Blog Future Of Ai In Enterprise

Fremtiden for AI i erhverslivet

Erhvervslivet er nået til et afgørende punkt, når det drejer sig om anvendelse af kunstig intelligens (eller AI). Mens teknologien bag computere til at simulere menneskelig tanke har udviklet sig, til tider langsomt, i løbet af det sidste halve århundrede, har lavere omkostninger ved implementering, let tilgang til cloud-computing og praktiske brugereksempler stor betydning for at AI vil få en dramatisk indvirkning på forretningen i de kommende år.

De potentielle brugereksempler for AI i erhvervslivet, investeringerne og forandringshastigheden, der i øjeblikket driver AI, gør én ting klar: Du har brug for at få dit fundament på plads jo før jo bedre for at nyde godt af de fordele, der er på vej til erhvervslivet. Men hvordan kan du gøre dette?

Indfør business intelligence (eller BI) software. Ved at opbygge fundamentet nu med denne let tilgængelige, forståelige og prisbillige software kan virksomheder forberede sig på fremtiden, samtidig med at de høster fordelene i dag. Efter et par år med opskruede forventninger til AI, der endnu ikke har fundet sted, begynder virksomhederne at spørge sig selv, om det er fornuftigt at gennemføre en omkostningstung implementering, der ikke giver konkrete resultater i 2-3 år, når de hellere skulle fokusere på implementering af BI i dag, få resultater med det samme og placere AI oven på dine etablerede BI-data for at udlede nye indsigter og opnå større gavn, når teknologien modnes.

Hvordan kan BI-software hjælpe din virksomhed med at sætte scenen for AI, og hvilke forhold skal man tage højde for i overlapningen af AI og BI? Lad os se på det:

Hvordan kan BI-software hjælpe?

Uanset hvor du lander med hensyn til kunstig intelligens og business intelligence, er én ting sikker: du skal bruge data til at få begge dele til at fungere. Uden data at reagere på, er der ingen »intelligens« i hverken AI eller BI. Der er intet at analysere eller anvende en læringsalgoritme for – hvad angår enhver intelligensløsning, er data det fundament, som den skal bygges på.

Heldigvis har data med den udbredte indføring af cloud computing og Internet of Things aldrig været lettere tilgængelige for erhvervslivet. Men de enorme mængder af data, der genereres dagligt, dukker et nyt problem op for virksomhederne – hvilke data betyder noget? Hvordan skal data mærkes, sorteres, grupperes og analyseres? Hvilke problemer forholder uensartede datapunkter sig til? Og hvordan kan de data, der indsamles fra flere kilder, lige fra detailstederne til forsyningskæden til fabrikken, let integreres?

Indfør data-warehousing. Data warehouses er et middel til at opsamle data fra forskellige datakilder (f.eks. salgssteder, CRM, lager og lagerstyringssystemer), standardisere de indsamlede data og strukturere dem for at uddrage nødvendige indsigter og løbende analyse. Forretninger kan ikke overleve uden robust data-warehousing. Data-siloer kan hurtigt fortære penge og ressourcer, og enhver virksomhed, der forsøger at sammensætte “business intelligence” fra flere rapporter og usammenhængende data, vil hurtigt miste terræn i forhold til virksomheder med integreret data og rapportering.

Det optimerede data-warehouse er ikke blot et antal relationsdatabaser, der er sammenkoblet, men det bygger på moderne datalagringsstrukturer som f.eks. Online Analytical Processing (eller OLAP) kuber. Kuber er multidimensionelle datasæt, der er optimeret til analytiske behandlingsprogrammer som AI- eller BI-løsninger. Kuber er overlegne i forhold til tabeller, fordi de kan linke og sortere data i flere dimensioner, hvilket gør det muligt for ikke-tekniske brugere at vælge mellem et hvilket som helst antal specifikke og meget kontekstuelle datapunkter for at afdække nye indsigter og løbende justere taktik og beslutninger. Det er sandsynligt, at din salgs- og indkøbsmedarbejder uden tekniske kompetencer vil have svært ved at sætte flere tabeller sammen med en standardrapport, men med business intelligence-kuber er alt, hvad der kræves, at trække og slippe de beregninger og dimensioner, de har brug for, ind på deres eget personlige dashboard.

Hvordan uddrages data? Ved at bruge Structured Query Language, eller SQL, som er det sprog, der bruges til at manipulere og uddrage data gemt i kuber. SQL er udviklet som et standardsprog til at kommunikere med databaser, uanset hvilken type database der bruges, og er i sidste ende det middel, hvormed data i en tabel uddrages, hentes, slettes, opdateres og administreres.

Ud over data-warehousing og OLAP-kuber, der leverer det tekniske fundament, er der en række yderligere komponenter, som kan hjælpe virksomheder med at opfylde deres datakrav:

Data-modellering: Data-modellering er en metode til kortlægning af individuelle datakilder på tværs af en virksomhed og bestemme, hvordan de skal interagere med hinanden for at uddrage de mest værdifulde forretningsindsigter. Data-modellering kan udføres konceptuelt (højt niveau, relateret til forretningsmål), logisk (kortlægning til hver enkelt forretningsfunktion) og fysisk (hvordan de faktiske dimensioner, mål og hierarkier er relateret inden for en datakube).

