211service.com
Machine learning: de nieuwe proeftuin voor concurrentievoordeel
16 maart 2017
In samenwerking met Google Cloud
Een recent onderzoek uitgevoerd door MIT Technology Review Custom en Google Cloud laat zien dat terwijl de meeste bedrijven moeite hebben om machine learning toe te passen, anderen hard aan het werk zijn om strategieën voor de technologie te ontwikkelen - en al echte ROI realiseren.
Managementsamenvatting
Een recent onderzoek uitgevoerd door MIT Technology Review Custom en Google Cloud laat zien dat terwijl de meeste bedrijven moeite hebben om machine learning toe te passen, anderen hard aan het werk zijn om strategieën voor de technologie te ontwikkelen - en al echte ROI realiseren.
Machine learning: de nieuwe proeftuin voor concurrentievoordeel
Download het rapport
De focus van het bedrijfsleven op machine learning (ML) lijkt misschien een ontwikkeling van de ene op de andere dag, maar de buzz rond deze technologie is gestaag gegroeid sinds de begindagen van big data.
ML begint het potentieel van big data en analyses waar te maken door onbewerkte gegevens om te zetten in bruikbare, voorspellende tools voor bedrijven. Innovatiegerichte bedrijfsleiders omarmen ML als the next big thing en hebben al ML-strategieën en -initiatieven ontwikkeld die echte voordelen en return on investment (ROI) beloven.
Het onderzoek wilde onthullen waar organisaties staan als het gaat om het toepassen van ML-strategieën. Onder de respondenten waren huidige ML-strategen, vertegenwoordigers van bedrijven die van plan zijn om ML-initiatieven in de komende maanden of jaren uit te voeren, en degenen die geen ML-plannen hebben voor de nabije toekomst.
Uit een analyse van de onderzoeksresultaten kwamen verschillende hoofdthema's naar voren:
- ML is nu aan de gang. De meerderheid van de respondenten (60 procent) heeft al ML-strategieën geïmplementeerd en bijna een derde vond dat ze in een volwassen stadium waren met hun initiatieven.
- ML biedt marktvoordeel. Volgens respondenten is een belangrijk voordeel van ML de mogelijkheid om een concurrentievoordeel te behalen, en 26 procent van de huidige ML-implementers vond dat ze dat doel al hadden bereikt.
- Organisaties investeren in ML. Van de huidige ML-implementers meldde zo'n 26 procent dat meer dan 15 procent van hun IT-budget was besteed aan ML-initiatieven.
- Early adopters realiseren de grootste potentiële voordelen van ML. Het belangrijkste waar ML-implementers en planners op hopen te profiteren, is de mogelijkheid om de inspanningen op het gebied van gegevensanalyse uit te breiden en gegevensinzichten te vergroten. Ongeveer 45 procent van de respondenten meldt dat ze erin geslaagd zijn dat doel te bereiken. Bovendien zegt meer dan de helft van zowel gebruikers in een vroeg stadium als volwassen gebruikers dat hun ML-inspanningen hebben geleid tot een aantoonbaar rendement op de investering (ROI).
- ML-implementers volgen een breed scala aan projecten. De meest voorkomende projecten onder huidige ML-implementers zijn beeldherkenning, classificatie en tagging (47 procent); emotie/gedragsanalyse (47 procent); tekstclassificatie en mining (47 procent); en natuurlijke taalverwerking, of NLP (45 procent).
Opvallend is ook de snelheid waarmee respondenten ROI kunnen aantonen met hun ML-initiatieven, wat, zoals eerder vermeld, niet het geval was bij big data analytics. Binnen de groep in een vroeg stadium geeft meer dan de helft aan dat ze een aantoonbare ROI beginnen te zien, en binnen de groep met een volwassen stadium had meer dan de helft ROI aangetoond.
Voor meer bevindingen en analyses, download het volledige rapport .