль, початок цієї тенденції значною мірою підтвердився до 2022 року, і низка масштабних звільнення у великих компаніях.
Яскравою стороною є підвищений інтерес до реальної оцінки фінансового впливу. На тлі всього вищесказаного ми очікуємо, що у 2024–2025 роках відбудеться перелом тренду, і більше інвестицій буде виправдано реальним фінансовим ефектом.
А це означатиме зростання інтересу до методів на кшталт Reliable ML: як організувати роботу дата-команд, щоб ефект від їх діяльності був вимірним і фінансово позитивним. Для цього потрібно продумати дизайн системи ML (щоб не потрапити в явно збиткові або нереалізовані проекти), причинно-наслідковий висновок (щоб не потрапити в пастку помилкових шаблонів) і AB-тестування (щоб правильно зрозуміти, чи принесе ваш прототип гроші при масштабуванні).
Читайте більше схожих новин:
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Дамір є керівником групи, менеджером із продуктів і редактором Metaverse Post, що охоплює такі теми, як AI/ML, AGI, LLMs, Metaverse тощо Web3- суміжні поля. Його статті щомісяця приваблюють величезну аудиторію понад мільйон користувачів. Здається, він є експертом із 10-річним досвідом роботи в SEO та цифровому маркетингу. Даміра згадували в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto та інші видання. Він подорожує між ОАЕ, Туреччиною, Росією та СНД як цифровий кочівник. Дамір отримав ступінь бакалавра з фізики, що, на його думку, дало йому навички критичного мислення, необхідні для досягнення успіху в Інтернеті, який постійно змінюється.
інші статті
Дамір є керівником групи, менеджером із продуктів і редактором Metaverse Post, що охоплює такі теми, як AI/ML, AGI, LLMs, Metaverse тощо Web3- суміжні поля. Його статті щомісяця приваблюють величезну аудиторію понад мільйон користувачів. Здається, він є експертом із 10-річним досвідом роботи в SEO та цифровому маркетингу. Даміра згадували в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto та інші видання. Він подорожує між ОАЕ, Туреччиною, Росією та СНД як цифровий кочівник. Дамір отримав ступінь бакалавра з фізики, що, на його думку, дало йому навички критичного мислення, необхідні для досягнення успіху в Інтернеті, який постійно змінюється.
