Cómo el análisis de datos simple puede poner sus datos a trabajar antes de que esté listo para ML
Únase a los líderes del 26 al 28 de julio para Transform AI y Edge Week. Escuche a líderes de alto nivel hablar sobre temas relacionados con la tecnología AL/ML, IA conversacional, IVA, NLP, Edge y más. ¡Reserva tu pase gratis ahora!
Los datos se han convertido en el nuevo santo grial de los negocios. Desde nuevas empresas incipientes hasta gigantes con décadas de antigüedad, las empresas de todos los sectores recopilan (o esperan recopilar) grandes volúmenes de información estructurada, semiestructurada y no estructurada para mejorar sus ofertas principales y mejorar la eficiencia operativa. .
La idea que surge de inmediato es la implementación del aprendizaje automático, pero no todas las organizaciones tienen inmediatamente el plan o los recursos para datos móviles.
"Vivimos en una era en la que las empresas solo recopilan datos, independientemente del caso de uso o de lo que vayan a hacer con ellos. Y eso es emocionante, pero también da un poco de miedo porque el volumen de datos que se recopila, y cómo se recopila, no siempre se hace necesariamente con un caso de uso en mente”, dijo Ameen Kazerouni, directora de datos y análisis de Orangetheory Fitness, durante una sesión en la conferencia Transform 2022 de VentureBeat.
empieza pequeñoEl problema es un gran obstáculo para el crecimiento basado en datos, pero según Kazerouni, las empresas no siempre tienen que nadar profundo e invertir mucho en IA y ML desde el principio. En su lugar, pueden comenzar poco a poco con prácticas básicas de datos y luego escalar.
EventoTransformar 2022
Regístrese ahora para obtener su pase virtual gratuito para Transform AI Week, del 26 al 28 de julio. Escuche a los líderes de inteligencia artificial y datos de Visa, Lowe's eBay, Credit Karma, Kaiser, Honeywell, Google, Nissan, Toyota, John Deere y más.
registrarse aquíEl ejecutivo, que anteriormente lideró los esfuerzos de IA en Zappos, dijo que una de las primeras iniciativas frente a los volúmenes masivos de datos debería ser la creación de un lenguaje estandarizado y compartido para analizar la información recopilada. Esto es importante para garantizar que el valor derivado de los datos signifique lo mismo para todas las partes interesadas.
"Creo que muchos directores ejecutivos, directores de operaciones y directores financieros de empresas que han recopilado grandes volúmenes de datos se encuentran con este problema, donde todos usan el mismo nombre para las métricas, pero el valor es diferente según la fuente de datos de la que los obtuvieron. Y ese casi nunca debería ser el caso”, señaló.
Una vez que el lenguaje compartido esté listo, el siguiente paso es conectarse con los ejecutivos para identificar procesos repetitivos y lentos que son manejados por expertos en el dominio que, de otro modo, podrían ayudar con más preguntas urgentes sobre datos. Según Kazerouni, estos procesos deben simplificarse o automatizarse, lo que democratizará los datos, poniéndolos a disposición de las partes interesadas para una toma de decisiones más informada.
"Cuando esto suceda, comenzará a ver los beneficios de sus datos de inmediato (y abordará problemas más grandes), sin tener que hacer grandes inversiones en tecnología por adelantado o ir, encontremos algo a lo que podamos dirigir el aprendizaje automático y trabajar hacia atrás a partir de eso”, dijo el ejecutivo.
Aproximación en estrella centralizadaPara obtener los mejores resultados, Kazerouni señaló que las empresas emergentes que no son nativas de la tecnología deben centrarse en un enfoque concentrador y radial en lugar de intentar construir todo internamente. Solo necesitan centrarse en un diferenciador y usar soluciones de mercado para obtener la tecnología necesaria para hacer el trabajo.
"Sin embargo, también creo que es importante tomar los datos de ese proveedor y moverlos internamente a un concentrador central o lago de datos, que en realidad usa los datos en el punto de generación para el cual [ellos] fueron generados Y si necesita aprovechar esos datos en otro lugar o conectarlos a otro activo de datos, llévelos al centro...
