3 stappen om te starten met machine learning

Machine learning is niet slechts een hype; het is technologie die ook jouw leveranciers, partners en concurrenten al gebruiken. Het wordt verwacht dat tegen 2021 driekwart van alle enterprise apps enige vorm van kunstmatige intelligentie zullen bevatten. Tijd om dit concept niet alleen te onderzoeken, maar ook daadwerkelijk voor jouw organisatie te gaan gebruiken. Voor de meeste organisaties is de angst dat ze niet de juiste skills, talenten en kennis hebben de grootste barrière om te beginnen met machine learning. Toch hoeft de drempel niet zo hoog te zijn als je zou denken. Deze drie stappen helpen je alvast op weg.

Start simpel

Als je machine learning nog niet eerder hebt toegepast, wil je het misschien eerst binnen de eigen organisatie gebruiken alvorens het een onderdeel wordt van projecten voor klanten. Mocht je nog niet goed weten op welke manier de technologie nuttig voor jou kan zijn, laat je dan inspireren door organisaties met vergelijkbare bedrijfsprocessen. Wat voor bedrijf je ook hebt, er zal altijd iets zijn waarbij machine learning je kan helpen verbeteren.

Machine learning kan ingezet worden voor analyse in gebieden die zoveel data hebben dat je nooit genoeg mankracht beschikbaar zou kunnen hebben om correlaties en patronen te begrijpen. Logischer is echter om te beginnen met eenvoudigere activiteiten, en gaandeweg je expertise op te bouwen. Kijk welke routine beslissingen en vervelende taken je kan automatiseren, zodat werknemers zich kunnen richten op de uitdagendere taken die veel hogere business waarde hebben.

Verzamel geschikte data

De volgende stap is onderzoeken of je de benodigde data al tot je beschikking hebt, of dat je meer data moet verzamelen om bruikbare resultaten van machine learning initiatieven te kunnen verwachten. Misschien dient je data iets gedetailleerder te zijn, moet je het wat vaker verzamelen, of moet je nieuwe sensors plaatsen. Mogelijk wil je als toevoeging data inwinnen van buiten de organisatie. Beperk je niet tot data die overduidelijk waardevol is. Data over het weer en verkeer, bijvoorbeeld, is voor vele situaties onverwachts nuttig. De data moet je vertellen welke factoren verband hebben met hetgeen jij wilt bereiken met je business processen.

Er zijn verschillende mensen nodig om de machine learning initiatieven te laten slagen. Zo is er iemand nodig de data beheert en geschikt maakt voor de machine learning tools, iemand die de kwaliteit van de data evalueert, en iemand die verstand heeft van het domein waar de activiteiten betrekking op hebben. Er kan veel werk gemoeid gaan met het klaarmaken van data voor machine learning, dus het is handig om dit initieel alleen voor de relevante data en het specifieke project waar je aan werkt te doen.

Zoek de juiste tools en partners

Er zijn diverse tools beschikbaar voor machine learning; van simpele statistische modellen tot diepe neurale netwerken. Naast het feit dat je diegene wilt selecteren die past bij jouw vraagstuk, wil je misschien ook met een eenvoudige optie beginnen. Op deze manier kun je direct en zonder veel obstakels aan de gang, en kun je eenvoudige zaken automatiseren die snel winst opleveren. Het maakt experimenteren ook makkelijker, zodat je op een leuke en effectieve manier aan je expertise kunt werken, zonder dat je moet investeren in tools die later misschien toch niet zo geschikt blijken voor jouw situatie. Eventueel kun je beginnen met een tool die aansluit bij het expertisegebied van het team. Door machine learning te implementeren binnen de bestaande business systemen, kun je snel voordeel behalen zonder teveel aan je bedrijfsarchitectuur te hoeven veranderen.

Als het moment daar is dat je klaar bent om verder te gaan met de meer geavanceerde en gecompliceerde scenario’s, is het raadzaam om samen te werken met een partner. Een goede machine learning partner helpt risico’s en kosten te beperken. Een specialist in machine learning is in staat om oplossingen te leveren die je helpen patronen te identificeren, grote hoeveelheden data te analyseren, en taken te automatiseren, zodat jij sneller betere inzichten kunt verwerven. Daarbij helpt deze je te begrijpen welke zaken belangrijk zijn bij het implementeren van het onderliggende data platform, de wetenschap achter het bouwen, trainen en draaien van het machine learning model, en de benodigde infrastructuur.

Maar laat eventuele complexiteit van de toekomst je niet weerhouden. Begin simpel, zodat je snel machine learning systemen kan bouwen die de manier waarop jouw business werkt aanzienlijk verbeteren.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s