Bangkitnya 'ilmuwan data warga':Bagaimana pembelajaran mesin yang dimanusiakan meningkatkan kecerdasan manusia
IDC memperkirakan volume data di seluruh dunia akan meningkat sebesar 61% antara 2018 dan 2025 – pada akhirnya mencapai 175 zettabytes – dengan sebagian besar dihasilkan oleh bisnis. Jadi bagaimana ini dapat dimanfaatkan untuk mengoptimalkan proses bisnis, meningkatkan operasi sehari-hari dan menginformasikan pengambilan keputusan?
Jawabannya terletak pada platform pembelajaran mesin yang dimanusiakan, kata Mind Foundry direktur penelitian Nathan Korda, yang membuat kemampuan pembelajaran mesin tingkat lanjut dapat diakses oleh pemilik masalah bisnis, memungkinkan munculnya 'ilmuwan data warga'.
Terlalu banyak data, terlalu sedikit waktu
Banyak bisnis saat ini berjuang untuk menganalisis dan mengekstrak nilai penuh dari kekayaan data yang dihasilkan dan dikumpulkan setiap hari. Tantangan yang dihadapi oleh pemilik masalah bisnis – apakah ini eksekutif tingkat C, analis, atau bahkan manajer operasi – adalah bagaimana memahami data mereka secara efektif untuk mendorong nilai bisnis lebih lanjut dan mengoptimalkan proses.
Mereka mungkin memiliki spreadsheet yang penuh dengan data dan menggunakan model data sederhana untuk mengekstrak nilai yang terbatas, tetapi bagaimana mereka dapat melanjutkannya? Jawabannya terletak pada aksesibilitas pembelajaran mesin yang lebih besar melalui platform yang berpusat pada pengguna. Untuk pertama kalinya, ini memungkinkan pemilik masalah bisnis – mereka yang memiliki pengetahuan mendalam tentang masalah spesifik dan dampaknya terhadap operasi – untuk menghubungkan kemampuan pembelajaran mesin tingkat lanjut dengan nilai bisnis.
Manfaatnya tersedia untuk semua
Pembelajaran mesin secara tradisional dipandang membutuhkan sumber daya, waktu, dan keahlian teknis yang luas, yang sering kali mencakup perekrutan ilmuwan data – bidang yang sangat terspesialisasi di mana permintaan bakat saat ini melebihi pasokan. Di luar ini, ilmuwan data sering kali terlalu terpisah dari masalah bisnis untuk mengontekstualisasikannya dan memahami dampak penuhnya terhadap operasi.
Masukkan ilmuwan data warga – karyawan yang tidak beroperasi dalam ilmu data atau peran analitik khusus, yang dapat menggunakan platform pembelajaran mesin yang dimanusiakan untuk menjelajahi data mereka dan dengan mudah menerapkan model untuk membuka nilai yang dimilikinya. Berkat platform yang berpusat pada pengguna, karyawan saat ini dapat menikmati akses ke teknologi pembelajaran mesin tanpa perlu pelatihan spesialis. Ini adalah tonggak penting dalam memberdayakan pemilik data untuk menguasai data mereka sendiri dengan cepat dan menyelesaikan operasi dalam skala besar, tanpa investasi atau keahlian yang signifikan.
Di tingkat perusahaan, ini menempatkan solusi pembelajaran mesin canggih ke tangan organisasi kecil dan menengah dan karyawan mereka, yang mungkin kurang memiliki keahlian ilmu data. Namun peningkatan aksesibilitas pembelajaran mesin juga menghasilkan peluang baru bagi ilmuwan data, meluangkan waktu mereka untuk lebih dekat dengan masalah bisnis dan memfokuskan keahlian mereka pada inovasi untuk proyek transformasi digital.
Kemampuan bisnis baru – dengan kecepatan dan skala
Platform pembelajaran mesin memberi para ilmuwan data warga aksesibilitas yang lebih besar ke kemampuan yang diperlukan untuk mempersiapkan dan memvisualisasikan data dengan cepat, dan selanjutnya membangun, menerapkan, dan mengelola model yang sesuai. Apakah ini melibatkan tindakan menyarankan untuk membersihkan dan memformat data dengan benar atau merekomendasikan model yang paling cocok untuk kumpulan data, platform yang dimanusiakan dirancang untuk memandu pengguna melalui proses dari awal hingga akhir.
