Machine learning is een van de voornaamste buzzwords van het moment. Ben je er nog niet goed mee bekend, dan kun je via deze blog meer te weten komen over de verschillende technieken die bij machine learning komen kijken. Wil je aan de slag met je big data en deze gebruiken voor machine learning, dan is dit artikel bedoeld voor jou. Brian Macdonald, data scientist bij het Information Management Platform Team van Oracle, geeft tips om een machine learning project tot een succes te maken.
Op 19 april organiseert Oracle de Modern Business Experience in de Amsterdam RAI. Tijdens dit evenement informeert het bedrijven en bestuurders hoe ze hun business kunnen versnellen. Meld je nu gratis aan voor dit Oracle-evenement.
1.Richt je op een specifiek probleem
Over het algemeen zijn machine learning projecten succesvol als een bedrijf een zeer specifiek probleem heeft en als men er alles aan wil doen om dat probleem op te lossen.
“Een van de bedrijven waar ik mee heb samengewerkt wilde een beter model maken om het verloop van klanten beter in kaart brengen. Het bedrijf verloor klanten in een hoog tempo, wat zijn weerslag had op de winst van het bedrijf. Ze hadden veel data en waren ervan overtuigd dat machine learning gebruikt kon worden om de klanten eruit te pikken die op het punt stonden om weg te gaan. Als een probleem je 100 miljoen dollar kan kosten, is een uitgave van 30 miljoen om het op te lossen prima te verantwoorden.”
Dit type bedrijf slaagt doorgaans in zijn opzet. Dankzij een extreme focus op de oplossing is succes verzekerd.
Aan het begin van je project moet je het einddoel te allen tijde in het achterhoofd houden.
2. Zorg voor steun van een kaderlid
Deze tip vloeit voort uit de eerste. De voornaamste factor voor het succesvol gebruiken van machine learning is ondersteuning vanuit het kader. Je wilt een C-level medewerker hebben die zegt dat machine learning belangrijk is voor het bedrijf en de zaken die je doet. Heb je eenmaal die ondersteuning en visie, dan is de kans veel groter dat je plan kans van slagen heeft.
Worden je plannen voornamelijk vanuit de IT-afdeling gestuurd, dan hoor je vaak zaken zoals “We hebben dit nog nooit gedaan en weten niet hoe we het moeten verkopen. Een dergelijke benadering heeft minder kans van slagen, niet zozeer omdat de technologie niet werkt, maar vanwege interne strubbelingen.”
Omdat machine learning in de basis een geautomatiseerd systeem is, kunnen mensen denken dat het hun banen over gaat nemen. Is dit het geval, dan is de kans klein dat je plannen goed ontvangen worden. Het is belangrijk om dit in het achterhoofd te houden, want je zal deze houding moeten weerleggen.
Heb je de steun van een C-level medewerker, dan kun je om deze houding heen. Nog een reden waarom die steun zo belangrijk is dus.
Je hebt onder de streep vaak steun en geld nodig om machine learning initiatieven tot een succes te maken.
3. Bepaal meetbare resultaten voor de korte termijn
Voor je begint wil je een duidelijk zakelijk resultaat hebben dat bereikbaar is door de inzet van machine learning. Het verhogen van het aantal verkopen is een voorbeeld van zo’n doelstelling. Het is een tastbaar resultaat en iedereen kan het zien. Hoe lang het duurt voor je een dergelijke doelstelling behaald hebt, hangt af van het doel, maar het moet in minder dan een jaar te doen zijn.
Heb je geen duidelijk meetbaar resultaat, moet je je afvragen waar je mee bezig bent. Er komt namelijk een moment dat je je project moet kunnen verantwoorden.
Sommige mensen zeggen wellicht zaken zoals “Wij denken dat machine learning de toekomst is” of “We moeten die vaardigheden ontwikkelen.” Welnu, investeren in vaardigheden opbouwen en R&D is een resultaat. Of je ook datgene in kunt zetten wat nodig is om dat soort onderzoek te doen, hangt echter af van het formaat van je bedrijf en je strategie. Je houdt daar idealiter rekening mee voor je begint.
Machine Learning en Big Data in het dagelijks leven
Bij Oracle zijn we in de gelukkig omstandigheid dat we veel succesverhalen rondom machine learning tegenkomen. Hieronder bespreken we een opvallend voorbeeld uit de energie-industrie.
Het bedrijf in kwestie is een grote stroomleverancier en een van de grootste producenten van energiezuinige, grondstofbesparende technologieën.
Zakelijke uitdaging
- Het gebruik van data om toekomstige uitval in stroomopwekking te kunnen voorspellen. Deze voorspellingen kunnen vervolgens worden verkocht als dienstverlening richting de klanten, de eigenaren van turbines/motoren in kwestie.
Technische uitdaging
- Het bedrijf wil zich onderscheiden van de concurrentie door het materiaal beter geschikt te maken voor haar klanten. Een van de manieren om dit te bereiken is het gebruik van de data van de turbines/motoren om toekomstige storingen te voorspellen. De klanten kunnen onderhoud beter plannen en dus ook uitval en dure reparaties voorkomen.
Het bedrijf in kwestie schafte Oracle Advance Analytics aan, ook beschikbaar in de cloud en onderdeel van het Autonomous Data Warehouse. Hiermee kon het klanten de mogelijkheid bieden voorspellingen te doen
Mede vanwege de focus van de organisatie op de doelstelling was dit project succesvol. Het bedrijf had een zeer specifiek probleem, het C-level ging achter de doelstellingen staan en er werden meetbare resultaten gedefinieerd die op korte termijn iets opleveren. Maar dit is niet alles: ook de aankoop van de juiste machine learning-technologie hoort thuis in dit lijstje. Dat kan namelijk vaak een forse bijdrage leveren aan het slagen van een project.
Maak een grondige en verstandige afweging en neem contact met ons op als je geïnteresseerd bent in wat er mogelijk is met onze machine learning-technologie. We helpen je graag om je machine learning-project tot een succes te maken.
Deze blog is tot stand gekomen in samenwerking met Oracle.
Op 19 april organiseert Oracle de Modern Business Experience in de Amsterdam RAI. Tijdens dit evenement informeert het bedrijven en bestuurders hoe ze hun business kunnen versnellen. Meld je nu gratis aan voor dit Oracle-evenement.
36 minuten geleden
