Van gegevens tot beslissingen met bruikbare inzichten

Blog

Er is geen branche die niet kan worden verbeterd door bruikbare inzichten, en na verloop van tijd zal elke branche dat wel zijn. Een fintech-probleem dat tegenwoordig actiegerichte inzichten vereist, is bijvoorbeeld kredietrisicobeoordeling. Een goed gestructureerd fintech-algoritme zou gemakkelijk machine learning (ML) kunnen gebruiken om een ​​menselijke agent te adviseren een zakelijke leningaanvraag goed te keuren of af te wijzen.

Dat advies is een wezenlijk actiegericht inzicht: het algoritme modelleert de kans op succes van de aanvrager door te trainen op een berg historische gegevens en marktfactoren. Het resultaat in zicht is de classificatie van de aanvrager door het algoritme als een aanvaardbaar of onaanvaardbaar risico. De actie, iIn dit geval is de beslissing van de menselijke tussenpersoon om de lening toe te kennen of te weigeren. Alle soorten bedrijven zijn tegenwoordig afhankelijk van dergelijke bruikbare inzichten, idealiter ingebed in workflows, waardoor betere bedrijfsresultaten worden behaald zonder dat gebruikers hun primaire taken hoeven te verlaten om naar antwoorden in de gegevens te zoeken.

Van gegevens tot beslissingen met bruikbare inzichten

Bruikbare inzichten: de kern van business intelligence

In elke branche zijn bruikbare inzichten die voortkomen uit analyses en AI niet langer een luxe, maar een noodzaak om concurrentievermogen te bereiken. E-commerceplatforms hebben fraudedetectiesystemen op hoog niveau nodig om hun menselijke vertegenwoordigers te adviseren over te ondernemen acties. Bruikbare inzichten hebben een speciale connotatie op het gebied van data-analyse: een algoritme evalueert een enorme datastore en adviseert effectief een menselijke agent over de beste actie die kan worden ondernomen. Impliciet onder de aannames over machine learning is dat algoritmen een patroon of uitkomst in bijvoorbeeld tijdreeksgegevens identificeren die mensen in de praktijk niet zouden kunnen doen. Er zijn talloze mogelijkheden om data om te zetten in bruikbare inzichten in branches als:

  • Financiering: optimale portefeuillehandel
  • Gezondheidszorg: diagnose, interventie, administratie
  • Adverteren: marktanalyse en plaatsing
  • Pharma: Eiwitvouwing en geneesmiddelensynthese
  • Retail: demografie en stijltrending
  • Onderwijs: beoordeling en lesmethoden

De race om bruikbare inzichten in de handen van gebruikers te brengen is begonnen. Wanneer een speler in een veld gegevens omzet in bruikbare inzichten, moeten alle concurrenten het voorbeeld volgen om gelijke tred te houden. Innovatief gebruik van AI- en ML-methoden op alle gebieden zal deze wapenwedloop alleen maar versnellen, waardoor krachtiger bruikbare inzichten in handen komen van alle soorten arbeiders.

Voorbeeld van bruikbare inzichten: Broadridge

Geld is ongetwijfeld de grote motivator en AI-oplossingen moeten de winstgevendheid verbeteren. Laten we daarom eens kijken hoe ML-modellen in vermogensbeheer en optimale portefeuillehandel bruikbare inzichten opleveren. Broadridge Broadridge Asset Management Solutions is een vermogensbeheerbedrijf met een omzet van $ 4,5 miljard met klanten die unieke datastores genereren in verschillende containers. Een analyse-uitdaging hier is de integratie van meerdere datastromen om een ​​analyseplatform te voeden en vervolgens bruikbare inzichten te genereren die waardevol zijn in een portfoliospectrum.

Op fundamenteel niveau wordt het voorbereiden van gegevens voor analyse vaak wrangling genoemd. Voor business intelligence-managers is de weergave op het hoogste niveau de integratie van alles, van containers tot ML-technologieën en visualisaties. Analytics moet omgaan met zowel gestructureerde als ongestructureerde gegevens om optimale resultaten te behalen. Zoals we zullen zien, belichamen maar heel weinig ML- en AI-analyseplatforms de geavanceerde gegevenswetenschap en engineering om zo’n prestatie te bereiken met een resultaat van bruikbare inzichten waarvan de winst hun kosten rechtvaardigt.

Een bijzonder winstgevend resultaat dat Broadridge heeft behaald, is het gebruik door zijn portefeuillemanagers van ML-analyse om de beste portefeuilleposities te voorspellen. Broadridge-accountants maken ook gebruik van analyses om bruikbare inzichten te genereren, waaronder het voorspellen van debiteuren- en betalingsresultaten, wat leidt tot een scherper bewustzijn van de algehele activa.

Bruikbare inzichten inbrengen in workflows – de toekomst van het bedrijfsleven

Data omzetten in bruikbare inzichten is waar BI– en data-analyseplatforms zoals BI.nl schitteren. Het op innovatieve manieren modelleren van complexe en multidimensionale dataparameters en het presenteren van die inzichten in workflows zal de toekomst van elke branche veranderen. Deze systemen zullen bijvoorbeeld in staat zijn om miljoenen modelconfiguraties te evalueren en er dynamisch correcties in aan te brengen op basis van livestreaming-gegevens om zakelijke gebruikers continu op de hoogte te houden van de best mogelijke inzichten. Het resultaat zal zijn dat er meer bedrijven zijn waar alle of de meeste beslissingen worden genomen op basis van onderliggende gegevens, niet op onderbuikgevoel of gissen, wat leidt tot meer conversies, minder churn en hoge inkomsten voor degenen die bruikbare inzichten omarmen. Degenen die dat niet doen, zullen niet veel toekomst hebben om over te praten.

Van gegevens tot beslissingen met bruikbare inzichten

Eitan Sofer is een doorgewinterde BI.nlr, die de afgelopen 13 jaar heeft gewerkt aan het bouwen en vormgeven van ons kernanalyseproduct, gericht op gebruikerservaring en platformengineering. Tegenwoordig runt hij de Embedded Analytics-productlijn die duizenden klanten en bedrijven van stroom voorziet, waardoor ze op inzichten gebaseerd zijn. Eitan is ook een fervent muziekfan en surfer.

Trefwoorden: bruikbare analyses | Machine leren