Efektif bir yapay zeka isteyenler için dikkate değer ipuçları!

Efektif bir yapay zeka isteyenler için dikkate değer ipuçları!

Güçlü bir veri temelinin nasıl oluşturulacağını araştırmak, AI’ı daha az yapay, daha fazla akıllı yapıyor. Nihayetinde veri sizin onu anladığınızda AI için yararlı hale geliyor. Bunu başarmanın yegâne yolu da akıllı veri temelini oluşturmaktan geçiyor.
Mevcut teknoloji manzarasında hiçbir şey yapay zeka kadar merak ve heyecan uyandırmıyor. Ve biz şu an için kurumsal alandaki AI uygulamalarının potansiyel faydalarını henüz görmeye başlıyoruz. Diğer yandan kurumsal tarafta AI’ın büyümesinin önünde engeller var. Zira veri bilimcileri sıklıkla etkin AI modelleri geliştirmek için gereksinim duydukları ilgili verilere kısıtlı bir erişime sahip. Bu veri uzmanları ihtiyaç duydukları gerçek zamanlı gerçek yaşam verilerine dokunabilmek yerine mevcut veri ambarları gibi sadece birkaç bilinen kaynağa dayanmaya zorlanıyor çoğu zaman. Bunun yanı sıra birçok organizasyon büyük verilerin iş bağlamını ve kalitesini verimli ve karşılanabilir bir biçimde belirlemede büyük bir güçlük yaşıyor. Söz konusu zorluklar yaşanırken AI’ın ivmesi ile benimsenmesinin önündeki birtakım tarihsel bariyerleri anlamak zor değil.
Nihayetinde veri sizin onu anladığınızda AI (veya başka bir amaç) için yararlı hale geliyor. Özellikle bu onun bağlamını ve ilgisini anlamak manasına geliyor. Sadece o zaman veriyi emin bir biçimde kullanabilir ve AI modellerini güvenli bir biçimde oluşturabilirsiniz. Bunu başarmanın yegâne yolu akıllı veri temelini oluşturmaktan geçiyor.

Yıllar içinde belirli iş uygulamalarını (veri 1.0) teşvik etmek üzere verinin toplanması ve bir araya getirilmesinin ilerisine geçtik. Organizasyonlar hacim, çeşitlilik ve hızı artarken herhangi bir kişinin veriye erişimine imkan tanıyan iyi tanımlanmış süreçleri yaratabildiler (veri 2.0). Fakat bu kafi değil. Şimdi öyle bir noktaya ulaştık ki gerçek anlamda kurumsal çapta dönüşüme güç sağlamak için akıllı veriye gereksinim var. (veri 3.0).

Örnek olarak; müşteri tabanıyla olan geleneksel ilişkilerini yeniden tanımlamaya çalışan bir işletmenin yüzleşebileceği güçlükleri düşünün. Diyelim ki jilet imal eden bir firmasınız ve amacınız bunları tezgahta değil de üyelik üzerinden satmak. Bu türden yıkıcı bir değişime rehberli etmek çok sayıda veri kaynağından (veri tabanları, veri ambarları, uygulamalar, büyük veri sistemleri, IoT, sosyal medya ve dahası); çeşitli veri türlerinden (yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış) girdiyi gerektiriyor. Ya da ağır sanayi imalatçısısınız ve milyonlarca dolar gelir kaybına neden olabilecek operasyonel aksaklıklardan kaçınmak üzere programlı bakımlarınızı yürütürken olası aksaklıkları öngörmek için gerçek zamanlı olarak imalat katından ve robotlardan gelen tüm veriyi işleyebildiğinizden emin olma ihtiyacınız mevcut.
Veri gölü bu türden dönüşüm gayretlerinde gerek duyulan farklı veri koleksiyonları için tercih edilen ambarlar halini alıyor. Fakat akıllı veri olmaksızın bu göllerin çok az değeri var. Gartner’ın öngörüsüne göre 2018’de veri göllerinin yüzde 90’ı yararsız olacak zira onlar ham verileri kullanabilecek yeteneklere sahip çok az sayıda yapı var.

Diğer taraftan akıllı veri ile veri bilimcileri “müşteri” gibi bir kelimeyle Google benzeri bir arama gerçekleştirebilir ve anında tüm potansiyel bağlantılı veri kaynaklarını ortaya çıkartabilir. Akıllı veri veri bilimcilerin aksi halde modellerinde ihtiyaç duydukları veriyi toplamak, birleştirmek ve iyileştirmek için harcamak zorunda oldukları inanılmaz büyüklükteki kıymetli zamanın tasarruf edilmesini sağlıyor. Aynı zamanda en güvenilir sonuçları da getiriyor.

AI yönelimli yaklaşımı benimsemeden önce neler sorulmalı?
Peki, verilerinizin gerçekten akıllı olduğundan nasıl emin olursunuz? Kendisi otomatik öğrenme ve AI yeteneklerini kullanan, platformun toplam verimliliğini geliştirmek için kapsamlı üst veri tarafından yönlendirilen bir uçtan uca veri yönetim platformu inşa ederek. AI geliştirmek için kapsamlı, ilgili ve doğru verileri sağladığınızdan emin olmak istiyorsanız bakmanız gereken dört belirgin üst veri kategorisi bulunuyor:
Teknik üst veri – veritabanı tabloları, sütun bilgileriyle birlikte verinin kalitesiyle ilgili istatistiki enformasyonu içerir.
İş üst verisi – verinin iş bağlamını ve dâhil olduğu iş süreçlerini tanımlar.
Operasyonel üst veri – yazılım sistemleri ve süreç yürütme hakkındaki enformasyon. Örneğin veri tazeliğini işaret edecek.
Kullanım üst verisi – Erişilen veri setleri, puanlamalar ve yorumlar dâhil olmak üzere kullanıcı aktivite bilgileri.

Bu üst veri koleksiyonu üzerine uygulanan AI ve otomatik öğrenme sadece doğru verinin tanımlanmasına önerilere yardımcı olmayacak. Söz konusu veri aynı zamanda kurumsal AI projelerinde kullanım amacıyla uygun hale dönüştürmek için otomatik olarak yürütülebilir (herhangi bir insan müdahalesi olmaksızın).

Dijital dönüşüm organizasyonları veriye farklı bir biçimde bakmaya zorluyor. Bu bir “av ya da avcı olma” meselesi. Bugün veriye gerçek zamanlı, kesintisiz bir erişim ile hızlı analizlere imkan tanıyan araçlar mevcut. Bu AI ve otomatik öğrenmeye ivme kazandırdı ve dönüşümde veri öncelikli bir yaklaşıma fırsat tanıdı. AI rönesansı, AI’ın kurumsal taraf üzerindeki dijitalleşme, veri patlaması ve dönüşüm etkisi sayesinde büyüyor.
Aşikâr bir biçimde bir AI uygulaması kararlarını şekillendirebilecek sayısız veri girdisi mevcut. Bu sebeple organizasyonların neyin alakalı ve etkili, neyin de salt gürültü olduğunu sınıflandırması gerekiyor. Organizasyonunuz veri yönetiminde bir AI yönelimli yaklaşımı benimsemeden evvel bu soruları sorun:

*AI destekli teknolojilerden ne elde etmek istiyorsunuz?
*AI güdümlü kararları vermeye yardımcı olmak için veri etrafında doğru stratejiye sahip misiniz?
*Doğru yetenek takımlarınız var mı?

Categories: STRATEJİ

About Author

Write a Comment

Your e-mail address will not be published.
Required fields are marked*