Analyse og rapportering: Indhentning, strukturering og lagring af data er godt, men at kunne analysere og rapportere dem er det ultimative mål. Business intelligence-løsninger er i stand til at levere enkle, tilgængelige analyser og rapporteringsfunktioner til slutbrugere, der giver dem mulighed for at få de regulerbare indsigter, de har brug for med kun lidt teknisk ekspertise (eller formel datalogiuddannelse). Dette hjælper også forretningsfunktioner med at undgå unødvendige datablokader og giver dem øjeblikkelig adgang, når de har brug for det til de data, de virkelig behøver.

Datavisualisering og dashboards: Analyser og rapporter er en afgørende komponent i business intelligence, men hvis du nogensinde har brugt timer på at gruble over en værditabel og forsøge at afklare præcist, hvad dataene siger, er du ikke alene. Med datavisualiseringsværktøjer vises afgørende indsigter i rige grafiske repræsentationer, der er meget lettere for den menneskelige hjerne at fortolke. Ifølge en undersøgelse foretaget af Aberdeen Group er organisationer, der bruger datavisualiseringsværktøjer, 28 procent mere tilbøjelige til at finde rettidig information end dem, der kun er afhængige af administreret rapportering. Den samme undersøgelse viste også, at 48 procent af brugerne af business intelligence hos virksomheder med visuel dataopdagelse, er i stand til at finde de oplysninger, de har brug for, uden hjælp fra it-personale. Dashboards kan nemt sammenstille visualiseringer og rapporter til slutbrugerens eller forretningsenhedens brugerdefinerede visninger, hvilket giver enkeltpersoner øjeblikkelig indsigt i KPIer, der hjælper med at drive bedre forretningsresultater.

Sikkerhed, enkelhed, hurtighed – disse er de tre store fordele, business intelligence-løsninger hjælper med at drive, og tre afgørende tiltag for succes i forretningsbranchen. Mens kunstig intelligens fortsat fokuserer på at hjælpe computere med at indsamle indsigt helt alene, gør business intelligence det muligt for hele organisationer at få adgang til de data, den har brug for til at træffe hurtige og velinformerede beslutninger, og betydningen af dette i dagens hurtigt skiftende erhvervsliv kan simpelthen ikke overdrives. I en undersøgelse af 2.600 business intelligence-slutbrugere svarede 91 %, at BI gav dem hurtigere rapportering, analyse eller planlægning, 84 % sagde, at det gjorde det muligt for dem at træffe bedre forretningsbeslutninger, og 79 % sagde, at det forbedrede medarbejdertilfredsheden.

Fremtiden er (næsten) her

I den nærmeste fremtid vil AI-algoritmer blive problemløst anvendt på dine eksisterende datalagre og låse op for yderligere indsigt i din forretning. Som det fremhæves i denne 2018 Harvard Business Review article fra 2018, falder AI-anvendelser som reaktion på forretningsbehov ind under en af tre kategorier:

  • Processautomatisering: Den mest almindelige nuværende anvendelse af AI i erhvervslivet er ved automatisering af systemer og forretningsprocesser. Mens tidligere versioner af automatisering fokuserede på at udveksle information mellem systemer, kan AI være på niveau med denne evne ved faktisk at interagere med dataene som et menneske – enten ved indføring eller forbrug efter behov. I dag kan AI »robotter« analysere juridiske kontrakter og uddrage relevante bestemmelser, opdatere kundejournaler på tværs af en række forskellige systemer og automatisere kundehenvendelse som reaktion på situationsbetingelser. I takt med at disse algoritmer bliver »klogere«, bliver virksomhederne i stand til at automatisere endnu bredere procesafsnit.
  • Kognitiv indsigt: Kognitiv indsigt er evnen til at anvende AI-algoritmer på store eksisterende datalagre for at uddrage betydning og identificere mønstre. Mens BI-software og datalagre utvivlsomt vil levere »næringen« til algoritmer af kognitiv indsigt, eftersom algoritmerne lærer, vil de kunne anvende disse indlæringer på bredere datasæt, reagere på nye data i realtid, identificere potentielle data, der passer sammen på tværs af flere databaser eller administrere programmatisk annoncekøb.
  • Kognitivt engagement:Kognitivt engagement refererer til det menneskelige brugerfladeelement for AI-tænkende automatiserede chatbots, vidensbaser, produktanbefalingsmotorer og meget mere. Kognitive engagementsprogrammer kan bruges til at automatisere interaktioner mellem mennesker og systemer enten eksternt (for kunder) eller internt (for arbejdsgivere). De fleste aktuelle programmer fokuserer primært på internt engagement, da virksomhederne stadig er usikre på de relativt nye programmer. Men eftersom AI-udvikling og -implementeringer fortsætter med at modnes, forventer man at imødegå indvendingerne hen ad vejen i takt med, at virksomhederne vil finde nye måder at bruge eksisterende data på til at drive meningsfuld automatiserede interaktioner med mennesker rundt omkring i verden.

I løbet af de næste par år vil du se, at kunstig intelligens endelig begynder at leve op til den hype, vi har hørt om i erhvervslivet, og computere vil hjælpe med at indlede en ny æra af produktivitet og rentabilitet for virksomheder på forkant – men kun, hvis du har fundamentet på plads i dag, og det starter med business intelligence. Vent ikke. Sørg for, at du gearer din virksomhed til i morgen for at få succes i dag.

Hos Jet Global ved vi, at business intelligence og datastyring er afgørende dele af enhver virksomheds planlægning af kunstig intelligens. For virkelig at udnytte kunstig intelligens skal du lægge ud med effektiv rapportering og analyse. Og vi kan hjælpe!

Ønsker du at vide mere om, hvordan BI giver næring for AI, så download dette whitepaper!

Fra AI til BI: Forståelse af AI i erhvervslivet

Download Now