Az adatelemzés egyre kevésbé képzelhető el a mesterséges intelligencia segítsége nélkül. Az MI az elemzés egyre több fázisában és egyre több felhasználási területen alkalmazható, és segítségével egészen új lehetőségek tárhatók fel.
A digitális átalakulás sok tekintetben olyan, mint az evolúció. Egyrészt nem teória, nem lehetőség, hanem tény, amit mindenkinek el kell fogadnia. Másrészt nem egyenes vonalú, előre elhatározott fejlődés: tele van zsákutcákkal, és az útját kihalt fajok garmadája övezi. Ezek egy darabig sikeres, alkalmazkodni képes változatok voltak, amelyeket aztán a háttérbe szorítottak a változó környezethez jobban alkalmazkodni képes fajok. És végül, ahogy az evolúció, úgy a digitális transzformáció sem ér véget: egy soha be nem telő könyv, amelynek csak az utolsó lapjait forgatjuk – fogalmazott előadásában Oliver Schabenberger, a SAS operatív igazgatója a vállalat Milánóban rendezett Analytics Experience 2019 rendezvényén.
Elemezni, de hogyan?
Ahogy az evolúciós akadályokat sem sikerült minden fajnak vennie, úgy küszködik jó néhány vállalat a digitális átalakulással is. Az általánosabb szervezeti és kulturális kérdéseken túl a transzformáció tényleges végrehajtása során is számos problémával találják szembe magukat a vállalatok. Ezek közül az egyik legfontosabb az adatok felhasználásának, elemzésének kérdésköre. A digitális átállás egyik alapvető jellemzője, hogy a céges működést az adatokra és a belőlük kinyerhető üzleti információkra kell alapozni. Emiatt az adatelemzésnek és az analitika által támogatott döntéshozatalnak óriási a jelentősége – márpedig ez olyan terület, ahol nagyon sok vállalat elvérzik.
A legelső nehézséget a berögzült gondolkodásmód jelenti. Meglepően nagy cégek működnek úgy, hogy a belső döntéshozatali mechanizmus nem az adatokon, hanem a vezetők megérzésein alapul („Mindig így csináltuk, eddig bejött, miért változtassunk rajta?!”), fogalmazott lapunknak Shukri Dabaghi, a SAS Közép-Európáért és Közel-Keletért felelős vezetője.
De még ha ezen túl is lendülnek, és belevágnak az adatvezérelt működés kialakításába, a folyamat elején és a végén is a technikai nehézségekkel találják szembe magukat. Nincsenek adatok vagy vannak, de nem azok, amelyekre szükség lenne a döntéshozatalhoz; és ha vannak is, nem jó a minőségük, nem jó a formátumuk, vagy nem tudják kinyerni azokat. A másik fájó pont már a cél közelében jön el. Túl vannak az adatkinyerés és -elemzés folyamatán, elkészültek az elemzési adatmodellek – és aztán azokat nem tudják termőre fordítani, nem tudják beépíteni az alkalmazásokba, hogy automatikusan segítsék a döntéshozatalt. Felmérések szerint az elemzési modellek kevesebb, mint felét használják fel teljes egészében, 90 százalékuk beüzemelése pedig három hónapnál is tovább tart.
| Minősített algoritmusok |
|
„Remélem, nemsokára eljutunk oda, hogy a mesterséges intelligenciánál alkalmazott algoritmusok ugyanúgy megfelelőségi tanúsítványt kapnak, mint mondjuk az elektromos készülékek” – mondta Oliver Schabenberger egy szűk körű sajtóbeszélgetésen. A villamosság felhasználásának hajnalán nem léteztek érintésvédelmi előírások, mindenki a saját kockázatára dugta be a konnektorba a gépét. Most az MI algoritmusok felhasználásának hajnalán járunk, és mindenki csak a saját felelősségére használja őket. De ha lennének világos előírások, független minősítő intézetek és széles körben elfogadott tanúsítványok, akkor mindenki nyugodtan beépíthetné a minősített algoritmust az üzleti folyamataiba. Ez már csak azért is fontos lenne, mert egyre több, szó szerint élet-halál döntést bízunk gépekre, algoritmusokra – gondoljunk csak a diagnosztikára, az önvezető autókra vagy akár a hitelkérelmek elbírálására. |
Nyíltan, automatizáltan
A SAS válasza ezekre a problémákra az automatizálás, az MI és a nyílt eszközök támogatása. A folyamat elején az adatkinyerés és adatintegrálás segítésére és az adatmodellek gyorsabb elkészítésére vetnek be automatizált gépi tanulással megtámogatott eszközöket. A folyamat végén pedig mostantól egy új megoldás is segíti az ügyfeleket: ez az Open Model Manager.
