Dataiku maakt het met versie 9 voor business analisten makkelijker om AI-modellen te gebruiken. Hierdoor moeten ze minder afhankelijk worden van data scientists.
Bedrijven gebruiken steeds vaker AI-modellen op basis van machine learning om met behulp van data analyses uit te voeren. De voor de business analisten benodigde informatie wordt nog steeds vaak samengesteld door een team van IT-experts, de data scientists, die de gebruikte AI-modellen ontwerpen en interpreteren. De data die deze specialisten creëren, wordt dan via een self-service portal aan de daadwerkelijke analisten of andere medewerkers ter beschikking gesteld. Het betekent dat bedrijven voor te analyseren data nog altijd van deze specialisten afhankelijk zijn.
Toegankelijker voor alle medewerkers
Tegenwoordig is deze methode, volgens AI-platformspecialist Dataiku, niet meer voldoende. De data die in de AI-modellen wordt gebruikt verandert nu zo snel, dat vaak de doorgegeven informatie alweer verouderd is. Business analisten moeten nu zelf AI-modellen kunnen maken, zodat bedrijven sneller op veranderende omstandigheden kunnen reageren. Kortom, business analisten moeten niet meer afhankelijk zijn van data scientists voor de benodigde AI-modellen.
In de recent uitgebrachte versie 9 van zijn platform, zet Dataiku nu hiervoor de eerste stappen. Met deze versie komt AI meer beschikbaar voor de gemiddelde zakelijke eindgebruiker, zo is de bedoeling. Iedere zakelijke eindgebruiker moet zelf de AI-modellen op basis van machine learning, nog wel met hulp van het data science team natuurlijk, kunnen aanpassen of er anderszins mee experimenteren.
Nieuwe functionaliteit
In versie 9 is hiervoor nu nieuwe functionaliteit toegevoegd. Zo is het onder andere mogelijk om what-if simulaties op AI-modellen te draaien. Hiermee kan worden bepaald welke invloed veranderingen op de onderliggende data op deze AI-modellen hebben.
Een andere functionaliteit is de komst van een Model Assertions-tool. Hiermee kunnen experts een bekende conditie of ‘gezondheidscheck’ in een AI-model ‘injecteren’. Met deze actie kan worden voorkomen dat bepaalde uitkomsten of conclusies ooit worden bereikt.
Daarnaast beschikt Dataiku 9 ook over een Visual ML Diagnostics-tool dat foutmeldingen genereert als het platform vaststelt dat een AI-model niet gaat werken. Deze tool wordt aangevuld met een Model Faireness Report. Met deze tool krijgen gebruikers toegang tot een dashboard waarmee ze de eerlijkheid van een AI-model kunnen bepalen.
Gebruik van complexe of incomplete datasets
Verder biedt versie 9 van het Dataiku-platform ‘Smart Pattern Builder’- en ‘Fuzzy Joins’-capaciteit. Hiermee wordt het makkelijker om met complexere en zelfs incomplete datasets te werken zonder daarvoor code te schrijven of handmatig data op te schonen of te prepareren.
Tip: Dataiku is de data science-unicorn die samenwerking vereenvoudigt
9 uur geleden
