Как данные влияют на вашу стратегию?
Большие данные и аналитика сегодня находятся на вершине корпоративной повестки дня. Вместе они обещают изменить способ ведения бизнеса компаниями, обеспечив прирост производительности, который в последний раз наблюдался, когда компьютеры устарели в 1990-х годах, а организации переработали свои основные процессы. По мере того, как стратегии, основанные на данных, становятся частью бизнес-площадки, они становятся все более важным элементом конкурентного преимущества.
С помощью больших данных компании могут идентифицировать, комбинировать и управлять несколькими источниками входных данных. Этот сбор данных дает возможность создавать модели расширенной аналитики для прогнозирования и оптимизации результатов.
Четкое видение желаемого влияния на бизнес должно формировать комбинированный подход к поиску данных, построению моделей и организационной трансформации. Это поможет избежать распространенной ловушки вопроса о том, что может сделать стратегия работы с большими данными.
Глубокое обучение — это прорывная технология, которой когда-то были Интернет и мобильные компьютеры. Программное обеспечение с открытым исходным кодом было доминирующей платформой, которая позволила этим технологиям развиваться. Когда стратегия компании заключается в использовании прорывной технологии или прорывной бизнес-модели, результаты могут быть впечатляющими и оставить конкурентов далеко позади. Причина такой тенденции развития заключается в том, что поначалу рост компании может показаться линейным; в конечном итоге он обнаруживает себя экспоненциальным. После этого момента конкурентам становится очень трудно, если не невозможно, догнать конкурентов.
Алгоритмы глубокого обучения продолжают развиваться быстрыми темпами. Вначале фреймворки использовали доступные библиотеки умножения матриц. Эти тонко настроенные алгоритмы разрабатывались десятилетиями и дошли до нынешнего состояния. По мере продолжения исследований предлагаются новые виды алгоритмов.
Помимо того, что это очень новая технология, программное обеспечение, поддерживающее глубокое обучение, представляет собой сложный стек. Распространено мнение, что большинство сред глубокого обучения (например, TensorFlow, Torch, Caffe и т. д.) имеют открытый исходный код, и многие разработчики со всего мира могут участвовать в улучшении знаний и освоении многих еще не обнаруженных возможностей.
