L'automazione è fondamentale per la tua azienda

L'automazione è la chiave per sbloccare un grande vantaggio sostenibile nelle aziende di tutti i settori.

I big data possono essere un grande nulla senza un approccio di automazione strategica.

Da un lato, siamo in un periodo inebriante di ricchezza di informazioni, con volumi di dati senza precedenti su qualsiasi cosa, dalle prestazioni delle apparecchiature al comportamento dei consumatori sui social media (più della metà di tutti i cittadini globali sono sui social media). Ma senza un'automazione ponderata, l'uso di macchine e algoritmi per gestire, elaborare e analizzare i dati disponibili, la tua azienda perderà grandi opportunità potenziali.

Fatto bene, l'automazione trasforma i big data "morti" in una risorsa viva e vitale che puoi utilizzare per generare valore. Quindi non sorprende che molte aziende mirino a farlo automatizzare tutto ciò che può essere automatizzato, come ha affermato di recente uno dei massimi dirigenti di Google.

Per aiutarti a pensare all'automazione nel tuo contesto aziendale, presento i tre modi principali in cui questa attività basata sulla tecnologia ti aiuta a creare valore.

La prima cosa che l'automazione ti aiuta a fare è estrazione delle caratteristicheo estrarre informazioni critiche da enormi cumuli di dati. Immagina che la tua organizzazione debba esaminare le domande di brevetto per ottenere informazioni su una tecnologia specifica e su quelle correlate. Potresti guardare migliaia o decine di migliaia di applicazioni, ciascuna con 30 o più pagine, per milioni e milioni di parole. Ma solo una piccola parte di quelle parole e delle interrelazioni tra i brevetti contano, come da cosa dipende la tecnologia brevettata o le qualifiche degli inventori e i brevetti passati.

Questa attività, quindi, come molte nel settore aziendale, comporta un rapporto segnale-rumore molto basso e richiederebbe migliaia di ore di lavoro per essere completata manualmente, una cosa decisamente troppo proibitiva in termini di costi e tempi. Ma un algoritmo basato sull'apprendimento automatico potrebbe essere addestrato per scovare in modo relativamente rapido le informazioni chiave necessarie, risparmiando tempo e fatica significativi. Supponiamo inoltre che in futuro si desideri cercare nello stesso insieme di brevetti o in quelli correlati ma per informazioni diverse, come la dimensione del team di richiedenti il ​​brevetto. Potresti facilmente riprogrammare o riqualificare l'algoritmo per svolgere tale compito, ottenendo economie di scala e maggiori ritorni sul tuo investimento iniziale.

In secondo luogo, l'automazione aiuta controllo e pulizia dei dati. I set di dati spesso hanno bisogno di lavoro. Ci sono errori e valori mancanti, anomalie e talvolta prove di bias. Ad esempio, se un algoritmo è stato addestrato per individuare le caratteristiche dei trasgressori ma utilizza i dati solo sui trasgressori che sono stati catturati, l'algoritmo sarà distorto perché manca di dati sui trasgressori che non sono stati catturati, un problema particolare per la criminalità dei colletti bianchi, che tende a essere sottostimato. Ancora una volta, controllare e affrontare questo vasto volume di potenziali problemi è troppo da affrontare manualmente. Ma l'automazione consente una rapida implementazione di strumenti per il test e la pulizia, ancora una volta risparmiando tempo e creando valore.

Terzo, e questo è un grosso problema, l'automazione è il motore trainante dell'analisi. Le semplici analisi di regressione di ieri sono diventate il clustering e le foreste casuali di oggi, alimentate dall'apprendimento automatico, sia per comprendere gli utenti dei prodotti, prevedere le vendite del mese prossimo per ottimizzare l'inventario o prevedere l'impatto di una nuova campagna pubblicitaria. L'automazione basata su macchine non solo consente di ripetere regolarmente processi di analisi standardizzati a basso costo, ma è anche in grado di individuare modelli non lineari che noi esseri umani non possiamo.

Ad esempio, il mio laboratorio ha studiato oltre 5 milioni di brevetti utilizzando analisi guidate da algoritmi per vedere se potevamo prevedere il debutto di tecnologie future rivoluzionarie sulla base delle informazioni sulla loro domanda di brevetto. Abbiamo ipotizzato che la macchina avrebbe identificato i futuri brevetti di successo dai dati dell'applicazione se l'invenzione avesse capacità o idee autonome, "simili a un miracolo". Alla fine, l'algoritmo ha trovato i brevetti di successo del futuro con un'elevata precisione, ma non nel modo in cui noi umani avevamo immaginato. Cioè, l'algoritmo non ha identificato un brevetto di successo futuro basato sulle sue capacità autonome; piuttosto, ha identificato i brevetti di successo in base al fatto che facessero parte di a gruppo di brevetti affiliati che insieme potrebbero risolvere problemi specifici in combinazione che nessun singolo brevetto avrebbe potuto risolvere da solo.

Ad esempio, la tecnologia a ultrasuoni ha avuto un grande impatto sull'assistenza sanitaria diversi anni dopo la sua prima presentazione, consentendo l'imaging non invasivo e il trattamento di condizioni fisiche come calcoli renali e persino alcuni tipi di cancro. Ma quel progresso sarebbe stato impossibile senza invenzioni su piccola scala al di là della tecnologia di base: applicatori, processi di riduzione dell'elettricità statica, elettrodi medici specializzati e pinze che sono stati sviluppati indipendentemente dalla tecnologia a ultrasuoni ma fondamentali per la sua applicazione di successo in medicina. La nostra analisi automatizzata ha riconosciuto in modo affidabile l'esistenza di questi gruppi di brevetti correlati in oltre 5 milioni di brevetti, dai prodotti sanitari alla più recente tecnologia delle palline da golf, e che questi gruppi erano correlati con la probabilità che i brevetti in essi contenuti sarebbero diventati le future tecnologie dominanti di domani: un inferenza non prima apprezzata.

Il mio collega nordoccidentale Andrea Papacristo ha utilizzato analisi simili per dimostrarlo corruzione della polizia a Chicago nasce non da pochi agenti della “mela marcia” ma da una rete di polizie collegate che agiscono in malafede; il suo lavoro consente il rilevamento precoce di tali problemi.

Spero di aver chiarito i vantaggi dell'automazione che si rafforzano a vicenda e come può aiutarti a trasformare i dati in un valore ampio e sostenibile. Infatti, più dati hai, più hai bisogno di automazione; una volta che hai forti capacità di automazione, puoi raccogliere e sfruttare ancora più dati e il ciclo continua.

Conclusione: l'automazione è una capacità sempre più critica e può essere fondamentale per le prestazioni a breve ea lungo termine della tua azienda. Ma è importante capire in che modo genera valore e adottare misure per mitigare i suoi reali svantaggi, per il bene della tua azienda e dell'ampia comunità in cui opera.

Nella seconda parte di questo articolo discuterò i tre principali aspetti negativi dell'automazione (spiegabilità, trasparenza e costi) e come affrontarli.