Как ее исправить с помощью искусственного интеллекта
Преимущества аналитики, основанной на искусственном интеллекте, многочисленны: от предоставления полезной информации за считанные минуты до устранения ошибок или искажений в аналитике самообслуживания.
Преимущества аналитики хорошо документированы. Аналитика помогла организациям трансформировать опыт розничной торговли, составить карту маршрутов движения поездов и грузовиков, обнаружить внеземную жизнь и даже предсказать болезни. Однако за последние несколько лет организации по всему миру столкнулись с тем, как много человеческих ошибок пронизывало их аналитические попытки, часто заканчивающиеся катастрофическими результатами. От крушения космических кораблей до потопления кораблей, перевода миллиардов долларов непреднамеренным получателям и смертей из-за передозировки лекарств — человеческая ошибка в анализе данных имеет далеко идущие последствия для организаций.
Причин человеческих ошибок при анализе данных может быть много, таких как недостаток опыта, усталость или потеря внимания, недостаток знаний или слишком распространенные предубеждения при интерпретации данных. Однако общим среди этих ошибок является то, что они связаны с тем, что люди читают, обрабатывают, анализируют и интерпретируют данные. Искусственный интеллект (ИИ) может эффективно бороться с человеческими ошибками, беря на себя тяжелую работу, связанную с анализом, анализом, детализацией и анализом невероятно больших объемов данных. Он также может выполнять высокоуровневые арифметические, логические и статистические функции в масштабе, который в противном случае был бы невозможен только с помощью аналитики самообслуживания под руководством человека.
Ниже приведены пять наиболее распространенных человеческих ошибок, которые можно устранить с помощью искусственного интеллекта:
Предвзятость подтверждения
Легко заметить желтую машину, когда вы всегда думаете о желтой машине. Предвзятость подтверждения влияет на то, как мы ищем, интерпретируем и запоминаем информацию. В деловом мире интуиция довольно часто превосходит данные, и данными манипулируют, опускают, искажают или неверно интерпретируют, чтобы они соответствовали чьим-то собственным убеждениям. А в тех случаях, когда данные не согласуются с убеждениями, информация искажается и игнорируется. Искусственный интеллект устраняет этот способ сбора данных; он использует исторические данные для поиска тенденций, закономерностей и выбросов, обеспечивая точные результаты без предвзятости.
Lockheed Martin, одна из ведущих мировых аэрокосмических компаний, использует исторические проектные данные, также называемые dark data, для активного управления своими проектами. Сопоставляя и анализируя сотни показателей, компания смогла определить опережающие и отстающие показатели прогресса программы, спрогнозировать понижение рейтинга программы и повысить прогнозирование проекта на 3 процента.
Преуменьшение потерь
Человеческая природа — не бояться потерь. Toyota преуменьшила влияние неисправных тормозов в своих автомобилях, в результате чего некоторые модели Toyota были исключены из списка рекомендуемых автомобилей Consumer Reports. BP преуменьшила влияние разлива нефти в Мексиканском заливе, выпустив полированную рекламу, извиняющуюся за «незначительный разлив», пока не получила серьезную обратную реакцию от тогдашнего президента Барака Обамы, который сказал, что компания должна была использовать свой PR-бюджет для очистки разлива.
Преуменьшение потерь создает туннельное зрение и лишает лидеров возможности принимать эффективные решения. И в долгосрочной перспективе это может оказаться дорогостоящим для организации. Из-за аналитической ДНК искусственного интеллекта он понимает и интерпретирует данные такими, какие они есть, и не отдает предпочтение положительным тенденциям перед негативными тенденциями, бесспорно устраняя человеческую тенденцию отдавать предпочтение положительным результатам. Это делает аналитику, управляемую ИИ, идеальным союзником для лидеров, которые хотят принимать решения на основе полных фактов, а не частичной картины.
Завышенные прогнозы
Еще одним недостатком человеческой аналитики является привычка представлять завышенные прогнозы будущего. Будь то прогнозирование бюджетных потребностей организации, прогнозирование ущерба имуществу после стихийного бедствия или прогнозирование бюджетного дефицита или темпов инфляции, люди склонны раздувать прогнозы, основанные на их собственных предположениях и опыте. Напротив, аналитика под руководством ИИ имеет тенденцию быть более точной, потому что она делает прогнозы, основанные на движущих или останавливающих силах и внешних или экологических стимулах. ВМС США используют искусственный интеллект и машинное обучение для упреждающего прогнозирования отказов деталей и планирования профилактического обслуживания своих самолетов и кораблей. Это позволяет морякам тратить больше времени на миссии и меньше времени на ремонт судов, когда они терпят неудачу.
Неспособность выйти за рамки аналитики поверхностного уровня
для анализа первопричины проблем может поставить компании на несколько световых лет впереди других, которые не следуют такой практике. Анализ первопричин может идентифицировать агентов, вызывающих проблему, намекать на меры по исправлению и предлагать идеи для предотвращения таких проблем в будущем. Но при слишком большом количестве источников данных, структур и хранилищ люди не могут сопоставлять, анализировать и детализировать данные для выполнения анализа первопричин. Аналитика, управляемая ИИ, может обойти эти барьеры, легко копаясь в нескольких уровнях данных одновременно. Кроме того, ИИ может также накладывать несколько возможных сценариев, чтобы придумать наиболее вероятную причину проблемы.
Век ИИ
Преимущества аналитики, управляемой ИИ, многочисленны: от предоставления действенной информации за считанные минуты до устранения ошибок или предубеждений в аналитике самообслуживания. Теперь, когда все больше и больше бизнес-лидеров обращаются к ИИ, чтобы получить информацию, которая продвигает их бизнес, мы можем ожидать растущего внедрения ИИ в аналитику на Ближнем Востоке и во всем мире.