Datu zinātne nav zinātnes projekts

Nodrošina SAS

Saskaņā ar New Vantage Partners 2018. gada aptauju 97% uzņēmumu ir ieguldot lielajos datos un mākslīgajā intelektā (AI), un lielākajai daļai cilvēku galvenais mērķis ir biznesa lēmumu pieņemšanai izmantot uzlabotas analītikas iespējas.

Olivers Šabenbergers ir SAS izpilddirektors, izpilddirektors un galvenais tehnoloģiju vadītājs.

Tomēr vismaz puse no analītika rezultāti nekad nenonāk ražošanā.

Galīgais mērķis digitālā transformācija Izmantojot datu zinātni, ir jāuzlabo organizācija. Neatkarīgi no tā, vai galvenā uzmanība tiek pievērsta ieņēmumu palielināšanai, izmaksu samazināšanai, produktivitātes palielināšanai vai jaunu uzņēmumu uzsākšanai, organizācijām ir jāvirzās tālāk par datu vākšanu.

Analītiskie līdzekļi un AI modeļi, kas izveidoti atklāšanas fāzē, arī nav gala mērķis. Ja neizmantojat šos līdzekļus, lai veicinātu biznesa rezultātus un nepārtraukti tos pārvaldītu, datu zinātne nevarēs izmantot savu potenciālu.

Olivers Šabenbergers, SAS izpilddirektors, izpilddirektors un galvenais tehnoloģiju vadītājs, uzstājas uzņēmuma 2018. gada Analytics pieredzes konferencē Sandjego. Stīvs Muirs/SAS

Kur sākt ar datu zinātni

Ja plānojat ieguldīt datu zinātnes programmā, jums vajadzētu būt krietni pāri projekta hipotēzes un datu vākšanas fāzei. Jums ir jābūt skaidrai identificētai problēmai, kuru esat gatavs risināt, izmantojot analīzi, un jums jāzina, kādus datus izmantosit šīs problēmas risināšanai.

Uz datiem balstītās iniciatīvās ir daudz šķēršļu panākumiem. Galvenās no tām ir grūtības, ar kurām saskaras daudzas organizācijas, īstenojot analīzi: izvietojot, pārraugot un pārvaldot analīzi un AI biznesa procesos.

Kā jūs varat pārvarēt šo izaicinājumu un virzīt savu ideju no zinātnes projekta uz patiesu datu zinātni?

1. Sāciet ar nelielu projektu, kas attiecas uz uzņēmuma pamatkompetencēm. Pārliecinieties, vai visas puses vienojas par projekta biznesa vērtību un tehnisko iespējamību.
2. Izvēlieties projektu, kas piedāvās laimestu gada laikā. Iedziļinoties projektā, zināt, kā izskatās uzvara un kā tā tiks novērtēta.
3. Meklējiet iespējas automatizēt un paplašināt analītikas izmantošanu. Automatizācija var eksponenciāli pavairot jūsu projekta rezultātus.

Lai ilustrētu šos jēdzienus, ļaujiet man aprakstīt divus jaunākos datu zinātnes veiksmes stāstus. Viena no tām ir veselības aprūpes sistēma, kas izmanto datorredzi, lai palīdzētu ārstēt vēža slimniekus. Otra ir sociālo pakalpojumu aģentūra, kas izmanto mašīnmācīšanos, lai aizsargātu neaizsargātos bērnus. Visbeidzot, jūs redzēsit, kā šie projekti iziet no izmēģinājuma posma, lai tos izmantotu ilgtermiņa rezultātu sasniegšanai.

Audzēju noteikšanas automatizācija medicīniskajos attēlos

Amsterdamas Universitātes Medicīnas centrs nesen sāka izmantot datorredzi un prognozēšanas analīzi, lai uzlabotu vēža slimnieku aprūpi. Tās sākotnējā projektā tiek izmantota objektu noteikšana, lai identificētu un izmērītu audzējus aknu CT skenēšanā.

Iepriekš radiologi manuāli mērīja audzēju lielumu skenēs pirms un pēc ārstēšanas. Šis darbs bieži vien aizņem līdz pat trešdaļai radiologa darba dienas, taču tas ir kritisks darbs. Ja pacienta audzēji reaģē uz ārstēšanu, tas arī padara pacientu par labu kandidātu operācijai.

Līderi to uzskatīja par perfektu izmēģinājuma projektu, lai pārbaudītu analītikas un AI iespējas. Slimnīca izveidoja datorredzes modeļus, lai daļējā laika posmā analizētu medicīniskos attēlus. Objektu noteikšana gandrīz uzreiz atpazīst audzējus un audzēju izmērus. Turklāt modeļi ir objektīvāki un precīzāki nekā radiologi.

Šāda analītikas izmantošana ne tikai ļauj radiologiem veikt praktiskāku darbu ar pacientiem, bet arī glābj dzīvības. Atrodot rezultātus ātrāk un precīzāk, datorredze var palīdzēt vairāk pacientu ātrāk iesaistīties dzīvības glābšanas operācijās.

Kā šis projekts pārcēlās no zinātnes projekta uz datu zinātnes rezultātiem?

