El auge del 'científico de datos ciudadanos':cómo el aprendizaje automático humanizado está aumentando la inteligencia humana

IDC Se estima que el volumen de datos en todo el mundo aumentará en un 61% entre 2018 y 2025, llegando finalmente a 175 zettabytes, y gran parte de esto lo generarán las empresas. Entonces, ¿cómo se puede aprovechar esto para optimizar los procesos comerciales, mejorar las operaciones diarias e informar la toma de decisiones?

La respuesta está en las plataformas humanizadas de aprendizaje automático, dice Mind Foundry Nathan Korda, director de investigación, que está haciendo que las capacidades avanzadas de aprendizaje automático sean accesibles para los propietarios de problemas comerciales, lo que permite el surgimiento del "científico de datos ciudadano".

Demasiados datos, muy poco tiempo

Hoy en día, muchas empresas luchan por analizar y extraer el valor total de la gran cantidad de datos que se generan y recopilan a diario. El desafío que enfrentan los propietarios de problemas comerciales, ya sea un ejecutivo de nivel C, un analista o incluso un gerente de operaciones, es cómo comprender de manera efectiva sus datos para impulsar un mayor valor comercial y optimizar los procesos.

Es posible que tengan hojas de cálculo llenas de datos y utilicen modelos de datos simples para extraer un valor limitado, pero ¿cómo pueden llevar esto más lejos? La respuesta radica en una mayor accesibilidad del aprendizaje automático a través de plataformas centradas en el usuario. Por primera vez, esto permite a los propietarios de problemas comerciales, aquellos con un conocimiento profundo de problemas específicos y su impacto en las operaciones, conectar las capacidades avanzadas de aprendizaje automático con el valor comercial.

Los beneficios están disponibles para todos

Tradicionalmente, se ha considerado que el aprendizaje automático requiere amplios recursos, tiempo y experiencia técnica, lo que a menudo incluye la contratación de científicos de datos, un campo altamente especializado donde la demanda de talento supera actualmente a la oferta. Más allá de esto, los científicos de datos a menudo están demasiado separados de un problema empresarial como para contextualizarlo y comprender el impacto total que tiene en las operaciones.

Ingrese a los científicos de datos ciudadanos:empleados que no operan en roles dedicados de ciencia o análisis de datos, que pueden usar una plataforma de aprendizaje automático humanizado para explorar sus datos e implementar fácilmente modelos para desbloquear el valor que tienen. Gracias a las plataformas centradas en el usuario, los empleados actuales pueden disfrutar del acceso a la tecnología de aprendizaje automático sin necesidad de formación especializada. Este es un hito importante en el empoderamiento de los propietarios de datos para que dominen rápidamente sus propios datos y completen operaciones a escala, sin una inversión o experiencia significativas.

A nivel de empresa, esto pone las soluciones avanzadas de aprendizaje automático en manos de organizaciones pequeñas y medianas y sus empleados, que pueden carecer de experiencia en ciencia de datos. Pero la mayor accesibilidad del aprendizaje automático también genera nuevas oportunidades para los científicos de datos, liberando su tiempo para acercarse a los problemas comerciales y enfocar su conjunto de habilidades en la innovación para proyectos de transformación digital.

Nuevas capacidades comerciales:a gran velocidad y escala

Una plataforma de aprendizaje automático proporciona a los científicos de datos ciudadanos una mayor accesibilidad a las capacidades necesarias para preparar y visualizar datos rápidamente y, posteriormente, construir, implementar y administrar un modelo adecuado. Ya sea que esto implique sugerir acciones para limpiar y formatear correctamente los datos o recomendar el modelo más adecuado para un conjunto de datos, una plataforma humanizada está diseñada para guiar a los usuarios a través del proceso de principio a fin.

Un aspecto central de este enfoque es reducir el volumen de tareas de preparación de datos mundanas. Piense en procesos de negocio que son repetitivos e implican analizar datos de forma similar de forma rutinaria, como la previsión presupuestaria. En lugar de inmovilizar los recursos de la alta dirección durante varias semanas para finalizar los presupuestos en función de los resultados comerciales esperados, los gerentes pueden usar una plataforma intuitiva de aprendizaje automático para identificar y configurar rápidamente un modelo capaz de ser reutilizado para revisar los presupuestos anualmente, reduciendo drásticamente la inversión de tiempo en este proceso en el futuro.

