A gépi tanulás új korszaka – SAP Augmented Analytics

Visszatekinteve az elmúlt 20 évre, számos jól elkülöníthető szakaszt vélhetünk felfedezni az adatbányászat és a Machine Learning, vagyis a gépi tanulás fejlődésében.

A 90-es évek végén már itthon is megjelentek a nagyközönség számára elérhető – akkor még adatbányászati szoftvereknek nevezett – újítások. Több ilyen megoldás is volt a piacon, melyek egy része (pl: Cognos Scenario, 4Thought) kihalt, és igazából két domináns szereplő maradt: az SPSS és a SAS. Ezek a szoftverek elég borsos áron keltek el, és egy viszonylag szűk szegmens használta.

Bár több szereplőnek is voltak jó megoldásai (pl: MS SQL-be épített adatbányászati algoritmusok), ezek felhasználása viszonylag korlátozott volt.

Ezzel egyidőben a Microsoft az Excelbe csomagolt be egy adatbányászati add-in-t, ez azonban nem aratott sikert az üzleti felhasználók körében.

A 2010-es évek első felében több új fogalom is előtérbe került:

1. Megjelent a Machine Learning technológia, amely messze túlmutatott a korábbi adatbányászati megközelítésen és már kapcsolatba került a Big Data fogalmával.
2. Egyre népszerűbbé vált az R és a Python, amely mára a Data-Scientistek alap eszköze lett.
3. Megjelent a felhő, és hihetetlenül olcsóvá vált a számítási kapacitás

Ezek együtt komoly lökést adtak az iparágak számára, és hirtelen az egyik legfontosabb hiányszakma a Data-Scientist lett.

Mostanság két oldalról is elindultak olyan folyamatok, amelyek a Data-Scientistek – és a Machine Learninget alkalmazó üzleti felhasználók életére nagy hatással vannak és lesznek is:

1. Auto ML megerősödése, ami mentén a gyártók már számos – jelenleg többnyire Data-Scientistek által végzett – munkát automatizáltak, automatizálnak
2. Olyan előre csomagolt megoldások, melyek az üzleti felhasználók kezébe adják a Machine Learninget – és ide tartozik az SAP Augmented Analytics is.

Az SAP Augmented Analytics nem nevezhető előzmények nélküli megoldásnak, hiszen korábban a Microsoft is próbálkozott hasonlóval az Excelen belül, ami azonban nem aratott túl nagy sikert.

1. A “felhős” háttérrel elméletileg végtelen kapacitást biztosít, ami mentén nem vagyunk kitéve a saját gépünk, vagy a belső IT által biztosított kapacitás korlátainak.
2. Már az adatfeltárási szakaszban is nagyon sok segítséget kaphatunk a Machine Learning alapú megoldástól.
3. Jól érthető módon becsomagolt, és egyszerűen használható algoritmusok segítik az előrejelzések elkészítését.

+ Ezen képességek mellett még számos előnyt rejtenek a részletek is.

A korábbi megoldásokkal és szállítókkal ellentétben, az SAP “személyében” egy olyan innovátor állt elő ezzel a megoldással, akinek megvan a megfelelő üzleti felhasználói bázisa és olyan strukturált és tisztított adathalmazai, amivel akár gyors előrelépést is lehet eszközölni.

már csak ha azt nézzük, hogy számos esetben az üzleti felhasználók, kontrollerek végezhetnek el olyan munkákat, melyre most a cégek a – meglévő, vagy csak áhított – Data-Scientisteket alkalmaznák.

Az elkövetkezendő időszakban nálunk is fókuszba kerülnek azok az új lehetőségek, melyek menet közben kerülnek az SAP Augmented Analytics megoldásába, illetve azok az oktatási-bevezetési tapasztalatok, melyekkel találkozunk a munkáink során