Machine Learning: Det nye bevisgrundlag for konkurrencefordele

16. marts 2017

I samarbejde med Google Cloud

En nylig undersøgelse foretaget af MIT Technology Review Custom og Google Cloud afslører, at mens størstedelen af ​​virksomhederne kæmper for at anvende maskinlæring, er andre hårdt på arbejde med at udvikle strategier for teknologien – og er allerede ved at realisere ægte ROI.

Executive Summary

En nylig undersøgelse foretaget af MIT Technology Review Custom og Google Cloud afslører, at mens størstedelen af ​​virksomhederne kæmper for at anvende maskinlæring, er andre hårdt på arbejde med at udvikle strategier for teknologien – og er allerede ved at realisere ægte ROI.

Machine Learning: Det nye bevisgrundlag for konkurrencefordele

  • Download rapporten

Erhvervsverdenens fokus på machine learning (ML) kan virke som en udvikling fra den ene dag til den anden, men buzzet omkring denne teknologi har været støt stigende siden big datas tidlige dage.

ML er begyndt at levere det potentiale, der skabes af big data og analyser ved at omdanne rå data til nyttige, forudsigelige værktøjer til virksomheder. Innovationsorienterede virksomhedsledere omfavner ML som den næste store ting og har allerede udformet ML-strategier og -initiativer, der lover reelle fordele og investeringsafkast (ROI).

Undersøgelsen søgte at afsløre, hvor organisationer står i forhold til at vedtage ML-strategier. Respondenterne omfattede nuværende ML-strateger, repræsentanter fra virksomheder, der planlagde at udføre ML-initiativer i de næste måneder eller år, og dem uden ML-planer i en overskuelig fremtid.

Flere nøgletemaer kom frem fra en analyse af undersøgelsens resultater:

  • ML sker nu. Størstedelen af ​​de adspurgte (60 procent) har allerede implementeret ML-strategier, og næsten en tredjedel anså sig selv for at være på et modent stadium med deres initiativer.
  • ML giver markedspladsfordele. Ifølge respondenterne er en vigtig fordel ved ML evnen til at opnå en konkurrencefordel, og 26 procent af de nuværende ML-implementere følte, at de allerede havde nået dette mål.
  • Organisationer investerer i ML. Blandt de nuværende ML-implementere rapporterede omkring 26 procent, at mere end 15 procent af deres it-budgetter var dedikeret til ML-initiativer.
  • Tidlige brugere indser ML's største potentielle fordele. Den mest håbede fordel blandt ML-implementere og planlæggere er evnen til at udvide dataanalyseindsatsen og øge dataindsigten. Omkring 45 procent af de adspurgte rapporterer om succes med at nå dette mål. Derudover siger mere end halvdelen af ​​brugere i både tidlige og modne stadier, at deres ML-indsats har resulteret i påviselig investeringsafkast (ROI).
  • ML implementere forfølger en bred vifte af projekter. De mest almindelige projekter blandt nuværende ML-implementere er billedgenkendelse, klassificering og tagging (47 procent); følelses-/adfærdsanalyse (47 procent); tekstklassificering og minedrift (47 procent); og naturlig sprogbehandling eller NLP (45 procent).

Den hastighed, hvormed respondenterne er i stand til at demonstrere ROI med deres ML-initiativer, er også bemærkelsesværdig, hvilket, som tidligere nævnt, ikke var tilfældet med big data-analyse. Inden for gruppen i det tidlige stadie rapporterer mere end halvdelen, at de begynder at se et påviselig ROI, og inden for gruppen i moden fase havde mere end halvdelen demonstreret ROI.

For flere resultater og analyser, download den fulde rapport .

skjule