- Marketing- und Vertriebsabteilungen nehmen KI und maschinelles Lernen heute ernster als jede andere Abteilung im Unternehmen.
- Wenn es um die Skalierung von Modellierungs- und Entwicklungsprojekten für KI und maschinelles Lernen geht, sind In-Memory-Analysen und In-Database-Analysen für die Finanz-, Marketing- und Vertriebsabteilungen von größter Bedeutung.
- Im Jahr 2019 hat die Forschung und Entwicklung KI und maschinelles Lernen von allen Geschäftsbereichen am schnellsten übernommen.
Ernüchternde Erkenntnisse wie diese stammen aus dem sechsten jährlichen Marktforschungsbericht zu Data Science und maschinellem Lernen 2019, der letzten Monat vom Beratungsunternehmen Dresner Advisory Services veröffentlicht wurde. Der Forschungsbericht ergab, dass fortgeschrittene Projekte im Zusammenhang mit Datenwissenschaft und maschinellem Lernen (einschließlich Data Mining, fortgeschrittenen Algorithmen und prädiktiver Analytik) den 8. Platz unter den 37 in diesem Forschungsbericht untersuchten Technologien und Projekten belegten. „Der Marktforschungsbericht zu Data Science und maschinellem Lernen ist der jüngste in einer Reihe von Jahresberichten, die wir seit 2014 analysieren, mit dem Ziel, den Bereich der fortgeschrittenen und prädiktiven Analytik zu analysieren“, sagte Howard Dresner, Gründer und Forschungsleiter von Dresner Advisory Services. „Seitdem haben wir den Umfang des Berichts erweitert, um Veränderungen in der Marktstimmung und der Unternehmensakzeptanz widerzuspiegeln, und neue Kriterien hinzugefügt, darunter einen eigenen Abschnitt zu neuronalen Netzwerken.“ Zu den wichtigsten Ergebnissen der Studie zählen: Data Mining, fortschrittliche Algorithmen und prädiktive Analysen haben für Unternehmen, die 2019 KI und maschinelles Lernen einführen, höchste Priorität . Reporting, Dashboards, Datenintegration und fortschrittliche Visualisierung sind einige der Technologien und Projekte, die heute für Business Intelligence (BI) von strategischer Bedeutung sind. Kognitive BI (BI mit KI-Unterstützung) belegte auf der Prioritätenliste einen niedrigeren Rang, nämlich den 27. Platz. Die folgende Grafik priorisiert 27 Technologien und Projekte, die für Business Intelligence von strategischer Bedeutung sind: 40 % der Marketing- und Vertriebsteams sagen, dass Data Science, einschließlich KI und maschinelles Lernen, für den Erfolg ihrer Abteilung von entscheidender Bedeutung ist. Von allen Abteilungen legen Marketing und Vertrieb den größten Wert darauf, KI und maschinelles Lernen zu nutzen, um Wachstumsziele zu erreichen. Die nächstinteressiertesten Zielgruppen sind Business Intelligence Competence Centers (BICC), F&E und die Geschäftsleitung. Die folgende Grafik vergleicht die Bedeutung der Datenwissenschaft (einschließlich KI und maschinellem Lernen) für verschiedene Sektoren: F&E, Marketing und Vertrieb zeigten in allen Funktionsbereichen großes Interesse, was auf die konzertierten Bemühungen schließen lässt, mithilfe von KI und maschinellem Lernen neue Umsatzwachstumsmodelle zu definieren. Die Befragten des Marketing, Sales, R&D und Business Intelligence Competency Center (BICC) gaben an, dass sie am meisten an der Verwendung einer Reihe von Regressionsmodellen in KI- und maschinellen Lernanwendungen interessiert seien. Marketing und Vertrieb waren auch an den nächsten drei Hauptfunktionen interessiert, darunter hierarchisches Clustering, statistische Lehrbuchfunktionen und Empfehlungsmaschinen, die in den von ihnen gekauften Anwendungen und Plattformen enthalten waren. Das Forschungsteam von Dresner ist davon überzeugt, dass das starke Interesse in zahlreichen Funktionsbereichen wie Forschung und Entwicklung, Marketing und Vertrieb ein wichtiger Indikator dafür ist, dass Unternehmen bereit sind, KI- und maschinenlernbasierte Strategien zu testen, um das Kundenerlebnis zu verbessern und den Umsatz zu steigern. Die folgende Grafik vergleicht das Interesse und die wahrscheinliche Akzeptanz nach Funktionsbereichen der befragten Organisationen: 70 % der F&E-Abteilungen und -Teams werden höchstwahrscheinlich Data Science, KI und maschinelles Lernen übernehmen und alle Geschäftsfunktionen übernehmen. Das Forschungsteam von Dresner betrachtet das starke Interesse der F&E-Teams als einen wichtigen Indikator für eine breitere Akzeptanz in Unternehmen in der Zukunft. Der Forschungsbericht ergab, dass 33 % aller befragten Unternehmen KI und maschinelles Lernen eingeführt haben und die meisten Unternehmen über bis zu 25 Modelle verfügen. Marketing und Vertrieb sind allen anderen Abteilungen bei der