Tehisintelligentsed “töötajad” aitavad teha paremaid juhtimisotsuseid

Andmed iseenesest ei oma väärtust, reaalset kasu on võimalik saada siis, kui neid õigesti kasutada. Selleks, et muutuvas ärimaailmas konkurentsis püsida, on järjest olulisem saada kätte juhtimisotsuste jaoks vajalik info, mida lihtne statistika ja Excel ei suuda tuvastada. Masinõppimine (machine learning) hõlmab endas algoritme, mis suudavad ise õppida, tuvastada peidetud seoseid ja teha nende põhjal prognoose.

Masinõppe mudelid on nagu tehisintelligentsed töötajad, kelle teadmiste hulk alguses on nullilähedane, aga andes juurde infot, muutuvad nad täpsemateks ning produktiivsemateks ja on suutelised tuvastama seoseid, mis muidu suurtes andmekogudes jääksid nähtamatuks. Tavapärane käsitlus on näiteks see, et kui ettevõtte viib läbi reklaamikampaania ja seejärel tõuseb müügitulu, võib lugeda kampaaniat edukaks. Tegelikkuses on põhjuseid tunduvalt enam - sobiv hooaeg, muutused toodete/teenuste osutamises või konkurentide passiivsus.

Samas, ekslik oleks arvata, et masinad saab panna enda eest juhtimisotsuseid tegema. Suurte andmemahtude haldamiseks ja analüüsimiseks on masinõpe efektiivne, kuid ärijuhtimiseks on vaja kujutlusvõimet ja oskust tajuda tervikpilti. Niinimetatud tehisintelligentsetele “töötajatele” ei saa panna vastustust aga tänu neile on võimalik saada vajalikku sisendit keerukate otsuste tegemiseks.

Sõltuvalt vajadusest, on mitmeid erinevaid võimalusi, kuidas masinõppe meetodid ettevõtte jaoks tööle panna, näiteks:

  • uute potentsiaalsete klientide leidmine varasema müügitöö andmete baasil
  • klientide käitumise prognoosimine varasemate ostude baasil
  • riskantsete klientide leidmine varasema kliendikao kogemuse põhjal
  • kliendi või tarnija krediidiriski määratlemine
  • klientide grupeerimine ostukäitumise baasil, et personaliseerida turundust
  • uute trendide avastamine klientide ostukäitumise baasil
  • ettevõttesse sobivate töötajate leidmine praeguste ja endiste töötajate andmete baasil
  • masinate rikkepõhjuste leidmine ja rikete prognoosimine
  • tarneplaani optimeerimine tarnijate iseloomustuse ja tingimuste baasil

Register OÜ on seni oma igapeävatöös kasutanud masinõppimist nii maksejõuetuse ennustamiseks aga ka potenstiaalsete klientide leidmiseks varasema müügitöö andmete põhjal.

Tegelik võimaluste hulk on piiratud vaid kujutlusvõimega. Masinõppimine on kasutatav kõikjal, kus vaja hinnata kliente, tarnijaid, projekte, objekte või valikuvariante Jah-Ei põhimõttel, leida seoseid nende vahel ning tuvastada mustreid. Masinõppimise mudeleid ei peaks vaatlema kui lihtsalt andmebaasi, vaid kui kiireid ja professionaalseid abilisi, sest just nemad annavad juhtidele sisendi tegemaks efektiivseid ja õigeid otsuseid.

Osale arutelus

  • Kristiina Zadin, Inforegistri turundusjuht

    Kristiina Zadin, Inforegistri turundusjuht

Toetajad

Raadio ettevõtlikule inimesele

Hetkel eetris

Jälgi ITuudiseid sotsiaalmeedias

RSS

Toetajad

Valdkonna töökuulutused

TTÜ otsib IT ARENDUSJUHTI

Tallinna Tehnikaülikool

12. detsember 2017

ADM Interactive otsib PHP VANEMARENDAJAT

M-Partner HR OÜ

22. detsember 2017

Arvamused

Teabevara