Alternativamente, tome una empresa de fabricación avanzada que desarrolle y produzca componentes de precisión. Es posible que tengan expertos en maquinaria con décadas de experiencia en la industria y un profundo conocimiento de los datos producidos por los sensores de los equipos, pero no pueden identificar patrones y áreas de optimización sin un equipo de ciencia de datos dedicado. Con las plataformas humanizadas de aprendizaje automático, estos expertos pueden ingresar, limpiar y visualizar datos en minutos, luego seleccionar un modelo de datos apropiado para descubrir información nunca antes vista.

El hombre se encuentra con la máquina:capacidades complementarias

Las plataformas de aprendizaje automático están destinadas a ampliar los conjuntos de habilidades existentes de los empleados. Eliminan una gran cantidad de tiempo y recursos invertidos tradicionalmente en la aplicación del aprendizaje automático a los datos comerciales, pero la propiedad y el control del proceso aún recae en el usuario. Esta es la clave para el uso exitoso de la tecnología de aprendizaje automático.

Las aplicaciones de aprendizaje automático son excelentes para la evaluación y gestión de riesgos y para realizar juicios basados ​​en datos, pero carecen de la intuición y la creatividad necesarias para contextualizar y resolver problemas de asuntos humanos. Aquí es donde las plataformas de aprendizaje automático humanizado trazan la línea divisoria entre las tareas "humanas" y las tareas "informáticas". Asumen tareas repetitivas y que requieren mucha mano de obra, como la limpieza de datos, el descubrimiento de modelos basados ​​en datos y la validación de modelos, y permiten a los propietarios de problemas centrar su tiempo y recursos de forma más directa en el problema empresarial en cuestión.

En última instancia, la computadora siempre tendrá que colaborar con un humano al aplicar el aprendizaje automático. Para garantizar el éxito del proyecto, el aprendizaje automático debe formar parte de un equipo humano, aumentando las habilidades, la inteligencia y las capacidades humanas. Los seres humanos tienen la capacidad única de contextualizar los datos y los errores asociados. Tome un ejemplo simple en el que los códigos de error están presentes en un gran conjunto de datos. Una plataforma de aprendizaje automático tendrá dificultades para contextualizar esto, pero un ser humano que esté cerca del proceso empresarial puede proporcionar rápidamente una explicación, como que los sensores están fuera de rango.

Más allá de los beneficios inmediatos, las plataformas de aprendizaje automático resuelven el problema del legado una vez que un científico de datos ciudadano deja la empresa. Estos empleados pueden desarrollar soluciones de aprendizaje automático para resolver problemas comerciales específicos, con la seguridad de saber que estos logros seguirán siendo operativos, intuitivos y reutilizables por los colegas una vez que hayan avanzado.

El aprendizaje automático ahora es viable para todas las empresas

Se prevé que el aprendizaje automático se vuelva cada vez más común entre empresas de todos los tamaños a medida que se esfuerzan por optimizar sus operaciones diarias. No olvide que los propietarios de problemas comerciales siempre tendrán un conocimiento único e íntimo de un problema específico y su relevancia para las prioridades comerciales existentes. Por primera vez, pueden identificar y mejorar directamente el valor de sus datos aprovechando rápidamente la inteligencia de las máquinas a escala.

La aplicación del aprendizaje automático a los datos ya no tiene por qué ser un proyecto arduo y que consume muchos recursos y que dura varios meses. El aumento de los científicos de datos ciudadanos está brindando importantes oportunidades para que las pequeñas y medianas empresas aprovechen rápidamente las capacidades avanzadas de aprendizaje automático para desbloquear mayores conocimientos y valor comercial a partir de sus datos.

Nathan Korda es director de investigación en el spin-out de aprendizaje automático de la Universidad de Oxford Fundición de mentes .