Halo lagi! Hari ini kami melanjutkan serangkaian publikasi yang didedikasikan untuk peluncuran kursus
Big Data for Managers . Jadi mari kita mulai.
"AI sudah dekat." Inilah yang kami dengar sejak 2017 dan, kemungkinan besar, kami akan terus mendengar lebih lanjut. Untuk perusahaan mapan yang bukan Google atau Facebook, muncul pertanyaan alami: apa yang kita miliki yang memungkinkan kita untuk selamat dari transisi ini?
Dalam pengalaman kami, jawabannya adalah "data." Pers bisnis juga menganut sudut pandang ini. Ratusan artikel telah ditulis mengklaim bahwa
"data adalah minyak baru," yang berarti bahwa itu adalah bahan bakar yang akan mendorong ekonomi AI.
Jika demikian, maka Anda dapat menganggap bahwa perusahaan Anda beruntung. Anda mengumpulkan semua data ini dan ketika AI akhirnya muncul, ternyata Anda duduk di cadangan minyak. Tetapi jika Anda benar-benar beruntung, mungkin Anda harus bertanya pada diri sendiri: "Apakah kita benar-benar beruntung?"
Dalam analogi "data adalah minyak" ada beberapa kebenaran. Sebagai bahan bakar untuk mesin pembakaran internal, data diperlukan agar AI berfungsi. AI mengambil data mentah dan mengubahnya menjadi sesuatu yang berguna untuk pengambilan keputusan. Ingin tahu cuaca untuk besok? Mari kita gunakan data cuaca untuk periode sebelumnya. Ingin tahu penjualan yogurt minggu depan? Mari kita gunakan data penjualan yogurt sebelumnya. AI adalah mesin peramalan berbasis data.
Tetapi apakah AI membutuhkan data
Anda ? Saat ini, diyakini bahwa semua data berpotensi berguna untuk AI, tetapi kenyataannya tidak demikian. Ya, data diperlukan untuk operasi harian mesin peramalan Anda. Tetapi kemungkinan besar ini bukan data yang Anda miliki sekarang. Sebagai gantinya, perusahaan Anda mengumpulkan data yang akan digunakan untuk
membuat mesin peramalan, dan bukan untuk operasinya.
Anda sekarang memiliki data pelatihan. Mereka dapat digunakan sebagai bahan untuk mempelajari algoritma. Dan sudah algoritma ini digunakan untuk menghasilkan perkiraan tindakan.
Ya, itu berarti data Anda berharga. Tetapi ini tidak berarti bahwa bisnis Anda akan selamat dari badai. Setelah data digunakan untuk melatih mesin prediksi, ia akan terdepresiasi dan menjadi tidak berguna untuk prediksi semacam ini. Melanjutkan analogi dengan minyak, data dapat terbakar. Mereka hilang setelah digunakan. Para ilmuwan menyadari hal ini. Mereka menghabiskan waktu bertahun-tahun mengumpulkan data, tetapi begitu mereka membuahkan hasil, mereka mulai mengumpulkan debu di rak atau flash drive yang terlupakan. Bisnis Anda mungkin terletak di sumur minyak, tetapi cadangannya terbatas. Ini tidak menjamin Anda lebih dari itu dalam ekonomi AI daripada hanya nilai jual kembali yang lebih menguntungkan.
Terlepas dari seberapa berharganya data Anda, kemampuan untuk mendapatkan manfaat mungkin terbatas. Berapa banyak sumber data komparatif yang ada? Jika Anda adalah salah satu dari banyak pemasok yogurt, maka basis data Anda yang berisi informasi tentang penjualan yogurt selama 10 tahun terakhir dan data terkait (harga, suhu, penjualan produk terkait, misalnya, es krim) akan memiliki nilai pasar lebih rendah daripada jika Anda akan menjadi pemilik tunggal data ini. Dengan kata lain, seperti halnya minyak, semakin banyak pemasok yang memiliki data yang mirip dengan Anda, semakin rendah nilainya dari data pelatihan Anda. Nilai data pelatihan Anda selanjutnya dipengaruhi oleh nilai yang diperoleh melalui peningkatan akurasi perkiraan. Data pelatihan Anda akan lebih bernilai jika akurasi prediksi yang ditingkatkan meningkatkan penjualan yogurt sebesar $ 100 juta, bukan hanya 10.
Selain itu, nilai saat ini dari data biasanya tergantung pada tindakan yang diambil dalam bisnis sehari-hari - data baru yang diterima setiap hari yang memungkinkan Anda untuk menggunakan mesin Anda untuk peramalan setelah pelatihan. Ini juga membantu memperbaikinya melalui pelatihan. Data penjualan yogurt 10 tahun berguna untuk melatih model AI untuk memprediksi penjualan yogurt di masa depan, tetapi prediksi nyata yang digunakan untuk mengelola rantai pasokan membutuhkan data yang berkelanjutan secara berkelanjutan. Dan ini adalah poin penting bagi perusahaan saat ini.
Startup AI yang memperoleh data penjualan yogurt masa lalu dapat melatih model AI untuk memprediksi penjualan di masa depan. Dia tidak akan dapat menggunakan model untuk pengambilan keputusan kecuali dia menerima data operasional saat ini untuk pelatihan. Tidak seperti startup, perusahaan besar menghasilkan data operasional setiap hari. Ini sangat berharga. Semakin banyak operasi, semakin banyak data. Selain itu, pemilik operasi sebenarnya dapat menggunakan prediksi untuk lebih meningkatkan operasi di masa depan.
Dalam ekonomi AI, nilai akumulasi data Anda terbatas pada manfaat satu kali mempelajari model AI. Dan nilai data pelatihan, seperti minyak, tergantung pada jumlah total - semakin banyak orang memilikinya, semakin tidak berharga mereka. Sebaliknya, nilai data operasi Anda saat ini tidak terbatas pada keuntungan satu kali saja, tetapi memberikan manfaat permanen dalam operasi dan peningkatan selanjutnya dari mesin prediksi. Oleh karena itu, terlepas dari semua pembicaraan bahwa data adalah minyak baru, data lama Anda yang terakumulasi bukanlah yang utama. Namun, mereka bisa mengarah pada hal utama. Nilai mereka untuk prospek Anda rendah, tetapi jika Anda dapat menemukan cara untuk menghasilkan aliran data baru dan konstan yang memberikan keuntungan fungsional dalam hal kemampuan prediksi AI Anda, ini akan memberikan keuntungan yang stabil ketika muncul.
Ajukan pertanyaan, tulis komentar Anda, dan jangan lupa bahwa besok, 10 April, akan menjadi
hari yang terbuka , yang akan diselenggarakan oleh
Denis Afanasyev , CEO, CleverDATA.