• AI tiek izmantota reāliem pacientu datiem, lai pieņemtu lēmumus par pacientu aprūpi.
• Slimnīca izvēlējās projektu ar lielu potenciālu, jo pašreizējā metode ir manuāla, laikietilpīga un zināmā mērā subjektīva. Līderi skaidri saprata priekšrocības, ko sniedz automatizācija ar objektīvāku un precīzāku metodi.
• Sākotnējais projekta apjoms bija pārvaldāms, jo AI tika izmantots, lai palīdzētu viena konkrēta vēža veida ārstēšanas aspektā.
• Audzēju mērījumu automatizācija ir atkārtojams process, kas turpinās ietaupīt laiku un uzlabot pacientu aprūpi.
• Šī projekta panākumus var atkārtot, lai palīdzētu ārstēt citus vēža veidus un lasītu cita veida medicīniskos attēlus.

Brīdināt lietu darbiniekus, ja bērni ir apdraudēti

Jaunā Hannoveres apgabals , Ziemeļkarolīna, ir nulles punkts opioīdu epidēmijai, kas izposta ASV. Rezultātā Sociālo pakalpojumu departaments ir redzējis strauji pieaugošus ļaunprātīgas izmantošanas un nolaidības gadījumus.

Kopš 2013. gada apgabalā ir dubultojies to bērnu skaits, kuri ir aizturēti opioīdu dēļ. Pašlaik opioīdi veido gandrīz 30% no DSS iejaukšanās.

Aģentūra zina faktorus, kas apdraud bērnu. Bet, ja tas nevar rīkoties ar atvienotiem datiem īstajā laikā, bērni var viegli izkrist cauri spraugām.

Vanda Marino, toreizējā DSS direktora palīdze, zināja, ka apgabals var darīt labāk. Kad viņa uzzināja par veidu, kā novērst vardarbību pret bērniem, izmantojot paredzamo analīzi, viņa pieteicās dotācijai, lai palīdzētu pilotēt šo tehnoloģiju.

Jaunā sistēma apvieno dažādus datu avotus un ģenerē uz noteikumiem balstītus brīdinājumus, kad bērna riska līmenis ir palielinājies. Tie var būt 911 zvani no mājām, ģimenes locekļu aresti, jaunas personas mājās vai jaunas izmeklēšanas. Neatkarīgi no avota datu vizuālais attēlojums ļauj lietu darbiniekiem viegli redzēt, kas izraisīja brīdinājumu, izpētīt lietu, lai iegūtu sīkāku informāciju, un noteikt, kādi iejaukšanās pasākumi var būt nepieciešami.

Ātrākas iejaukšanās rezultāti ietver bērniem nodarītā kaitējuma samazināšanos un palielinātu pastāvīguma līmeni — bērna pastāvīgu māju. Marino saka, ka riska bērni ir patiesie ieguvēji. Šī partnerība ir bijusi monumentāla. Tā ir bijusi vienīgā lieta, kas mums ir palīdzējusi virzīties uz priekšu un savlaicīgi novērst vardarbību pret bērniem, kā arī glābt bērnu dzīvības.

Kā šis projekts pārcēlās no zinātnes projekta uz datu zinātnes rezultātiem?

• Apgabals izvēlējās projektu, kas var glābt dzīvības un padarīt lietu darbiniekus efektīvākus.
• Projektam bija skaidrs mērķis palīdzēt bērniem apgabalā ar pārslogotiem resursiem.
• Mašīnmācība tiek izmantota vairākiem datu avotiem, lai palīdzētu pieņemt lēmumus par bērnu drošību.
• Brīdinājumu automatizācija lietu darbiniekiem ir atkārtojams process, kas turpinās ietaupīt laiku un uzlabot bērnu dzīvi.
• Šī projekta panākumus var atkārtot un paplašināt, lai palīdzētu citiem novadiem un citiem darbiniekiem, kas mijiedarbojas sociālo pakalpojumu sistēmā, piemēram, tiesnešiem un policistiem.

Pāriet ārpus zinātnes projekta

Analytics nav zinātnes projekts, un tā nav tikai statistiķu un datu zinātnieku sfēra — vairs ne. Šī raksta piemēros redzams, kā šie principi izpaužas:

• Iespēja gūt ieskatus un pieņemt lēmumus, pamatojoties uz datiem.
• Darbi ir padarīti vieglāki un produktīvāki.
• Palielinot piekļuvi analītikai, lēmumi tiek pieņemti uzticamāk un ātrāk.
• Gala rezultāti, kas dod labumu pacientiem, ģimenēm un sabiedrībai.
• Analīze, kas pāriet no zinātnes projektiem uz darbībām, lai palīdzētu organizācijai, tās darbiniekiem un cilvēkiem, kurus tā apkalpo.

Abos šajos projektos sākotnējie rezultāti ļauj paplašināt analītikas izmantošanu. Amsterdamas UMC administratori mums saka, ka viņi cer paplašināt objektu noteikšanas modeļus vairākiem vēža veidiem un vairākiem pacientu veidiem. Ziemeļkarolīnā to, kas darbojas vienā apgabalā, var paplašināt, iekļaujot citus apgabalus, un tas var novest pie valsts mēroga programmas.

Lai datu zinātne darbotos, jums ir jācenšas novērst šķēršļus analītikas izstrādei un patēriņam. Kā var veikt pilotprojektu un pārvērst to par kaut ko lielāku? Kā jūs varat izmantot datus, kas jums jau ir, un pārvērst tos pozitīvās pārmaiņās jūsu organizācijai un jūsu ieinteresētajām personām?

Uzziniet vairāk par uz datiem balstītas iniciatīvas SAS .

paslēpties