Únase a los líderes del 26 al 28 de julio para Transform AI y Edge Week. Escuche a líderes de alto nivel hablar sobre temas relacionados con la tecnología AL/ML, IA conversacional, IVA, NLP, Edge y más. ¡Reserva tu pase gratis ahora!
Los datos se han convertido en el nuevo santo grial de los negocios. Desde nuevas empresas incipientes hasta gigantes con décadas de antigüedad, las empresas de todos los sectores recopilan (o esperan recopilar) grandes volúmenes de información estructurada, semiestructurada y no estructurada para mejorar sus ofertas principales y mejorar la eficiencia operativa. .
La idea que surge de inmediato es la implementación del aprendizaje automático, pero no todas las organizaciones tienen inmediatamente el plan o los recursos para datos móviles.
"Vivimos en una era en la que las empresas solo recopilan datos, independientemente del caso de uso o de lo que vayan a hacer con ellos. Y eso es emocionante, pero también da un poco de miedo porque el volumen de datos que se recopila, y cómo se recopila, no siempre se hace necesariamente con un caso de uso en mente”, dijo Ameen Kazerouni, directora de datos y análisis de Orangetheory Fitness, durante una sesión en la conferencia Transform 2022 de VentureBeat.
empieza pequeñoEl problema es un gran obstáculo para el crecimiento basado en datos, pero según Kazerouni, las empresas no siempre tienen que nadar profundo e invertir mucho en IA y ML desde el principio. En su lugar, pueden comenzar poco a poco con prácticas básicas de datos y luego escalar.
EventoTransformar 2022
Regístrese ahora para obtener su pase virtual gratuito para Transform AI Week, del 26 al 28 de julio. Escuche a los líderes de inteligencia artificial y datos de Visa, Lowe's eBay, Credit Karma, Kaiser, Honeywell, Google, Nissan, Toyota, John Deere y más.
registrarse aquíEl ejecutivo, que anteriormente lideró los esfuerzos de IA en Zappos, dijo que una de las primeras iniciativas frente a los volúmenes masivos de datos debería ser la creación de un lenguaje estandarizado y compartido para analizar la información recopilada. Esto es importante para garantizar que el valor derivado de los datos signifique lo mismo para todas las partes interesadas.
"Creo que muchos directores ejecutivos, directores de operaciones y directores financieros de empresas que han recopilado grandes volúmenes de datos se encuentran con este problema, donde todos usan el mismo nombre para las métricas, pero el valor es diferente según la fuente de datos de la que los obtuvieron. Y ese casi nunca debería ser el caso”, señaló.
Una vez que el lenguaje compartido esté listo, el siguiente paso es conectarse con los ejecutivos para identificar procesos repetitivos y lentos que son manejados por expertos en el dominio que, de otro modo, podrían ayudar con más preguntas urgentes sobre datos. Según Kazerouni, estos procesos deben simplificarse o automatizarse, lo que democratizará los datos, poniéndolos a disposición de las partes interesadas para una toma de decisiones más informada.
"Cuando esto suceda, comenzará a ver los beneficios de sus datos de inmediato (y abordará problemas más grandes), sin tener que hacer grandes inversiones en tecnología por adelantado o ir, encontremos algo a lo que podamos dirigir el aprendizaje automático y trabajar hacia atrás a partir de eso”, dijo el ejecutivo.
Aproximación en estrella centralizadaPara obtener los mejores resultados, Kazerouni señaló que las empresas emergentes que no son nativas de la tecnología deben centrarse en un enfoque concentrador y radial en lugar de intentar construir todo internamente. Solo necesitan centrarse en un diferenciador y usar soluciones de mercado para obtener la tecnología necesaria para hacer el trabajo.
"Sin embargo, también creo que es importante tomar los datos de ese proveedor y moverlos internamente a un concentrador central o lago de datos, que en realidad usa los datos en el punto de generación para el cual [ellos] fueron generados Y si necesita aprovechar esos datos en otro lugar o conectarlos a otro activo de datos, llévelos al centro...
What's Your Reaction?
