Maskininlärning: Nästa steg efter Big Data

Under hösten hölls en stor konferens om Big Data i Florida, USA. Budskapet från scenen var kristallklart; den digitala revolutionen har förändrat vårt sätt att arbeta och som ett resultat av det förutspår nu experterna att maskininlärning kommer att spela en större roll i näringslivet.

I Sverige ser vi att Big Data har varit en av de senaste årens största hype, och en våg som modernare företag har hoppat på, oavsett om de har förstått vad det innebär eller inte. Det har lett till ett nytt sökord; maskininlärning . Det ledande analys- och konsultföretaget Gartner förutspår att maskininlärning kommer bli en av de största tekniska trenderna under 2017.

Läs också: När Infrastruktur blir kod

Maskininlärning är inte ny teknologi

Så vad exakt är maskininlärning? Enkelt sammanfattat är det tekniker som hjälper oss att hantera stora mängder data på ett intelligent sätt. Med hjälp av algoritmer som hittar mönster i datamängder får vi ett bättre underlag för att fatta rätt beslut. Med andra ord har maskininlärning som mål att lära sig av data för att bland annat kunna förutse händelser och resultat. Det är alltså inte en ny teknologi som sådan men baserar sig på statistiska modeller, matematisk optimering och algoritmer som har använts länge.

Även om maskindata har existerat sedan datorns intåg är det inte förrän de senaste åren som begreppet Big Data har uppstått. Detta beror på att vi nu har så mycket data att konventionella metoder för värdeskapande har blivit ineffektiva och verktyg avsedda att hantera stora mängder data har börjat användas.

Läs också: Så lyckas du med Lean och kontinuerlig förbättring

Låt maskinerna arbeta för dig

Vi ser ofta att företagen sitter på mängder av data med outnyttjad potential. Implementering av maskininlärning gör att dessa företag får en djupare insikt i sin dator, vilket i sin tur gör det möjligt för dem att utforska nya affärsmöjligheter. Att ha en övergripande förståelse för de möjligheter som det ger är viktigt för alla, inte bara för de mest tekniskt ledande företagen. Dessutom kan maskininlärning automatisera arbetet som idag görs av människor. Genom att låta maskinerna arbeta för dig effektiviserar du verksamheten och frigör resurser så att vi kan lägga ner tid på andra uppgifter som maskinerna fortfarande inte kan lösa själva.

Det finns flera exempel på användning av maskininlärning idag. Projektet iProcess kommer bland annat att använda det till att hitta en innovativ och flexibel matförädlingsteknologi. SAP har börjat använda maskininlärning för att säkerställa mer effektiva och objektiva rekryteringsprocesser i företag. Säkerhet är ett ämne som ständigt står med på dagordningen och både Microsoft och Qualcomm har meddelat att de använder säkerhetslösningar baserade på maskininlärning för att upptäcka skadlig programvara och onormalt beteende i sina system.

Läs också: Den digitala arbetsplatsen: En mänsklig rättighet att logga ut?

Maskininlärning är inte längre en utopi

En verklighet där man samlar in och skapar värde av stora mängder data med hjälp av maskininlärning är inte längre en utopi utan ett faktum. På Big Data-konferensen i USA hade de insett detta och när man från scenen poängterade potentialen, kunde vi som tekniker inte låta bli att nicka instämmande. För att vara på toppen av näringskedjan är det viktigt att företag och IT ser framåt och tar nästa steg i den digitala revolutionen, och nästa steg är steget till maskininlärning.

Inläggsförfattare är Julie Dahl och Martin Hettervik på Sopra Steria.

 

Sopra Steria is an European leader in digital transformation. Combining high quality and performance services, added value and innovation, Sopra Steria enables its clients to make the best use of digital technology.

4 tankar på “Maskininlärning: Nästa steg efter Big Data

Kommentera