Uczenie maszynowe: nowy poligon dla przewagi konkurencyjnej

  • Informacje o przeglądzie technologii MIT strona archiwum
16 marca 2017 r.





We współpracy z Google Cloud

Niedawna ankieta przeprowadzona przez MIT Technology Review Custom i Google Cloud pokazuje, że podczas gdy większość firm zmaga się z zastosowaniem uczenia maszynowego, inne ciężko pracują nad strategiami dla technologii — i już realizują prawdziwy zwrot z inwestycji.



Podsumowanie wykonawcze

Niedawna ankieta przeprowadzona przez MIT Technology Review Custom i Google Cloud pokazuje, że podczas gdy większość firm zmaga się z zastosowaniem uczenia maszynowego, inne ciężko pracują nad strategiami dla technologii — i już realizują prawdziwy zwrot z inwestycji.

Uczenie maszynowe: nowy poligon dla przewagi konkurencyjnej

  • Pobierz raport

Skupienie świata biznesu na uczeniu maszynowym (ML) może wydawać się rozwojem z dnia na dzień, ale szum wokół tej technologii stale rośnie od początków big data.

ML zaczyna wykorzystywać potencjał stworzony przez big data i analitykę, przekształcając surowe dane w przydatne, predykcyjne narzędzia dla biznesu. Liderzy biznesu zorientowani na innowacje traktują ML jako kolejną wielką rzecz i już opracowali strategie i inicjatywy ML, które obiecują realne korzyści i zwrot z inwestycji (ROI).



Ankieta miała na celu ujawnienie, na czym stoją organizacje, jeśli chodzi o przyjmowanie strategii ML. Respondentami byli obecni stratedzy ML, przedstawiciele firm planujących realizację inicjatyw ML w najbliższych miesiącach lub latach oraz ci, którzy nie planują ML na najbliższą przyszłość.

Z analizy wyników ankiety wyłoniło się kilka kluczowych tematów:

  • ML dzieje się teraz. Większość respondentów (60 proc.) wdrożyła już strategie ML, a prawie jedna trzecia uważa, że ​​jest na dojrzałym etapie swoich inicjatyw.
  • ML zapewnia przewagę rynkową. Według respondentów kluczową korzyścią płynącą z ML jest możliwość uzyskania przewagi konkurencyjnej, a 26% obecnych wdrażających ML uważa, że ​​już osiągnęli ten cel.
  • Organizacje inwestują w ML. Wśród obecnych realizatorów ML około 26 procent zgłosiło, że ponad 15 procent ich budżetów IT przeznaczono na inicjatywy ML.
  • Początkujący użytkownicy zdają sobie sprawę z największych potencjalnych korzyści płynących z ML. Największą nadzieją na korzyści wśród realizatorów i planistów ML jest możliwość rozszerzenia wysiłków związanych z analizą danych i zwiększenia wglądu w dane. Około 45 procent respondentów twierdzi, że udało się osiągnąć ten cel. Ponadto ponad połowa użytkowników zarówno na wczesnym, jak i dojrzałym etapie twierdzi, że ich wysiłki w zakresie ML przyniosły wyraźny zwrot z inwestycji (ROI).
  • Realizatorzy ML realizują szeroki wachlarz projektów. Najczęstszymi projektami wśród obecnych realizatorów ML są rozpoznawanie obrazów, klasyfikacja i tagowanie (47 procent); analiza emocji/zachowań (47 procent); klasyfikacja i eksploracja tekstu (47 procent); i przetwarzanie języka naturalnego, czyli NLP (45 proc.).

Godna uwagi jest również szybkość, z jaką respondenci są w stanie wykazać ROI dzięki swoim inicjatywom ML, co, jak wspomniano wcześniej, nie miało miejsca w przypadku analityki big data. W grupie na wczesnym etapie ponad połowa zgłasza, że ​​zaczyna dostrzegać widoczny zwrot z inwestycji, a w grupie na etapie dojrzałym ponad połowa wykazała ROI.



Aby uzyskać więcej wyników i analiz, pobierz pełny raport .

ukryć