Untuk semua pembicaraan tentang bagaimana AI (terbuka di tab baru) dan pembelajaran mesin (terbuka di tab baru) akan mengubah bisnis, kami baru saja menggores permukaan bagaimana data (terbuka di tab baru) sains dapat membantu bisnis sehari-hari. Itu karena orang-orang yang akan menghasilkan aplikasi paling efektif untuk ilmu data – pakar domain – belum terlibat.
Tentang Penulis
Andrew Beers adalah Chief Technology Officer di Tableau (terbuka di tab baru).
Setiap hari keputusan bisnis yang tak terhitung jumlahnya dibuat, yang akan sangat diuntungkan dari data-driven. Namun, kami tidak dapat mengharapkan semua orang menjadi ilmuwan data. Kita perlu membuat analitik data (terbuka di tab baru) lebih mudah diakses dan ditindaklanjuti oleh orang-orang, itu hanya perlu membantu karyawan untuk membuat keputusan yang lebih cepat dan lebih tepat. Akses yang lebih besar ke data akan memungkinkan para pakar bisnis mencapai analisis terakhir dengan lebih cepat dan lebih percaya diri, menggunakan penilaian mereka untuk melakukan sisanya.
Ilmu data terpusat dan tidak seimbang
Untuk menjadi transformatif, organisasi membutuhkan ketangkasan dan itu berasal dari membuat keputusan yang tepat dengan cepat. Tetapi jumlah data tak terbatas yang masuk saat ini terlalu banyak untuk ditangani oleh banyak organisasi. Organisasi terbaik memiliki sejumlah kecil pakar data yang sangat teknis yang mendukung tim besar di seluruh bisnis. Seringkali para pakar data ini bekerja maksimal pada masalah dengan prioritas tertinggi, namun orang-orang di seluruh bisnis masih membutuhkan bantuan untuk memecahkan masalah kontekstual yang memerlukan beberapa ilmu data tetapi tidak membenarkan – atau tidak sabar menunggu – seorang ilmuwan data. Itu berarti keputusan bisnis penting dibuat setiap hari yang tidak didukung oleh tim ilmu data terpusat.
Seperti apa tampilan ilmu data dalam bisnis?
Misalnya, mengambil pendekatan berbasis data untuk pemasaran dan penjualan dengan penilaian peluang, memprediksi waktu penutupan, dan banyak kasus penggunaan terkait CRM lainnya sangat berharga bagi bisnis. Produsen dan pengecer bisa mendapatkan keuntungan dari model berbasis AI untuk distribusi dan pengoptimalan rantai pasokan, memperkirakan permintaan konsumen, atau menjelajahi skenario untuk menambahkan produk baru ke dalam campuran mereka.
Sumber daya manusia (terbuka di tab baru) mungkin menggunakan data untuk menilai kemungkinan kandidat menerima tawaran dengan menganalisis pola historis dan mempertimbangkan pengetahuan perekrut tentang bagaimana mereka dapat menyesuaikan campuran gaji, ekuitas, tunjangan, dll., berdasarkan nilai kandidat. Real estat perusahaan dapat merencanakan di mana membeli ruang kantor menggunakan pemodelan.
Membangun kepercayaan diri tanpa coding
Agar setiap pelaku bisnis dapat menggunakan data dalam kehidupan sehari-hari, data harus dapat diakses tanpa harus mempelajari Python (terbuka di tab baru), pembelajaran mesin, atau cara menyetel parameter untuk suatu algoritme. Pertama, kita perlu menghargai peran pengalaman manusia dalam pengambilan keputusan berdasarkan data. Biasanya, mengetahui pertanyaan yang tepat, dan mengetahui apa yang akan Anda lakukan dengan jawabannya, lebih penting daripada detail seperti pemilihan model.
Organisasi sering menghabiskan banyak upaya untuk mencoba merekrut “unicorn” yang memiliki ilmu data dan keahlian domain, tetapi orang yang cocok dengan deskripsi ini sangat jarang. Itu sebabnya kita membutuhkan teknologi untuk melakukan pekerjaan berat. Kami membutuhkan alat yang menghilangkan hambatan bagi orang-orang dengan konteks bisnis untuk membuat model dengan cepat dan menerapkan prediksi. Literasi data hanya perlu cukup baik untuk membantu orang mendapatkan data dan mendapatkan apa yang dapat dilakukannya untuk mereka – dan visualisasi data (terbuka di tab baru) adalah tempat yang bagus untuk memulai.
Visualisasi data memungkinkan literasi data yang lebih baik
Sangat mudah bagi orang untuk langsung memahami data ketika mereka melihatnya secara visual, terutama jika dibandingkan dengan mempelajari tabel angka. Ketika data dalam bentuk visual, jauh lebih mudah untuk melihat outlier, melihat tren, dan melihat detail dengan cara yang kaya – untuk bisa mendapatkan jawaban lebih cepat. Visualisasi data yang dibuat dengan baik dapat menyalakan bola lampu di kepala seseorang. Ini memiliki manfaat besar ketika sebuah tim akan menyertakan orang-orang dengan berbagai keterampilan literasi data. Ini adalah penyamarataan, yang mempercepat pemahaman data untuk semua orang, mendorong pengambilan keputusan yang lebih cepat.
Mendemokratisasi akses ke analitik data mengarah pada keputusan bisnis yang lebih cepat dan lebih terinformasi, dan akan menjadi bisnis yang tahan masa depan. Dengan pengalaman AI terpandu di tangan pakar domain, tim dapat menerapkan analitik lanjutan untuk lebih banyak masalah bisnis dan membuat keputusan penting lebih cepat dan lebih teliti, sambil tetap mengandalkan penilaian manusia. Ini bukan tentang menyempurnakan model yang sangat tepat, tetapi membimbing orang yang paling dekat dengan masalah ke arah yang benar. Kita harus mengajari semua orang literasi data dasar dan menerima bahwa ilmu data untuk pakar bisnis tidak perlu terlalu akurat.
