Coronacrisis maakt deel machine learning onbruikbaar

Modellen die zijn gebaseerd op historische gegevens, kunnen niet meer goed gebruikt worden nu veel economieën weer opstarten na lockdowns. “De extreme verstoringen door Covid-19” zijn hiervan volgens Gartner de oorzaak, zo meldt The Register. Bovendien zijn er nu nog niet genoeg data voorhanden uit de periode nà Covid-19 om machine learningmodellen nu al opnieuw adequaat te trainen.

Gartner adviseert daarom, zeker als het gaat om modellen die voorspellen welke producten consumenten overwegen, gebruik te maken van meerdere machinelearningtechnieken. De kans dat de data van voor en zelfs tijdens de pandemie nog bruikbaar zijn, is klein. Er is zeer veel veranderd waardoor klanten zich totaal anders gedragen dan vóór de pandemie.

Nieuwe normaal

“Het nieuwe normaal is zich nog aan het vormen, waardoor de validiteit van predictieve modellen een uitdaging is”, aldus Rita Sallam, vice president research bij Gartner. Zij wijst er op dat de verwachtingen van veel klanten zeer sterk veranderd zijn tijdens en na de coronacrisis en dat uit zich heel duidelijk in veranderde kooppatronen. “Oude behoeften en wensen van klanten en ook zakelijke modellen worden vervangen en dat ook nog in een ongekend hoog tempo.”

Met de nieuwe, alternatieve technieken moeten organisaties sneller kunnen aanpassen aan nieuwe economische gedragingen. Daarbij gaat het ook om reinforcement learning, waarbij een model getraind wordt om een opeenvolging van besluiten te nemen in een onzekere en mogelijk complexe omgeving. Daartoe behoren ook gedistribueerde leertechnieken die gebaseerd zijn op multi node machine learning.

Gartner ging er oorspronkelijk vanuit dat deze nieuwe technieken pas over drie tot vijf jaar zouden worden ingevoerd. Doordat dit alles nu veel sneller moet worden veranderd en ingevoerd lopen veel organisaties nu tegen een groot tekort op aan zowel de skills die hiervoor nodig zijn en een geschikte data-infrastructuur.