Ascensão do ‘cidadão cientista de dados’:como o aprendizado de máquina humanizado está aumentando a inteligência humana

IDC estima que o volume de dados em todo o mundo deverá aumentar 61% entre 2018 e 2025 - chegando a 175 zetabytes - com grande parte disso gerado pelas empresas. Então, como isso pode ser aproveitado para otimizar os processos de negócios, melhorar as operações do dia-a-dia e informar a tomada de decisões?

A resposta está em plataformas de aprendizado de máquina humanizadas, afirma Mind Foundry diretor de pesquisa Nathan Korda, que está tornando recursos avançados de aprendizado de máquina acessíveis para proprietários de problemas de negócios, permitindo a ascensão do ‘cidadão cientista de dados’.

Muitos dados, muito pouco tempo

Muitas empresas hoje estão lutando para analisar e extrair valor total da riqueza de dados que são gerados e coletados diariamente. O desafio que se coloca aos proprietários de problemas de negócios - seja um executivo de nível C, analista ou até mesmo gerente de operações - é como entender efetivamente seus dados para gerar mais valor de negócios e otimizar processos.

Eles podem ter planilhas cheias de dados e usar modelos de dados simples para extrair valor limitado, mas como podem levar isso adiante? A resposta está em maior acessibilidade ao aprendizado de máquina por meio de plataformas centradas no usuário. Pela primeira vez, isso permite que os proprietários de problemas de negócios - aqueles com conhecimento íntimo de problemas específicos e seu impacto nas operações - conectem recursos avançados de aprendizado de máquina ao valor de negócios.

Os benefícios estão disponíveis para todos

O aprendizado de máquina tem sido tradicionalmente visto como exigindo extensos recursos, tempo e conhecimento técnico, o que muitas vezes inclui a contratação de cientistas de dados - um campo altamente especializado onde a demanda de talentos atualmente supera a oferta. Além disso, os cientistas de dados costumam estar muito separados de um problema de negócios para contextualizá-lo e entender o impacto total que ele tem nas operações.

Entre os cientistas de dados de cidadãos - funcionários que não atuam em funções dedicadas de ciência de dados ou analítica, que podem usar uma plataforma de aprendizado de máquina humanizada para explorar seus dados e implantar facilmente modelos para desbloquear o valor que eles possuem. Graças às plataformas centradas no usuário, os funcionários atuais podem desfrutar do acesso à tecnologia de aprendizado de máquina sem a necessidade de treinamento especializado. Este é um marco significativo na capacitação de proprietários de dados para dominar rapidamente seus próprios dados e concluir operações em escala, sem investimento ou experiência significativa.

No nível da empresa, isso coloca soluções avançadas de aprendizado de máquina nas mãos de organizações de pequeno e médio porte e seus funcionários, que podem não ter experiência em ciência de dados. Mas a maior acessibilidade do aprendizado de máquina também gera novas oportunidades para cientistas de dados, liberando seu tempo para se aproximar dos problemas de negócios e concentrar seu conjunto de habilidades na inovação para projetos de transformação digital.

Novos recursos de negócios - em velocidade e escala

Uma plataforma de aprendizado de máquina fornece aos cientistas de dados de cidadãos maior acessibilidade aos recursos necessários para preparar e visualizar dados rapidamente e, subsequentemente, construir, implantar e gerenciar um modelo adequado. Quer isso implique sugerir ações para limpar e formatar corretamente os dados ou recomendar o modelo mais adequado para um conjunto de dados, uma plataforma humanizada é projetada para orientar os usuários durante o processo do início ao fim.

Um aspecto central dessa abordagem é reduzir o volume de tarefas rotineiras de preparação de dados. Pense em processos de negócios que são repetitivos e envolvem a análise de dados de maneira semelhante em uma base rotineira, como previsão de orçamento. Em vez de amarrar recursos de gerenciamento sênior por várias semanas para finalizar orçamentos com base nos resultados de negócios esperados, os gerentes podem usar uma plataforma de aprendizado de máquina intuitiva para identificar e configurar rapidamente um modelo capaz de ser reutilizado para revisar orçamentos anualmente - reduzindo drasticamente o investimento de tempo em este processo está indo em frente.

