Cara mulai menggabungkan pembelajaran mesin di arena perusahaan
Dunia sudah lama melewati Revolusi Industri, dan sekarang kita sedang mengalami era Revolusi Digital. Pembelajaran mesin, kecerdasan buatan, dan analisis data besar adalah realitas dunia saat ini.
Baru-baru ini saya berkesempatan berbicara dengan Ciaran Dynes, Wakil Presiden Senior Produk di Talend dan Justin Mullen, Direktur Pelaksana di Datalytyx. Talend adalah vendor integrasi perangkat lunak yang menyediakan solusi Big Data untuk perusahaan, dan Datalytyx adalah penyedia terkemuka untuk rekayasa data besar, analitik data, dan solusi cloud, yang memungkinkan pengambilan keputusan yang lebih cepat, efektif, dan lebih menguntungkan di seluruh perusahaan.
Evolusi operasi data besar
Untuk memahami lebih lanjut tentang evolusi operasi data besar, saya bertanya kepada Justin Mullen tentang tantangan yang dihadapi perusahaannya lima tahun lalu dan mengapa mereka mencari platform integrasi modern. Dia menjawab dengan, “Kami menghadapi tantangan serupa dengan apa yang dihadapi pelanggan kami. Sebelum analitik Big Data, itulah yang saya sebut
Dia menjawab dengan, “Kami menghadapi tantangan serupa dengan apa yang dihadapi pelanggan kami. Sebelum analitik Big Data, saya menyebutnya ‘Analisis Data Sulit.’ Ada banyak agregasi manual dan pengolahan data dari sebagian besar sistem on-premise. Kemudian tantangan terbesar yang mungkin kami hadapi adalah memusatkan dan memercayai data sebelum menerapkan berbagai algoritme analitik yang tersedia untuk menganalisis data mentah dan memvisualisasikan hasilnya dengan cara yang berarti untuk dipahami oleh bisnis.”
Dia lebih lanjut menambahkan bahwa, “Klien kami tidak hanya menginginkan analisis ini sekali, tetapi mereka menginginkan pembaruan terus-menerus tentang kinerja KPI selama berbulan-bulan dan bertahun-tahun. Dengan praktik rekayasa data manual, sangat sulit bagi kami untuk memenuhi persyaratan klien kami, dan saat itulah kami memutuskan bahwa kami membutuhkan platform manajemen data yang andal dan tepercaya untuk mengatasi tantangan ini.”
Munculnya ilmu data
Sebagian besar ekonom dan ilmuwan sosial prihatin dengan otomatisasi yang mengambil alih proses manufaktur dan komersial. Jika digitalisasi dan otomatisasi terus tumbuh pada kecepatan yang sama seperti yang terjadi saat ini, ada kemungkinan besar mesin menggantikan sebagian manusia dalam angkatan kerja. Kita melihat beberapa contoh fenomena di dunia kita saat ini, tetapi diprediksi akan jauh lebih menonjol di masa depan.
Namun, Dynes mengatakan, “Ilmuwan data memberikan solusi untuk masalah rumit dan kompleks yang dihadapi oleh berbagai sektor saat ini. Mereka memanfaatkan informasi yang berguna dari analisis data untuk memahami dan memperbaiki berbagai hal. Ilmu data adalah input dan output yang dihasilkan dalam bentuk otomatisasi. Mesin mengotomatisasi, tetapi manusia memberikan input yang diperlukan untuk mendapatkan output yang diinginkan.”
Ini menciptakan keseimbangan dalam permintaan akan layanan manusia dan mesin. Keduanya, otomatisasi dan ilmu data berjalan paralel. Satu proses tidak lengkap tanpa yang lain. Data mentah tidak berarti apa-apa jika tidak dapat dimanipulasi untuk menghasilkan hasil yang bermakna dan demikian pula, pembelajaran mesin tidak dapat terjadi tanpa data yang memadai dan relevan.
