1 min

Organisaties gebruiken analytics en kunstmatige intelligentie (AI) om te groeien, zich te onderscheiden en de juiste beslissingen te nemen. De technologieën worden toegepast door data scientists, maar bijvoorbeeld ook bestuurders gebruiken analytics om hun werk te optimaliseren. Nu analytics en AI binnen organisaties steeds belangrijker worden, is het zaak om het maximale uit de initiatieven en projecten te halen.

Onderzoek van SAS laat echter zien dat er uitdagingen zijn. Organisaties blijken niet succesvol te zijn in het deployen van modellen in de operationele systemen. Veel aandacht ging de afgelopen tijd uit naar data toegankelijk maken en modellen bouwen met de nieuwste technieken, maar de modellen ‘in productie’ brengen blijkt een bijzaak.

Minder dan de helft van de beste modellen worden daadwerkelijk uitgerold. Het deployen duurt bovendien bijna altijd meer dan drie maanden. De meeste modellen worden dus niet gebruikt, waardoor ze niet waardevol zijn voor het bedrijf.

Het is echter cruciaal om analytics zo goed en veel mogelijk te gebruiken. Organisaties experimenteren met kunstmatige intelligentie om complexe problemen op te lossen, maar dat kan alleen als er wat verandert. Ze moeten op zoek naar een duurzame manier om de modellen in productie te nemen op een betrouwbare en geautomatiseerde manier.

In onderstaand document wordt verder ingegaan op hoe bedrijven daadwerkelijk meer uit hun analytics- en AI-investeringen halen en meer modellen in kunnen zetten.