Innovatie & Strategie

Datamanagement
leider

Machine learning: niet alleen techniek

De meeste CIO's profiteren te weinig van machine learning

© CC0 Pixabay,  danymena88
18 april 2018

Volgens Gartner bevindt machine learning zich op dit moment op z’n hoogtepunt. Ook de investeringen in deze nieuwe technologie gaan door het dak. Toch beschikt het merendeel van de CIO’s niet over het talent, de kwalitatieve data en het budget om hier optimaal van te profiteren.

Het is alsof je een huis wilt bouwen en wel de materialen aanschaft, maar niet denkt aan de werklui die de woning daadwerkelijk moeten bouwen.

Onderzoek van McKinsey toonde onlangs aan dat er drie grote uitdagingen zijn wanneer het gaat om het behalen van data- en analyticsdoelstellingen met behulp van machine learning. Namelijk: het ontwerpen van een organisatiestructuur om gegevens- en analyse-activiteiten te ondersteunen, een effectieve technologie-infrastructuur en het zorgen voor commitment van het senior management.

Slechte data leiden tot slechte beslissingen

Hoe kunnen CIO’s het hoofd bieden aan deze uitdagingen? Enkel investeren in de technologie is niet voldoende. Met het nemen van de volgende stappen zullen CIO’s beter in staat zijn om machine learning succesvol in te zetten binnen hun organisatie.

1. Verbeter de kwaliteit van data

Slechte data leiden tot slechte beslissingen. Om te kunnen vertrouwen op machine learning is het noodzakelijk dat de data op basis waarvan beslissingen worden genomen, waardevol en up-to-date zijn. CIO’s moeten overwegen om oplossingen te implementeren die dataonderhoud vereenvoudigen. Een eerste stap hiertoe is ervoor te zorgen dat legacy en on-premise IT-tools worden vervangen door één datamodel.

2. Creëer meerwaarde

Formuleer de toegevoegde waarde van technologiedoelstellingen en bepaal vervolgens hoe deze doelen het beste behaald kunnen worden. Hieronder valt ook het onderzoeken van bestaande processen en vervolgens het identificeren van ongestructureerde werkpatronen die het meest zullen profiteren van automatisering. Vaststellen waar gefragmenteerde data zich bevinden, zal helpen bij het ontdekken waar automatisering leidt tot meer productiviteit.

3. Zorg voor de best mogelijke klantervaring

Het inzetten van machine learning zal leiden tot grotere operationele efficiëntie. Maar het is ook belangrijk stil te staan bij de voordelen die een snellere - en tegelijkertijd accurate - besluitvorming bieden als het gaat om de klanttevredenheid. Beschrijf allereerst de ideale klantervaring en bepaal op basis daarvan welke investeringen de meeste invloed zullen hebben op het realiseren van deze verbeterde ervaring.

4. Maak resultaten meetbaar

CIO’s mogen dan de meerwaarde van machine learning erkennen, leden van de board doen dit wellicht niet. Het is de taak van de CIO om verwachtingen te scheppen en metrics op te stellen aan de hand waarvan succes kan worden gemeten en inzichtelijk worden gemaakt, nog voordat machine learning daadwerkelijk geïmplementeerd wordt. Op die manier hebben CIO’s een gefundeerde businesscase die de board kan overtuigen van de noodzaak van investeringen. Zodra machine learning toegepast wordt, kunnen metrics aangepast worden op basis van de inzichten die intelligente automatisering biedt.

5. Neem collega’s bij de hand

De rol van werknemers gaat veranderen door machine learning. De benodigde vaardigheden van werknemers zullen veranderen naar datawetenschap, engineering en mathematisch denken. Sommige werknemers zullen zich hier wellicht minder prettig bij voelen. CIO’s moeten daarom de meerwaarde die machine learning biedt voor hun werkzaamheden duidelijk maken. Machines of robots zullen het bedrijf niet overnemen. Ze zorgen er juist voor dat tijdrovende en handmatige processen geautomatiseerd worden waardoor werknemers meer tijd vrij hebben om te besteden aan meer strategische werkzaamheden.

Reactie toevoegen