Adskillelse af hvede fra blanding:
3 spørgsmål, der skal stilles en potentiel maskinlæringssælger

Med den overvægt af kundedata, der er tilgængelige for virksomheder i disse dage, er det ingen hemmelighed, at virksomhederne ønsker at udnytte teknologiprodukter til at udnytte deres "big data" eller finde skjulte strategiske perler i deres "mørke data." Det skulle derfor ikke overraske, at andre virksomheder hævder at tilbyde dataløsninger i form af "maskinindlæring" eller "kunstig intelligens" -produkter. Så hvordan bestemmer man en bona fide maskinuddannelse eller tilbud af kunstig intelligens fra en markedsføringsoperation, der udgør et produkt?

Sandheden er, at kommercielle applikationer til maskinindlæring og værktøjer til kunstig intelligens stadig er i deres barndom for alle undtagen nogle få virksomheder. Det kan være vanskeligt for nykommeren at skelne mellem jargon som “dyb læring”, “maskinindlæring” og “kunstig intelligens.” Vi i Relativity6 er stolte af at anvende maskinindlæring og kunstig intelligensværktøj til enkle, virkelige industrielle og kommercielle verdener. problemer, som f.eks. kundebeholdning og kundegenkøb. Man behøver ikke at være matematiker for at bestemme, om et maskinindlæringsprodukt tilføjer værdi; beviset skal være i budding. I et forsøg på at differentiere os fra andre virksomheder, der opererer i vores sfære, troede vi, at vi ville tilbyde tre spørgsmål til de virksomheder, der undersøger et maskinindlæringsprodukt.

1) Er det firma, du taler med, besvarer et specifikt spørgsmål?

Maskinindlæring er en utrolig nøjagtig og effektiv teknologi, når du besvarer specifikke spørgsmål. Maskinlæring kan dog være et svar på jagt efter et problem. Når du udforsker et maskinindlæringsprodukt, skal du kigge efter de virksomheder, der fokuserer på enten en industri eller en brugssag. At have en klar brugssag eller et spørgsmål, der skal besvares, kan give utrolige resultater. På den anden side har maskinlæringsalgoritmer problemer med at besvare åbne spørgsmål, så vær forsigtig, når et firma hævder at være i stand til at løse "ethvert problem."

2) Er virksomheden for fokuseret på deres ”proprietære” algoritmer?

Der er værdi ved at oprette maskinlæringsalgoritmer fra bunden af. Kommercielle applikationer behøver dog ikke genopfindes med hver kunde. At finde et firma, der allerede har implementeret sine algoritmer og har vist værdien af ​​disse algoritmer over tid, er en god måde at bestemme, om virksomhedens produkter vil gøre, hvad de skal. Maskinlæringsalgoritmer bliver iboende stærkere med tiden, så at arbejde med en leverandør, der har valideret deres algoritmer med faktiske kundedata, er meget mere værdifuld end en leverandør, der har sofistikerede proprietære algoritmer, der implementeres for første gang.

3) Er virksomheden villig til at føre et konceptbevis?

Da der er så mange mulige løsninger og så mange påstande om høje nøjagtighedsgrader i forudsigelser, er et konceptbevis med klare mål en fantastisk måde at afgøre, om en maskinlæringsløsning rent faktisk kan løse dit problem og give dit firma den værdifulde indsigt, du leder efter. Normalt inden for en forudbestemt tidsramme (vi hos Relativity6 skyder i 4 til 8 uger), bør en leverandør være i stand til retningsvis at bevise for dig, at de har bygget en model eller redesignet en eksisterende model, der udsender handlingsmæssige forudsigelser. Og advares om leverandører, der angiver ekstremt høje nøjagtighedsrater i beviset for konceptfasen. Algoritmer har brug for tid til at forudsige, validere og træne sig selv. Dette er ikke magi, det er matematik.

Warren Buffett siger, ”tiden er ven med en vidunderlig forretning, den middelmådige fjende.” Dette citat kunne ikke være mere passende i maskinlæringsrummet. Vi hos Relativity6 elsker de langsigtede udsigter for vores produkter og er fokuseret på potentialet i maskinlæring til kontinuerligt at give virksomhederne ny indsigt i deres kunder - ikke kun en kvartalsvis salgstump.

Vi hos Relativity6 elsker kundedata. Det er bogstaveligt talt det brændstof, der fodrer vores
motor. Hvis du gerne vil lære mere om dine kunder, e-mail os på
hello@relativity6.com.

Hvis du kunne lide indlægget, skal du vise din påskønnelse ved at holde klapknappen nede i 10 sekunder eller dele på FB eller twitter!Bøj vores AI-muskler