Como alternativa, escolha uma empresa de manufatura avançada que desenvolve e produz componentes de precisão. Eles podem ter especialistas em máquinas com décadas de experiência no setor e um profundo conhecimento dos dados produzidos por sensores de equipamentos - mas eles não podem identificar padrões e áreas para otimização sem uma equipe de ciência de dados dedicada. Com plataformas de aprendizado de máquina humanizadas, esses especialistas podem inserir, limpar e visualizar dados em minutos e, em seguida, selecionar um modelo de dados apropriado para descobrir insights nunca vistos.

Homem encontra máquina:capacidades complementares

As plataformas de aprendizado de máquina têm como objetivo ampliar os conjuntos de habilidades existentes dos funcionários. Eles removem uma grande quantidade de tempo e recursos tradicionalmente investidos na aplicação de aprendizado de máquina aos dados de negócios, embora a propriedade e o controle do processo ainda permaneçam com o usuário. Essa é a chave para o uso bem-sucedido da tecnologia de aprendizado de máquina.

Os aplicativos de aprendizado de máquina são excelentes para avaliação e gerenciamento de risco e para fazer julgamentos baseados em dados, mas não têm a intuição e a criatividade necessárias para contextualizar e resolver problemas para assuntos humanos. É aqui que as plataformas de aprendizado de máquina humanizadas traçam a linha entre as tarefas "humanas" e as tarefas de "computador". Eles assumem as tarefas repetitivas e trabalhosas, como limpeza de dados, descoberta de modelo baseada em dados e validação de modelo, e capacitam os proprietários de problemas a concentrar seu tempo e recursos mais diretamente no problema de negócios em questão.

Em última análise, o computador sempre terá que colaborar com um ser humano ao aplicar o aprendizado de máquina. Para garantir o sucesso do projeto, o aprendizado de máquina precisa fazer parte de uma equipe humana, aumentando as habilidades, inteligência e capacidades humanas. Os humanos têm a capacidade única de contextualizar dados e erros associados. Veja um exemplo simples em que os códigos de erro estão presentes em um grande conjunto de dados. Uma plataforma de aprendizado de máquina terá dificuldade em contextualizar isso, mas um ser humano próximo ao processo de negócios pode fornecer uma explicação rapidamente, como sensores fora do alcance.

Além dos benefícios imediatos, as plataformas de aprendizado de máquina resolvem o problema do legado assim que um cientista de dados cidadão deixa a empresa. Esses funcionários podem desenvolver soluções de aprendizado de máquina para resolver problemas de negócios específicos, com a certeza de que essas realizações ainda serão operacionais, intuitivas e reutilizáveis ​​pelos colegas depois que eles forem embora.

O aprendizado de máquina agora é viável para todos os negócios

O aprendizado de máquina está definido para se tornar cada vez mais comum entre empresas de todos os tamanhos, à medida que buscam otimizar suas operações diárias. Não se esqueça, os proprietários de problemas de negócios sempre terão um conhecimento único e íntimo de um problema específico e sua relevância para as prioridades de negócios existentes. Pela primeira vez, eles podem identificar e aprimorar diretamente o valor de seus dados, aproveitando rapidamente a inteligência da máquina em escala.

Aplicar o aprendizado de máquina aos dados não precisa mais ser um projeto árduo e consumidor de recursos que dura vários meses. A ascensão de cientistas de dados de cidadãos está trazendo oportunidades significativas para empresas de pequeno e médio porte aproveitarem rapidamente os recursos avançados de aprendizado de máquina para liberar maiores insights e valor comercial de seus dados.

Nathan Korda é diretor de pesquisa da University of Oxford machine learning spin-out Mind Foundry .