Automation är avgörande för ditt företag

Automatisering är nyckeln till att låsa upp stora, hållbara fördelar i företag inom olika sektorer.

Big data kan vara ett stort ingenting utan en strategisk automatiseringsstrategi.

Å ena sidan befinner vi oss i en berusande tid av informationsrikedom, med oöverträffade mängder data om allt från utrustningsprestanda till konsumentbeteende på sociala medier (mer än hälften av alla globala medborgare är på sociala medier). Men utan genomtänkt automatisering – användningen av maskiner och algoritmer för att hantera, bearbeta och analysera tillgänglig data – kommer ditt företag att gå miste om stora potentiella möjligheter.

Bra gjort, förvandlar automatisering "död" big data till en levande resurs som andas som du kan använda för att skapa värde. Så det är ingen överraskning att många företag siktar på automatisera allt som kan automatiseras, som en toppchef i Google sa nyligen.

För att hjälpa dig att tänka på automatisering i ditt affärssammanhang presenterar jag de tre huvudsakliga sätten som denna teknikdrivna aktivitet hjälper dig att skapa värde.

Det första automatiseringen hjälper dig att göra är särdragsextraktion, eller dra kritiska nålar av information från massiva höstackar av data. Föreställ dig att din organisation måste granska patentansökningar för information om en specifik teknik och relaterade sådana. Du kanske tittar på tusentals eller tiotusentals applikationer, var och en på 30 eller fler sidor, för miljoner och åter miljoner ord. Men bara en liten del av dessa ord och inbördes samband mellan patent spelar roll, som vad den patenterade tekniken beror på eller uppfinnarnas kvalifikationer och tidigare patent.

Den här uppgiften involverar alltså, liksom många inom affärsområdet, ett mycket litet signal-brus-förhållande och skulle kräva tusentals människor timmar att utföra manuellt – något alldeles för kostnads- och tidsödande. Men en maskininlärningsbaserad algoritm kan tränas för att relativt snabbt ta fram den nyckelinformation som behövs, vilket sparar betydande tid och ansträngning. Säg dessutom att du i framtiden ville söka efter samma uppsättning patent eller relaterade men efter annan information, till exempel storleken på det patentansökande teamet. Du kan enkelt programmera om eller träna om algoritmen för att ta dig an den uppgiften, få skalfördelar och större avkastning på din initiala investering.

För det andra hjälper automatisering med datakontroll och rensning. Datauppsättningar behöver ofta arbete. Det finns fel och saknade värden, anomalier och ibland bevis på partiskhet. Till exempel, om en algoritm tränades för att upptäcka egenskaperna hos lagbrytare men endast använder data om lagöverträdare som greps, kommer algoritmen att vara partisk eftersom den saknar data om lagöverträdare som inte fångades – ett särskilt problem för tjänstemannabrott, vilket tenderar att att vara underrapporterad. Återigen, att kontrollera och åtgärda denna stora mängd potentiella problem är för mycket att ta på sig manuellt. Men automatisering möjliggör snabb implementering av verktyg för testning och rensning, vilket återigen sparar tid samtidigt som det skapar värde.

För det tredje, och detta är en stor sådan, är automatisering drivmotor för analys. Gårdagens enkla regressionsanalyser har blivit dagens klustring och slumpmässiga skogar, drivna av maskininlärning, oavsett om det är för att förstå produktanvändare, prognostisera nästa månads försäljning för att optimera lager eller förutsäga effekten av en ny reklamkampanj. Maskinbaserad automation gör det inte bara möjligt för dig att upprepa standardiserade analysprocesser regelbundet till låg kostnad, utan kan också upptäcka olinjära mönster som vi människor inte kan.

Till exempel studerade mitt labb över 5 miljoner patent med hjälp av algoritmdrivna analyser för att se om vi kunde förutsäga debuten av banbrytande framtida teknologier baserat på deras patentansökningsinformation. Vi antog att maskinen skulle identifiera framtida träffpatent från applikationsdata om uppfinningen hade fristående, "mirakelliknande" möjligheter eller idéer. I slutändan hittade algoritmen framtidens hitpatent med hög noggrannhet, men inte på det sätt som vi människor hade föreställt oss. Det vill säga, algoritmen identifierade inte ett framtida träffpatent baserat på dess fristående kapacitet; snarare identifierade den träffpatent baserat på om de var en del av en kluster av anslutna patent som tillsammans skulle kunna lösa specifika problem i kombination som inget enskilt patent hade kunnat lösa på egen hand.

Till exempel gjorde ultraljudsteknik en stor inverkan på vården flera år efter att den först avslöjades, vilket möjliggjorde icke-invasiv bildbehandling och behandling av fysiska tillstånd som njursten och till och med vissa cancerformer. Men dessa framsteg skulle ha varit omöjliga utan småskaliga uppfinningar bortom kärnteknologin – applikatorer, processer som minskar statisk elektricitet, specialiserade medicinska kuddar och klämmor som utvecklats oberoende av ultraljudsteknik men ändå avgörande för dess framgångsrika tillämpning inom medicin. Vår automatiserade analys erkände tillförlitligt förekomsten av dessa kluster av relaterade patent i över 5 miljoner patent från hälsoprodukter till den senaste golfbollsteknologin, och att dessa kluster var korrelerade med sannolikheten att patenten i dem skulle bli morgondagens framtida dominerande teknologier – en slutsats som inte tidigare har uppskattats.

Min nordvästra kollega Andrew Papachristos använde liknande analyser för att visa det poliskorruption i Chicago härrör inte från ett fåtal "bad apple"-officerare utan ett nätverk av anslutna poliser som agerar i ond tro; hans arbete möjliggör tidigare upptäckt av sådana problem.

Jag hoppas att jag har klargjort de ömsesidigt förstärkande fördelarna med automatisering och hur det kan hjälpa dig att omvandla data till ett stort, hållbart värde. Faktum är att ju mer data du har, desto mer behöver du automatisering; när du väl har starka automatiseringsmöjligheter kan du samla in och utnyttja ännu mer data, och cykeln fortsätter.

Summan av kardemumman: automatisering är en allt viktigare förmåga och kan vara avgörande för ditt företags prestanda på kort och lång sikt. Men det är viktigt att förstå hur det skapar värde och att vidta åtgärder för att mildra dess verkliga nackdelar, för ditt företags bästa och det breda samhälle där det verkar.

I den andra delen av den här artikeln kommer jag att diskutera de tre stora nackdelarna med automatisering – förklaring, transparens och kostnad – och hur man hanterar dessa.