aktuellen Evaluierung von Data-Science- und Machine-Learning-Software vorgelagert. Unternehmen aus den Bereichen Finanzdienstleistungen und Versicherungen, Gesundheitswesen sowie Einzel- und Großhandel sind der Ansicht, dass Datenwissenschaft, KI und maschinelles Lernen für den Erfolg in ihren jeweiligen Branchen von entscheidender Bedeutung sind. 27 % der Finanzdienstleistungs- und Versicherungsunternehmen, 25 % der Gesundheitsunternehmen und 24 % der Einzel-/Großhandelsunternehmen gaben an, dass Data Science, KI und maschinelles Lernen für ihren Erfolg entscheidend seien. Weniger als 10 % der Bildungseinrichtungen erachten KI und maschinelles Lernen als entscheidend für ihren Erfolg. Die folgende Grafik vergleicht die Bedeutung von Data Science, KI und maschinellem Lernen nach Branchen: Die Telekommunikationsbranche ist allen anderen Branchen hinsichtlich der Konzentration auf Empfehlungsmaschinen und der Modellverwaltungs-Governance und ihrer Einführung voraus. Von allen befragten Branchengruppen zeigten die Branchen Telekommunikation, Finanzdienstleistungen und Technologie das größte Interesse an der Verwendung einer breiten Palette von Regressionsmodellen und hierarchischer Clusterung. Die Befragten aus dem Gesundheitswesen waren an diesen letztgenannten Funktionen deutlich weniger interessiert, zeigten jedoch großes Interesse an Bayes-Methoden und Textanalysefunktionen. Die Befragten aus dem Einzel- und Großhandel zeigten häufig das geringste Interesse an Analysefunktionen. Die folgende Grafik vergleicht Branchen nach ihrem Interesse an und ihrer potenziellen Einführung von Analysefunktionen in Data Science-, KI- und Machine-Learning-Anwendungen und -Plattformen: Unterstützung für eine breite Palette von Regressionsmodellen, hierarchisches Clustering und gängige statistische Lehrbuchfunktionen sind nur einige der Funktionen, die Unternehmen von einer Data-Science- und Machine-Learning-Plattform erwarten. Das Forschungsteam von Dresner fand heraus, dass diese drei Fähigkeiten als die wichtigsten oder „unverzichtbarsten“ angesehen werden, wenn Unternehmen Anwendungssoftware und Plattformen für Data Science, KI und maschinelles Lernen bewerten. Alle befragten Organisationen erwarten außerdem, dass jede von ihnen evaluierte Data-Science-Anwendungssoftware oder -Plattform eine Empfehlungs-Engine sowie Funktionen zur Modellverwaltung und -steuerung enthält. Die folgende Grafik priorisiert die wichtigsten und unwichtigsten Funktionen, die Unternehmen von Software und Plattformen für Data Science, KI und maschinelles Lernen erwarten: Zu den drei wichtigsten Usability-Funktionen, die Unternehmen derzeit priorisieren, gehören die Unterstützung einer einfachen Iteration von Modellen, die Verwendung fortschrittlicher Analysetechniken und ein einfacher Prozess zur kontinuierlichen Änderung von Modellen. Zu den wichtigsten Benutzerfreundlichkeitsfunktionen, die Unternehmen von KI- und Machine-Learning-Anwendungen und -Plattformen erwarten, gehören Unterstützung und Anleitung bei der Vorbereitung analytischer Datenmodelle sowie schnelle Analysezyklen mit Datenaufbereitung. Interessanterweise wurde die Tatsache, dass zum Erstellen, Testen und Ausführen analytischer Modelle kein Experte erforderlich ist, im Usability-Ranking niedriger eingestuft. Viele Anbieter von KI- und Machine-Learning-Software heben sich dadurch von der Konkurrenz ab, dass für die Nutzung ihrer Anwendungen kein Experte erforderlich ist. Die meisten Unternehmen legen hingegen Wert auf die Unterstützung einer einfachen Iteration von Modellen auf höherer Ebene, wie die folgende Abbildung zeigt: 2019 war ein Rekordjahr für das Interesse der Unternehmen an Data Science, KI und maschinellem Lernen, da sie diese als am wichtigsten für die Erreichung ihrer Geschäftsstrategien und -ziele erachteten. Unternehmen wünschen sich vor allem KI- und Machine-Learning-Anwendungssoftware und -Plattformen, die eine Reihe von Regressionsmodellen unterstützen, gefolgt von hierarchischem Clustering und statistischen Lehrbuchfunktionen für deskriptive Statistiken. Empfehlungsmaschinen erfreuen sich wachsender Beliebtheit, da das Interesse an diesem Bereich zugenommen hat. 2019 waren sie in den Augen der Befragten mindestens das zweitwichtigste Feature. Georäumliche Analysen und Bayes-Methoden blieben im Vergleich zu 2018 gleich oder verloren leicht an Bedeutung. Die folgende Grafik vergleicht das Interesse der Unternehmen an Data Science, KI und Technologien des maschinellen Lernens in den letzten sechs Jahren: Original englischer Link: forbes |