Aspek inti dari pendekatan ini adalah mengurangi volume tugas persiapan data biasa. Pikirkan proses bisnis yang berulang dan melibatkan analisis data dengan cara yang sama secara rutin, seperti peramalan anggaran. Alih-alih mengikat sumber daya manajemen senior selama beberapa minggu untuk menyelesaikan anggaran berdasarkan hasil bisnis yang diharapkan, manajer dapat menggunakan platform pembelajaran mesin yang intuitif untuk dengan cepat mengidentifikasi dan menyiapkan model yang dapat digunakan kembali untuk merevisi anggaran setiap tahun – secara dramatis memangkas waktu investasi dalam proses ini ke depan.
Atau, ambil perusahaan manufaktur maju yang mengembangkan dan memproduksi komponen presisi. Mereka mungkin memiliki pakar permesinan dengan pengalaman industri selama puluhan tahun dan pemahaman mendalam tentang data yang dihasilkan oleh sensor peralatan – tetapi mereka tidak dapat mengidentifikasi pola dan area untuk pengoptimalan tanpa tim ilmu data khusus. Dengan platform pembelajaran mesin yang dimanusiakan, para pakar ini dapat memasukkan, membersihkan, dan memvisualisasikan data dalam hitungan menit, lalu memilih model data yang sesuai untuk mengungkap wawasan yang sebelumnya tidak terlihat.
Manusia bertemu mesin:kemampuan pelengkap
Platform pembelajaran mesin dimaksudkan untuk memperkuat keahlian karyawan yang ada. Mereka menghapus sejumlah besar waktu dan sumber daya yang diinvestasikan secara tradisional untuk menerapkan pembelajaran mesin ke data bisnis, namun kepemilikan dan kontrol proses masih berada di tangan pengguna. Ini adalah kunci keberhasilan penggunaan teknologi pembelajaran mesin.
Aplikasi pembelajaran mesin sangat baik untuk penilaian dan manajemen risiko, dan membuat panggilan penilaian berdasarkan data, tetapi tidak memiliki intuisi dan kreativitas yang diperlukan untuk mengontekstualisasikan dan memecahkan masalah untuk urusan manusia. Di sinilah platform pembelajaran mesin yang dimanusiakan menarik garis antara tugas 'manusia' dan tugas 'komputer'. Mereka melakukan tugas yang berulang dan padat karya seperti pembersihan data, penemuan model berdasarkan data, dan validasi model, serta memberdayakan pemilik masalah untuk memfokuskan waktu dan sumber daya mereka secara lebih langsung pada masalah bisnis yang dihadapi.
Pada akhirnya, komputer harus selalu berkolaborasi dengan manusia saat menerapkan pembelajaran mesin. Untuk memastikan keberhasilan proyek, pembelajaran mesin perlu membentuk bagian dari tim manusia, menambah keterampilan, kecerdasan, dan kemampuan manusia. Manusia memiliki kemampuan unik untuk mengontekstualisasikan data dan kesalahan terkait. Ambil contoh sederhana di mana kode kesalahan hadir dalam kumpulan data besar. Platform pembelajaran mesin akan kesulitan untuk mengontekstualisasikan hal ini, tetapi manusia yang dekat dengan proses bisnis dapat dengan cepat memberikan penjelasan, seperti sensor berada di luar jangkauan.
Di luar manfaat langsung, platform pembelajaran mesin memecahkan masalah warisan setelah ilmuwan data warga meninggalkan perusahaan. Karyawan ini dapat mengembangkan solusi pembelajaran mesin untuk memecahkan masalah bisnis tertentu, aman karena mengetahui bahwa pencapaian ini akan tetap operasional, intuitif, dan dapat digunakan kembali oleh rekan kerja setelah mereka pindah.
Pembelajaran mesin sekarang layak untuk setiap bisnis
Pembelajaran mesin diatur untuk menjadi semakin umum di antara bisnis dari semua ukuran saat mereka mendorong untuk mengoptimalkan operasi harian mereka. Jangan lupa, pemilik masalah bisnis akan selalu memiliki pengetahuan yang unik dan mendalam tentang masalah tertentu dan relevansinya dengan prioritas bisnis yang ada. Untuk pertama kalinya, mereka dapat secara langsung mengidentifikasi dan meningkatkan nilai data mereka dengan memanfaatkan kecerdasan mesin secara cepat dalam skala besar.
Menerapkan pembelajaran mesin ke data tidak perlu lagi menjadi proyek yang sulit dan memakan sumber daya selama beberapa bulan. Munculnya ilmuwan data warga membawa peluang signifikan bagi bisnis kecil dan menengah untuk dengan cepat memanfaatkan kemampuan pembelajaran mesin tingkat lanjut guna membuka wawasan dan nilai bisnis yang lebih besar dari data mereka.
Nathan Korda adalah direktur penelitian di spin-out pembelajaran mesin Universitas Oxford Pembentukan Pikiran .
