2020.05.19.
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 és az adatbányászat
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.
2010 és a „nagy” adatgyűjtés
A 2010-es évek első felében több új fogalom is előtérbe került:
- Megjelent a Machine Learning technológia, amely messze túlmutatott a korábbi adatbányászati megközelítésen és már kapcsolatba került a Big Data fogalmával.
- Egyre népszerűbbé vált az R és a Python, amely mára a Data-Scientistek alap eszköze lett.
- 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.
A gépi tanulás új korszaka – SAP Augmented Analytics
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:
- Auto ML megerősödése, ami mentén a gyártók már számos – jelenleg többnyire Data-Scientistek által végzett – munkát automatizáltak, automatizálnak
- 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.
Mi az amiben mégis más ez a mostani megoldás, és nagy jövő rejlik benne
- A “felhős” háttérrel elméletileg végtelen kapacitást biztosít, ami mentén nem vagyunk kitéve a saját gépünk, vagy a belső IT által biztosított kapacitás korlátainak.
- Már az adatfeltárási szakaszban is nagyon sok segítséget kaphatunk a Machine Learning alapú megoldástól.
- 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.
Biztos, hogy nem lesz egyszerű ezeket a funkciókat meghonosítani a szervezeteknél, viszont akinek ez sikerül, az komoly üzleti előnyre tehet szert,
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