אוטומציה היא קריטית לעסק שלך

אוטומציה היא המפתח לפתיחת יתרון גדול ובר קיימא בחברות על פני מגזרים.

נתונים גדולים יכולים להיות דבר גדול ללא גישת אוטומציה אסטרטגית.

מצד אחד, אנו נמצאים בתקופה סוערת של עושר מידע, עם כמויות חסרות תקדים של נתונים על כל דבר, החל מביצועי ציוד ועד התנהגות צרכנים במדיה חברתית (יותר ממחצית מכלל אזרחי העולם נמצאים במדיה החברתית). אך ללא אוטומציה מתחשבת - שימוש במכונות ואלגוריתמים לטיפול, עיבוד וניתוח נתונים זמינים - העסק שלך יפסיד הזדמנות פוטנציאלית גדולה.

עם ביצוע טוב, אוטומציה הופכת ביג דאטה "מת" למשאב חי ונושם שתוכל להשתמש בו כדי להניב ערך. אז זה לא מפתיע שעסקים רבים שואפים אליה להפוך כל דבר שניתן לאוטומטי, כפי שאמר מנהל גוגל מוביל לאחרונה.

כדי לעזור לך לחשוב על אוטומציה בהקשר העסקי שלך, אני מציג את שלושת הדרכים העיקריות שבהן פעילות מונעת טכנולוגיה זו עוזרת לך ליצור ערך.

הדבר הראשון האוטומציה עוזרת לך לעשות הוא חילוץ תכונה, או משיכת מחטים קריטיות של מידע מערימות חציר מאסיביות של נתונים. תארו לעצמכם שהארגון שלכם צריך לבדוק בקשות לפטנטים כדי לקבל מידע על טכנולוגיה ספציפית ואלו קשורות. ייתכן שאתה מסתכל באלפי או עשרות אלפי יישומים, שכל אחד מהם מריץ 30 עמודים או יותר, עבור מיליוני ומיליוני מילים. אבל רק חלק זעיר מהמילים הללו ויחסי הגומלין בין פטנטים חשובים, כמו למשל במה תלויה הטכנולוגיה המוגנת בפטנט או כישורי הממציאים ופטנטים בעבר.

משימה זו, אם כן, כמו רבים בתחום העסקי, כרוכה ביחס אות לרעש קטן מאוד, ותדרוש אלפי שעות של אנשים להשלים באופן ידני - משהו שחוסך הרבה יותר מדי עלות וזמן. אבל ניתן לאמן אלגוריתם מבוסס למידת מכונה להוציא במהירות יחסית את המידע המרכזי הדרוש, ולחסוך זמן ומאמץ משמעותיים. יתרה מכך, תגיד שבעתיד רצית לחפש את אותו קבוצת פטנטים או פטנטים קשורים אבל אחר מידע שונה, כגון גודל צוות מבקשי הפטנטים. אתה יכול בקלות לתכנת מחדש או לאמן מחדש את האלגוריתם כדי לקחת על עצמו את המשימה הזו, ולהשיג יתרונות לגודל ותשואה גדולה יותר על ההשקעה הראשונית שלך.

שנית, אוטומציה עוזרת בדיקת נתונים וניקוי. מערכי נתונים זקוקים לרוב לעבודה. יש שגיאות וערכים חסרים, חריגות ולפעמים עדויות להטיה. לדוגמה, אם אלגוריתם הוכשר לזהות את המאפיינים של פורעי חוק אך משתמש בנתונים רק על עבריינים שנתפסו, האלגוריתם יהיה מוטה מכיוון שחסרים לו נתונים על עבריינים שלא נלכדו - בעיה מיוחדת עבור פשעי צווארון לבן, אשר נוטה להיות מועט בדיווח. שוב, בדיקה וטיפול בכמות העצומה הזו של בעיות פוטנציאליות היא יותר מדי מכדי לקחת על עצמה באופן ידני. אבל אוטומציה מאפשרת פריסה מהירה של כלים לבדיקה וניקוי, שוב חוסכת זמן תוך יצירת ערך.

