Maskininlärning: Den nya provningsgrunden för konkurrensfördelar

  • MIT Technology Review Insights arkivsida
16 mars 2017





I samarbete med Google Cloud

En nyligen genomförd undersökning gjord av MIT Technology Review Custom och Google Cloud avslöjar att även om majoriteten av företagen kämpar för att tillämpa maskininlärning, jobbar andra hårt med att utveckla strategier för tekniken – och de realiserar redan verklig ROI.



Sammanfattning

En nyligen genomförd undersökning gjord av MIT Technology Review Custom och Google Cloud avslöjar att även om majoriteten av företagen kämpar för att tillämpa maskininlärning, jobbar andra hårt med att utveckla strategier för tekniken – och de realiserar redan verklig ROI.

Maskininlärning: Den nya provningsgrunden för konkurrensfördelar

  • Ladda ner rapporten

Affärsvärldens fokus på maskininlärning (ML) kan tyckas vara en utveckling över en natt, men buzz kring denna teknik har stadigt ökat sedan big datas tidiga dagar.

ML börjar leverera på potentialen som skapas av big data och analys genom att omvandla rådata till användbara, förutsägande verktyg för företag. Innovationsinriktade företagsledare omfamnar ML som nästa stora grej och har redan skapat ML-strategier och initiativ som lovar verkliga fördelar och avkastning på investeringen (ROI).



Undersökningen försökte avslöja var organisationer står när det gäller att anta ML-strategier. Respondenterna inkluderade nuvarande ML-strateger, representanter från företag som planerar att genomföra ML-initiativ under de närmaste månaderna eller åren, och de som inte har några ML-planer under överskådlig framtid.

Flera nyckelteman framkom från en analys av undersökningsresultaten:

  • ML pågår nu. Majoriteten av de tillfrågade (60 procent) har redan implementerat ML-strategier, och nästan en tredjedel ansåg sig vara i ett moget stadium med sina initiativ.
  • ML ger marknadsfördelar. Enligt respondenterna är en viktig fördel med ML förmågan att få en konkurrensfördel, och 26 procent av nuvarande ML-implementerare ansåg att de redan hade uppnått det målet.
  • Organisationer satsar på ML. Bland nuvarande ML-implementerare rapporterade cirka 26 procent att mer än 15 procent av deras IT-budgetar var dedikerade till ML-initiativ.
  • Tidiga användare inser ML:s största potentiella fördelar. Det bästa man hoppas på fördelar bland ML-implementerare och planerare är förmågan att utöka dataanalysinsatser och öka datainsikter. Cirka 45 procent av de tillfrågade rapporterar att de lyckats uppnå det målet. Dessutom säger mer än hälften av användare i både tidiga och mogna stadier att deras ML-insatser har resulterat i påvisbar avkastning på investeringen (ROI).
  • ML implementerare driver ett brett utbud av projekt. De vanligaste projekten bland nuvarande ML-implementerare är bildigenkänning, klassificering och taggning (47 procent); känsla/beteendeanalys (47 procent); textklassificering och gruvdrift (47 procent); och naturlig språkbehandling, eller NLP (45 procent).

Den hastighet med vilken respondenterna kan visa ROI med sina ML-initiativ är också anmärkningsvärd, vilket, som nämnts tidigare, inte var fallet med big data-analys. Inom den tidiga gruppen rapporterar mer än hälften att de börjar se en påvisbar ROI, och inom den mogna gruppen hade mer än hälften visat ROI.



För fler fynd och analyser, ladda ner hela rapporten .

Dölj