Az új termék azokat kívánja megszólítani, akik nyílt forráskódú eszközöket (R, Python) használnak adatmodelljeik elkészítéséhez, ám azok menedzselésével már gondjaik akadnak. „Azt mondjuk nekik, hogy hozzák csak a nyílt modelljeiket, mi majd segítünk a menedzselésükben, nyilvántartjuk őket, kezeljük a verziókat, szemmel tartjuk a teljesítményüket. Sokan a rugalmasságuk, gyorsaságuk miatt választják a nyílt eszközöket, de az utolsó mérföldnél, amikor alkalmazni kellene a modellt, elvesztik ezt az előnyt. Az Open Model Manager segítségével a három hónapos bevezetési időt egy napra vagy akár egy kattintásra tudjuk csökkenteni. Ez pedig rendkívül fontos, mert a big datából csak így lehet big value, nagy érték” – mondta Oliver Schabenberger.
Az Open Model Manager is beleillik abba a törekvésbe, amit a SAS vezetői az adatelemzés hétköznapivá tételének neveznek. Az adatelemzési életciklus különböző lépéseinek automatizálásával pragmatikussá és eredményfókuszúvá teszik a technológiát, így annak használata az eddiginél sokkal szélesebb kör számára válik elérhetővé – már csak azért is, mert a digitalizáció sikere sokszor az adatok széles hozzáférhetőségén és használatán múlik. „Ma már nem is annyira termékekről, hanem üzleti problémákról beszélünk. Az ügyfelekben is tudatosítanunk kell, hogy nem feltétlenül eszközökre van szükségük, hanem megoldandó problémával néznek szembe. Hitelkockázatokat akar elbírálni? Tessék, itt egy kész megoldás, amely tartalmazza az összes szükséges komponenst és funkciót, szolgáltatásokkal kiegészítve. Ha nem a szoftverfunkciókat állítjuk a középpontba, hanem az üzleti értéket teremtő lehetőségeket, kevésbé lesz rejtélyes az adatelemzés” – fogalmazott lapunknak adott interjújában Shadi Shahin, a SAS termékfejlesztésért felelős alelnöke.
Kiaknázatlan lehetőségek
A közép-európai térségben, és azon belül Magyarországon is komoly lehetőségeket lát a vállalat. „Három évvel ezelőtt átalakítottuk a térségbeli működésünket. Az általam felügyelt régióban nagyon eltérő érettségű piacok találhatók, de abban hasonlóak, hogy óriási növekedési potenciál rejlik bennük. Meglátásom szerint ez egyelőre látens növekedés: sokkal hamarabb meg kellett volna történnie, most csak felnövünk arra a szintre, ahol a piac érettsége szerint amúgy is lennünk kellene” – mondta Shukri Dabaghi. Egyelőre igazolódni látszanak reményeik. Az elmúlt két évben a közép-európai és közel-keleti régió fejlődött a leggyorsabban a cégen belül. Az átalakításnak része volt az is, hogy az egyes országok nem önállóan, hanem kisebb térségekbe szerveződve működnek, amelynek keretében sokkal könnyebben tudják megosztani egymással az erőforrásokat.
Magyarországon sem tart ott a SAS, ahol a teljes piac mérete alapján tarthatna, ugyanakkor nagyon is érett piacnak tekinthető. Az olyan nagy ügyfelek, mint a MOL és az OTP kimondottan előremutató módon használják a SAS termékeit, innovatív megoldásokat valósítanak meg. „Ezzel együtt sem tudtuk úgy kiszolgálni őket, ahogy megérdemelték volna. Nem csak ezen tudunk változtatni, de más szektorokra is nagyobb hangsúlyt fektetünk. Ilyen lesz a pénzügy, gyártóipar, a gyógyszeripar és az államigazgatás. Elégedett vagyok az eddigi fejlődéssel, de biztos vagyok benne, hogy ennél még sokkal jobbak is lehetünk”, tette hozzá a régió vezetője.
Schopp Attila – Milánó