שלישית, וזה אחד גדול, אוטומציה היא מנוע מניע של אנליטיקה. ניתוחי הרגרסיה הפשוטים של אתמול הפכו ליערות מקבצים ואקראיים של היום, המופעלים על ידי למידת מכונה, בין אם לצורך הבנת משתמשי המוצר, חיזוי המכירות של החודש הבא כדי לייעל את המלאי, או חיזוי ההשפעה של מסע פרסום חדש. אוטומציה מבוססת מכונה לא רק מאפשרת לך לחזור על תהליכי ניתוח סטנדרטיים באופן קבוע בעלות נמוכה, אלא גם יכולה לזהות דפוסים לא ליניאריים שאנו בני אדם לא יכולים.

לדוגמה, המעבדה שלי חקרה יותר מ-5 מיליון פטנטים תוך שימוש בניתוחים מונעי אלגוריתם כדי לראות אם נוכל לחזות את הבכורה של טכנולוגיות עתידיות פורצות דרך על סמך מידע בקשת הפטנטים שלהן. שיערנו שהמכונה תזהה פטנטים עתידיים של פגיעה מנתוני יישומים אם להמצאה היו יכולות או רעיונות עצמאיים, "כמו נס". בסופו של דבר, האלגוריתם אכן מצא את הפטנטים המצליחים של העתיד בדיוק גבוה, אבל לא בצורה שאנו בני האדם דמיינו. כלומר, האלגוריתם לא זיהה פטנט להיט עתידי על סמך היכולות העצמאיות שלו; במקום זאת, הוא זיהה פטנטים להיט בהתבסס על האם הם היו חלק מ-a אשכול של פטנטים קשורים שיכלו ביחד לפתור בעיות ספציפיות בשילוב ששום פטנט בודד לא יכול היה לפתור בעצמו.

לדוגמה, טכנולוגיית האולטרסאונד השפיעה רבות על שירותי הבריאות מספר שנים לאחר שנחשפה לראשונה, ואיפשרה הדמיה לא פולשנית וטיפול במצבים פיזיים כמו אבנים בכליות ואפילו כמה סוגי סרטן. אבל ההתקדמות הזו הייתה בלתי אפשרית ללא המצאות בקנה מידה קטן יותר מעבר לטכנולוגיית הליבה - אפליקטורים, תהליכים מקטינים סטטיים, רפידות רפואיות מיוחדות ומהדקים שפותחו ללא תלות בטכנולוגיית אולטרסאונד אך עדיין קריטיים ליישום המוצלח שלה ברפואה. הניתוח האוטומטי שלנו זיהה באופן מהימן את קיומם של אשכולות פטנטים קשורים אלו בלמעלה מ-5 מיליון פטנטים, ממוצרי בריאות ועד לטכנולוגיית כדורי הגולף העדכנית ביותר, וכי אשכולות אלו היו מתואמים עם ההסתברות שהפטנטים בהם יהפכו לטכנולוגיות הדומיננטיות העתידיות של מחר – מסקנות שלא הוערכו קודם לכן.

הקולגה הצפון-מערבי שלי אנדרו פאפאכריסטוס השתמש בניתוח דומה כדי להראות זאת שחיתות משטרתית בשיקגו נובע לא מכמה קציני "תפוח רע" אלא רשת של שוטרים מחוברים הפועלים בחוסר תום לב; עבודתו מאפשרת זיהוי מוקדם של בעיות כאלה.

אני מקווה שהבהרתי את היתרונות המחזקים הדדיים של אוטומציה, וכיצד זה יכול לעזור לך להפוך נתונים לערך גדול ובר קיימא. ואכן, ככל שיש לך יותר נתונים, אתה צריך יותר אוטומציה; ברגע שיש לך יכולות אוטומציה חזקות, אתה יכול לאסוף ולרתום אפילו יותר נתונים, והמחזור ממשיך.

השורה התחתונה: אוטומציה היא יכולת קריטית יותר ויותר, ועשויה להיות מכרעת לביצועי העסק שלך בטווח הקרוב והארוך יותר. אבל חשוב להבין איך זה מניע ערך, ולנקוט צעדים כדי לצמצם את החסרונות האמיתיים שלו, לטובת החברה שלך והקהילה הרחבה שבה היא פועלת.

בחלק השני של מאמר זה אדון בשלושת החסרונות העיקריים של אוטומציה - הסבר, שקיפות ועלות - וכיצד לטפל בהם.