Berichtgeving over de exponentiële groei en het verdere potentieel van trends als het internet of things, machine learning en de ontwikkeling van cognitieve apps laat er geen twijfel over bestaan: de wereld raakt steeds meer verbonden en apps worden intelligenter.
Apps weten niet alleen steeds meer over gebruikers, hun gedrag en consumptietrends, ook zijn ze steeds beter in staat te voldoen aan behoeften en voorkeuren voordat gebruikers deze zelfs maar uitgesproken hebben.
Business 2 consumer (b2c)-organisaties als Facebook, Sephora en Uber, gebruiken bijvoorbeeld voice-assistenten en chatbots die in staat zijn om met een consument te communiceren en hun behoeften te voorspellen. Wanneer deze technologieën met de consument communiceren, kunnen ze de klant herkennen aan de aankoopgeschiedenis, spraakopdrachten en nieuwe verzoeken begrijpen. Van daaruit kan de technologie voorspellen wat de klant wil en direct een relevant voorstel doen voor de aankoop van een product of service. Deze cognitieve applicaties gebruiken voorspellende analyses en machine learning om het internet of things (IoT) naar het volgende niveau te tillen, zodat consumenten genieten van gebruiksgemak, efficiëntie en andere voordelen bij het winkelen en bestellen.
Dit is leuk, maar niet nieuw. Voorspellende analyses en machine learning zijn al gemeengoed in de marketing en reclame, waarbij een constante stroom van gegevens wordt geanalyseerd. Daar vloeien geautomatiseerde antwoorden uit voort; op het juiste platform op het juiste moment aan de juiste doelgroep. We zien nu echter een steeds grotere verscheidenheid aan voorspellende applicaties en nieuwe voorbeelden.
Cognitive applicaties en bedrijven
Er zijn veel meer voorbeelden van cognitieve applicatieontwikkeling en voorspellende analytics voor consumenten dan op het gebied van b2b. En als ze er al zijn, zijn ze vaak voorbehouden aan bedrijven die de middelen hebben om hun oplossingen schaalbaar te maken en uitdagingen op het gebied van platform- en data-integratie aan te pakken, zoals GE en Siemens.
Het enorme potentieel van cognitieve applicaties en voorspellende analytics voor zowel b2c als b2b is echter niet alleen meer beschikbaar voor bedrijven van die grootte. Neem bijvoorbeeld een fabrikant van wasmachines voor grote hotels. De software in deze machines is al jaren beschikbaar en had ook al die tijd al gebruikt kunnen worden om voorspellingen te doen. Bijvoorbeeld wanneer een machine onderhoud nodig heeft of wanneer een onderdeel moet worden vervangen. Nu het IoT realiteit is, kunnen fabrikanten deze informatie gebruiken om op het juiste moment extra relevante services aan te bieden.
Het vaststellen van een probleem nog voordat het gebeurt, is voor de klant kosten- en tijdefficiënt. Dit betekent dat voorspellende analytics en monitoringdiensten cruciaal kunnen blijken voor het bedrijfsmodel, vooral als het gaat om het uitsluiten van dure machineonderbrekingen en ongepland onderhoud. Hierop inspelen is van grote waarde voor de reputatie van bedrijven. Voorspellende analytics kunnen deze problemen eerder identificeren, zodat bedrijven ze kunnen aanpakken voor ze zichtbaar worden voor het grote publiek. Hiermee wordt reputatieschade voorkomen.
De uitdaging: niet verdrinken in data
Het enorme volume aan data kan overweldigend zijn voor bedrijven. Dit beperkt hun mogelijkheden tot het verwerken en effectief gebruiken van de beschikbare gegevens. Naarmate data zich vermenigvuldigt onder andere door internet of things, is het steeds moeilijker om data te verwerken, te integreren en te modelleren. Vooral voor bedrijven die geen ‘technologiereus’ zijn of zich in de schaduw daarvan bevinden. Dit komt doordat zij worstelen om verzamelde data van software sensoren te verenigingen met gegevens uit andere systemen en daar vervolgens nog een laag van voorspellende analytics en machine learning bovenop te leggen.
Belangrijker nog; het vermogen vinden om de juiste data te lokaliseren en te interpreteren om de juiste voorspellende scenario’s te schrijven, is vaak zoeken naar een speld in een hooiberg. Grote bedrijven nemen veel data-analisten in dienst om dit werk te doen, maar het midden- en kleinbedrijf heeft hier simpelweg het budget niet voor.
Denk cognitive-first
Bedrijven moeten deze uitdagingen overwinnen door een krachtig ontwikkelingsplatform te implementeren en deze te integreren met technologieën op het gebied van kunstmatige intelligentie – machine learning en voorspellende analytics.
Om hier succesvol in te zijn, moeten bedrijven ervoor zorgen dat hun technologieplatformen voldoen aan zowel hun huidige als aan hun toekomstige behoeften en dat ze kunnen integreren met modulaire technologieën voor kunstmatige intelligentie die geavanceerde machine learning mogelijk maken. Dit zorgt ervoor dat data die vanuit traditionele analytics zijn verzameld vaker kunnen worden gebruikt, ook voor voorspellingen. Machine learning moet honderden verschillende datavariabelen en modellen kunnen beheren en structuur aan kunnen brengen in datastromen, zodat er inzicht komt in de verschillende gebruikersscenario’s. Ook is machine learning in staat om van deze inzichten nieuwe datasets te maken, deze te schalen en te vermenigvuldigen.
Vanuit een applicatie-ontwikkelingsperspectief zullen bedrijven zich ook bezig moeten houden met spraakpatronen, semantiek en contextuele ontwikkeling. Tot nu toe begon een traditioneel gebouwd systeem met proces en logica, door eerst code te schrijven en uiteindelijk gegevens in te voeren. Een cognitive first applicatie volgt een ander pad. Ontwikkelaars moeten zich daarbij laten leiden door de data, alle informatie verzamelen en vervolgens uitkomen bij de logica.
Bereid je voor op een cognitieve toekomst
Cognitieve applicatieontwikkeling, voorspellende analyse en machine learning komen bovenop de lagen van bestaande technologie en applicaties om deze krachtiger te maken. Ze volgen de evolutie van het menselijk brein met zijn verschillende connecties en complexiteiten. Ontwikkeld aan de back-end, kunnen ze door geavanceerde integratie en machine learning worden samengevoegd met bestaande datasets en traditionele analytics, zodat apps uiteindelijk een stap verder komen en voorspellende analytics produceren. Dan zullen we ook zien dat b2b deze cognitieve manier van werken omarmt en gebruikt.