Menggabungkan data besar ke dalam model bisnis
Dynes mengatakan, “Perusahaan menyadari pentingnya data, dan menggabungkan solusi Big Data dan Machine Learning ke dalam model bisnis mereka.” Dia lebih lanjut menambahkan bahwa, “Kami melihat otomatisasi terjadi di sekitar kami. Ini terbukti di sektor e-niaga dan manufaktur, dan memiliki aplikasi luas di perbankan seluler dan keuangan.”
Ketika saya menanyakan pendapatnya tentang transformasi permintaan proses dan platform pembelajaran mesin, dia menambahkan bahwa, “Permintaan selalu ada. Analisis data sama-sama berguna lima tahun lalu seperti sekarang. Satu-satunya perbedaan adalah bahwa lima tahun lalu ada monopoli wirausaha dan data disimpan secara rahasia. Siapa pun yang memiliki data, memiliki kekuatan, dan hanya segelintir pelaku pasar terkemuka yang memiliki akses ke data.”
Justin telah bekerja dengan perusahaan yang berbeda. Beberapa kliennya yang paling menonjol adalah Calor Gas, Jaeger dan Wejo. Ketika berbicara tentang tantangan yang dihadapi perusahaan-perusahaan tersebut sebelum menerapkan analitik canggih atau pembelajaran mesin, dia berkata, “Tantangan terbesar yang dihadapi sebagian besar klien saya adalah akumulasi data penting di satu tempat sehingga algoritme kompleks dapat dijalankan secara bersamaan tetapi hasilnya dapat dilihat di satu tempat untuk analisis yang lebih baik. Saluran data dan saluran data sangat penting untuk memungkinkan wawasan data menjadi berkelanjutan, bukan hanya sekali.”
Alasan digitalisasi yang cepat
Dynes mengatakan, “Kami mengalami digitalisasi yang cepat karena dua alasan utama. Teknologi telah berkembang pada tingkat yang eksponensial dalam beberapa tahun terakhir dan kedua, budaya organisasi telah berkembang secara besar-besaran.” Dia menambahkan, “Dengan munculnya teknologi open source dan platform cloud, data sekarang lebih mudah diakses. Lebih banyak orang sekarang memiliki akses ke informasi, dan mereka menggunakan informasi ini untuk keuntungan mereka.”
Selain kemajuan dan perkembangan teknologi, “generasi baru yang memasuki dunia kerja juga bergantung pada teknologi. Mereka sangat bergantung pada teknologi untuk tugas sehari-hari mereka. Mereka lebih terbuka untuk komunikasi yang transparan. Oleh karena itu, lebih mudah untuk mengumpulkan data dari generasi ini, karena mereka siap untuk berbicara tentang pendapat dan preferensi mereka. Mereka siap untuk bertanya dan menjawab pertanyaan yang mustahil,” kata Dynes.
Ketika berbicara tentang tantangan yang dihadapi perusahaan saat memilih solusi analitik Big Data, Mullen menambahkan, “Tantangan yang saat ini dihadapi oleh industri saat menggunakan pembelajaran mesin ada dua. Tantangan pertama yang mereka hadapi terkait dengan pengumpulan data, penyerapan data, kurasi data (kualitas) dan kemudian agregasi data. Tantangan kedua adalah memerangi kurangnya keterampilan manusia dalam rekayasa data, analitik lanjutan, dan pembelajaran mesin”
Dynes berkata, “Anda perlu mengintegrasikan dunia baru dengan dunia lama. Dunia lama sangat bergantung pada pengumpulan data sementara dunia baru berfokus terutama pada solusi data. Ada solusi terbatas di industri saat ini yang memenuhi kedua persyaratan ini sekaligus sekarang.”
Dia menyimpulkan dengan mengatakan bahwa, “Pentingnya rekayasa data tidak dapat diabaikan, dan pembelajaran mesin seperti Kotak Pandora. Aplikasinya terlihat secara luas di banyak sektor, dan begitu Anda menetapkan diri Anda sebagai penyedia yang berkualitas, bisnis akan mendatangi Anda untuk layanan Anda. Itu adalah hal yang baik.”
Ikuti Ciaran Dynes, Justin Mullen, dan Ronald van Loon di Twitter dan LinkedIn untuk pembaruan yang lebih menarik tentang solusi Big Data dan pembelajaran mesin.
