Technologia ta na dobre zadomowiła się w biznesie i obecnie trudno wyobrazić sobie branżę, w której nie znalazłaby zastosowania. SAS twierdzi, że rozwój technologii biznesowych można podzielić na dwie ery: przed i po wprowadzeniu uczenia maszynowego. Podkreślają jednak, że na obecnym etapie rozwoju nie możemy jeszcze mówić o w pełni autonomicznych systemach.
Uczenie maszynowe ma szczególne zastosowanie wszędzie tam, gdzie przetwarzane są duże ilości danych. Jak wynika z najnowszej edycji badania SAS „The Autonomous Grid. Machine learning and IoT for Utilities”, 63% dostawców prądu, gazu czy wody uważa, że uczenie maszynowe będzie miało kluczowe znaczenie dla ich przyszłego sukcesu biznesowego. Z kolei raport „Digital Banking” podaje, że 35% organizacji finansowych wdrożyło już co najmniej jedno rozwiązanie z zakresu machine learing. Przykładowo, amerykański Seacoast Bank wykorzystuje system SAS Enterprise Miner do określania długookresowej wartości klienta (ang. CLTV – Customer LifeTime Value), na podstawie analizy jego preferencji i historii transakcji. Dzięki temu bank może oszacować jakie zasoby będą potrzebne do jego obsługi, a także odpowiednio dobrać produkty finansowe, które spełnią oczekiwania danej osoby lub organizacji.
– Obecnie uczenie maszynowe to kluczowe narzędzie w portfolio specjalistów na stanowiskach data scientist. Machine learning umożliwia organizacjom z jednej strony identyfikowanie okazji biznesowych, a z drugiej pozwala uniknąć potencjalnych zagrożeń, które mogłyby zostać niedostrzeżone przez człowieka – mówi Lorry Hardt, Artificial Intelligence and Machine Learning Strategist w SAS.
Liderzy uczenia maszynowego
Firma analityczna Gartner co roku przygotowuje zestawienie liderów rynku platform analitycznych wykorzystujących uczenie maszynowe, zatytułowane „Magic Quadrant for Data Science and Machine Learning Platforms”. W sześciu ostatnich edycjach, wliczając najnowszą z 2019 roku, SAS został sklasyfikowany w kwadrancie liderów raportu. Ewaluacji dokonano na podstawie analizy możliwości rozwiązań SAS Visual Data Mining and Machine Learning oraz SAS® Enterprise Miner. Narzędzia te umożliwiają użytkownikom rozwiązywanie złożonych problemów analitycznych, a także podejmowanie szybszych i lepszych decyzji biznesowych.
Przyszłość biznesu: analityka predykcyjna i machine learning
SAS Visual Data Mining and Machine Learning działa w oparciu o silnik analityczny SAS Viya. Rozwiązanie zawiera algorytmy statystyczne, uczenia maszynowego, deep learning oraz analizy tekstowej, co przyśpiesza eksplorację danych strukturalnych i niestrukturalnych, jednocześnie umożliwiając wykorzystanie popularnych języków programowania open source. Ujednolica cały proces uczenia maszynowego, od etapu transformacji i przygotowania, aż po wdrożenie.
SAS Enterprise Miner działa na wszystkich typach platform i analizuje każdy rodzaj danych, identyfikując zależności i wzorce. Porządkuje i usprawnia proces data mining, co pozwala na stworzenie dokładnych predykcyjnych i deskrypcyjnych modeli analitycznych, aby znaleźć najlepsze rozwiązanie niezależnie od tego, jak duża baza danych podlega analizie.
SAS „The Autonomous Grid. Machine learning and IoT for Utilities”
