blog.

Machine learning: hoe intelligente tools kunnen bijdragen aan efficiëntere bedrijfsvoering

Keuzes maken. Van ’s morgens vroeg tot ’s avonds laat; je kiest de hele dag door. Op persoonlijk gebied, maar ook op zakelijk gebied. Van simpele dingen als het beleg op je boterham, tot meer belangrijke zaken als het wel of niet doen van een investering in  het buitenland. Het maken van al deze keuzes kan soms best wel eens vermoeiend en tijdrovend zijn. Zou het niet fijn zijn als we een deel van deze keuzestress uit handen konden geven om meer tijd over te houden voor andere belangrijke zaken?

Traditionele data-analyse

Tegenwoordig wordt er in vrijwel alle lagen van een organisatie gebruik gemaakt van analyse-tools om zowel de interne als de externe bedrijfsvoering te monitoren. Deze analyses bieden een real-time inzicht in de huidige stand van zaken en het voordeel hiervan is dat zij daardoor meer zekerheid bieden dan schattingen. Daarentegen leveren deze traditionele analyse-tools een dusdanig grote berg aan data op, dat analisten een groot deel van hun tijd bezig zijn met het zoeken naar relevante gegevens. Wanneer zij eindelijk door deze berg van ongestructureerde data heen zijn, moeten die gegevens ook nog op een juiste manier vormgegeven en verwerkt worden. Nieuwe tools, gebaseerd op het denkvermogen van de mens, bieden een efficiëntere route naar inzicht in de bedrijfsvoering. Hierdoor wordt de tijd en het talent van data-analisten niet meer onnodig verspild.

Kunstmatige intelligentie

Intelligentie is waar het bij deze nieuwe tools om draait. Het begrip intelligentie omvat een opeenhoping van verstandelijke vermogens, processen en vaardigheden, zoals:

• Logisch kunnen redeneren
• Relaties kunnen ontdekken
• Het vermogen om problemen op te lossen
• Capaciteit om zelfstandig te kunnen leren, zonder direct of volledige instructie

Dat wij als mensen hiertoe in staat zijn, is niets nieuws. Maar kunnen computers dat ook?

Een voorbeeld… chatbots

Hoewel je het misschien niet direct in de gaten hebt gehad, ben je zeer waarschijnlijk al eens in aanraking geweest met dit soort intelligente software. Als je regelmatig iets bestelt bij een webwinkel of online een vraag stelt aan de klantenservice van een bedrijf, is de kans groot dat een virtuele assistent je meer dan eens heeft gevraagd of hij je ergens mee kan helpen. Deze chatbotszijn geautomatiseerde gesprekspartners die werken door middel van patroonherkenning. Door het herkennen van bepaalde patronen in een vraagstelling, is de computer in staat om hier een passend antwoord op te geven. Een ander voorbeeld van de alledaagse toepassing van slimme software is te vinden rond webshops. Stel dat iemand online een camera koopt. Dit aankoopproces kan door slimme software geanalyseerd worden en op basis hiervan kunnen in de toekomst persoonlijke productaanbevelingen worden gedaan. Uit onderzoek van RTB House blijkt dat dit kan leiden tot een conversietoename van wel 35 procent.

Slimme tools (machine learning en algoritmes)

Om tot kunstmatige intelligentie te komen, wordt er gebruik gemaakt van machine learning. Dit is een onderdeel binnen het domein van kunstmatige intelligentie dat zich voornamelijk bezighoudt met de ontwikkeling van algoritmes. Deze algoritmes worden opgebouwd aan de hand van statistische technieken en stelt computers in staat om te leren, zonder dat ze hiertoe specifiek of volledig geprogrammeerd zijn. Dit houdt in dat de prestatie van de computer beter wordt, naarmate er meer ervaring wordt opgedaan. Algoritmes leren continu van de data die zij moeten verwerken.

Een stap verder: menselijke tools (deep learning)

Deep learning is een specifieke methode binnen machine learning die gebaseerd is op ingewikkelde neurale netwerken die ook terug te vinden zijn in het menselijk brein. Het onderling verbinden van groepjes ‘zenuwcellen’ maakt het voor computers mogelijk om relaties tussen de invoer en uitvoer van data te interpreteren en hiervandaan door te redeneren. De mogelijkheden worden hierdoor eindeloos en al met al komt deze vorm van kunstmatige intelligentie dus steeds meer overeen met de menselijke intelligentie. In een toenemend aantal gevallen kan deep learning er zelfs voor zorgen dat menselijke intelligentie wordt overtroffen.

De basics van machine learning uitgelegd:

Whyellow zet machine- en deep learning in voor intelligente beslissingssoftware

Machine learning en deep learning bieden de mogelijkheid om steeds meer processen te automatiseren en bij te sturen waar nodig. Door het lerende karakter van intelligente tools zullen hun prestaties alleen maar toenemen. Dit resulteert in nieuwe inzichten, wat uiteindelijk zal leiden tot efficiëntere bedrijfsvoering. De expertise van Whyellow richt zich op het creëren en ontwikkelen van intelligente beslissingssoftware op maat, om zo de specifieke bedrijfsprocessen van onze klanten te verbeteren.

In onze volgende blog zullen we nog dieper ingaan op de potentie van intelligente tools! Hierin staan onder meer (onze oplossing voor) slimme sensoren op vrachtwagentrailers centraal. Hoe makkelijk is het als een trailer zelf kan inschatten wanneer hij onderhoud nodig heeft?