i4is











Noticias
Lunes 1 de Abril, 2019

Llevando Machine Learning de los mitos a la realidad empresarial

Desde el Blog de Minitab

Hoy en día, aparece el término "Aprendizaje automático" (o Machine Learning, en inglés) junto con otros términos como "Big Data", "AI" o "Internet of Things" en la discusión sobre la transformación digital de los negocios.

 

Sin embargo, estos términos o palabras de moda a menudo son mal entendidos. Esto está creando una serie de mitos, que pueden desinformar las decisiones de las empresas cuando persiguen una estrategia basada en datos.

 

Para aclarar a los profesionales basados en datos, aquí hay un desglose de los puntos clave que necesita saber sobre la transformación digital y dónde encaja el aprendizaje automático en la realidad empresarial.

 

 

Seminario web exclusivo: aprenda la realidad empresarial detrás de los 6 mitos más grandes sobre el aprendizaje automático en este seminario web. Míralo ahora: de los unicornios a los caballos de carrera: toma analíticas predictivas con aprendizaje automático de los mitos a la realidad empresarial

 

 

Hoy en día, todas las organizaciones están en la carrera de transformación digital; es imperativo para todos, desde la pequeña a la gran empresa. Esta carrera también es única para cada empresa y sector empresarial, pero ¿qué es realmente esta transformación digital?

 

Esta carrera es de dos cosas. En primer lugar, la integración de la tecnología digital en todas las áreas de negocios, cambiando fundamentalmente la forma en que opera una organización y entregando el valor a sus clientes.

 

En segundo lugar, también es un cambio cultural que requiere que las organizaciones desafíen continuamente su estructura y estado actual, experimenten y se sientan cómodos con el fracaso también.

 

En otras palabras, esta es una aventura exploratoria y emocionante. Sin embargo, los mitos de hoy implican que solo desbloqueará los beneficios con ciertas tecnologías o habilidades como el aprendizaje automático o la ciencia de datos.

 

¿Es esto cierto?

¿Es Machine Learning la clave para comenzar la transformación digital?

 

Los datos son fundamentales para que las empresas puedan tomar buenas decisiones sobre productos, servicios, empleados, estrategias y más.

 

En Minitab, vemos todos los días que las organizaciones tienen mucho que hacer para darse cuenta del poder de los datos disponibles y de los datos que están recopilando.

 

Una técnica de análisis es el aprendizaje automático. Es solo una de las muchas técnicas analíticas predictivas. Una forma sencilla de pensar en Aprendizaje automático es la siguiente:

 

Aprendizaje automático = un algoritmo para convertir datos en información

 

Lo que no suena tan radical ahora, ¿verdad?

 

En Aprendizaje automático, los algoritmos realizan una búsqueda exhaustiva de los datos disponibles para identificar los factores predictivos clave de eventos o resultados empresariales específicos, por ejemplo, Defectos o tiempos muertos.

 

Pero para entregar valor comercial real, esta técnica no puede existir por sí misma. Tiene que ser parte de todo un proceso que está impulsando decisiones procesables.

 

 

Los mitos de 'unicornio' están excluyendo a profesionales con experiencia

 

Los temas de tendencias actuales sugieren que el aprendizaje automático, el big data y la ciencia de datos son importantes en la transformación digital de la industria.

 

El poder de estas herramientas y técnicas se ha promovido en algunos casos para que parezca una varita mágica para convertir fácilmente los datos en decisiones procesables y brindar soluciones directas a los problemas.

 

Este bombo, esta moda,  ha llevado a que los científicos de datos a veces sean llamados "unicornios", criaturas escasas con poderes mágicos para transformar un negocio. Esta escasez está llevando a una guerra de ofertas de los directores ejecutivos y juntas que ven a un científico de datos como su respuesta para la transformación digital, pero no están realmente seguros de por qué o cómo usarlos.

 

Esto es un peligro

 

Estas habilidades técnicas no son la única parte de la solución. El conocimiento de los procesos de la organización es lo más importante, por lo que sabe dónde se puede aplicar esta tecnología para resolver problemas y desbloquear mejoras.

 

Un peligro es que la experiencia en el dominio se pasa por alto a favor de los "unicornios" que poseen poderes aparentemente míticos. La sensación de que la transformación digital es algo nuevo está excluyendo a los solucionadores de problemas basados ??en datos existentes en una organización.

 

Por ejemplo, Lean Six Sigma Black Belts todavía no se asocia comúnmente con la transformación digital.

 

Sin embargo, según esta entrevista con el líder de fabricación inteligente de Hitachi, los Black Belts deberían ser el motor de la transformación digital. Para las innovaciones basadas en datos reales y la resolución de problemas, estos son los profesionales más experimentados a los que puede acercarse.

 

Exponga estos mitos para avanzar en tu progreso.

 

Las organizaciones necesitan una comprensión más clara de los roles, los usos y los impactos de las oportunidades anteriores en una transformación digital.

 

Esto ayudará a definir las expectativas de la alta gerencia y cómo aplicar con éxito estas oportunidades a la realidad de su negocio.

 

Para comprender la verdad detrás de los mitos sobre el aprendizaje automático y el análisis predictivo, dé el siguiente paso y vea este seminario web gratuito:

 

 

 

WEBINAR - De los unicornios a los caballos de carrera:

Llevar el análisis predictivo con el aprendizaje automático de mitos a la realidad empresarial.

Usted recibe información de expertos como Gillian Groom, especialista en capacitación técnica de Minitab, quien convierte los 6 mitos más grandes en realidad empresarial.

 

 

 

 

 

 

 

 
comments powered by Disqus
Manténgase informado con nuestro newsletter

i4is© es una marca registrada de Blackberry & Cross
Derechos Reservados Blackberry & Cross 2015-2020

Tel: (PBX): (506) 25-27-51-21 / (506) 22-34-57-53