Beslutsstöd: Övervaka dina företagsdata och upptäck avvikelser med AI

Företagen dränks i affärsdata och det är ingen enkel uppgift att hitta värdefulla insikter i allt data vi har idag. Att använda bättre verktyg kan underlätta, till exempel genom att använda system för dataanalys som kontinuerligt övervakar dina data och upptäcker eventuella avvikelser automatiskt.

Outlier.ai är ett företag som erbjuder just denna typ av verktyg, och i den här bloggartikeln intervjuar jag företagets grundare Sean Byrnes.

Han har varit entreprenör i 15 år och är grundare och VD på Outlier.ai. Före Outlier var Sean grundare av Flurry, ett ledande företag inom reklam- och analystjänster för mobila applikationer som förvärvades av Yahoo! under 2014.

Han är också rådgivare, mentor och investerare i San Francisco Bay Area. Sean fick en högskoleexamen (med inriktning på robotteknik) från Dartmouth College och en civilingenjörsexamen i datavetenskap (med fokus på artificiell intelligens) från Cornell University.

Hans företag har en mycket intressant lösning på problemet med att hitta nålen i höstacken när det gäller analys av stora datamängder.

Nu över till intervjun!

Vad är företagets bakgrund?

När jag var på Flurry mötte jag hundratals företag för att diskutera hur de använder data för att fatta beslut. Den vanligaste frågan de ställde till mig var “Vad ska jag leta efter i all den data jag har?”

Jag insåg att de senaste tio årens innovation inom beslutsstöd (business intelligence, BI) har koncentrerat sig på att svara på frågor vi redan har, medan de kommande tio åren kommer att fokusera på att hjälpa oss att ställa bättre frågor.

När jag startade Outlier 2015 visste jag inte ifall det var möjligt att bygga en produkt som skulle lösa detta problem.

Under de första sex månaderna arbetade min medgrundare och jag som konsulter och analyserade data manuellt åt kunder som letade efter nya insikter och nya frågor att ställa sig.

Effekten som vi hade på våra kunder var enorm och visade att det fanns ett värde där, men det tog oss 5 försök att bygga en produkt som verkligen kunde lösa problemet.

Idag använder Outlier över ett dussin former av statistisk maskininlärning för att omvandla rått företagsdata till automatiskt genererade insikter för företagsanvändare.

Precis som med de flesta AI-system tog det oss flera år att förfina och justera alla dessa modeller för att få dem att arbeta tillsammans för bästa resultat.

Vilket problem löser Outlier?

Outlier övervakar din företagsinformation och meddelar när oväntade ändringar uppstår, till exempel förändringar i kunders beteende eller demografi.

Vad gör Outlier, och varför är det viktigt för Era kunder?

Vad är Outlier?

Outlier är ett nytt sätt att tänka inom beslutsstöd.

Istället för att skapa nya instrumentpaneler eller köra nya frågor mot databasen när nya frågeställningar uppstår, övervakar Outlier all din företagsinformation och meddelar när oväntade förändringar sker i kundbeteende, demografi och konverteringar.

Varför är Outlier nödvändigt?

Automatiserad analys och detektering är avgörande för moderna företag som har kontaktpunkter med miljontals kunder varje dag.

Kostnaden för att missa förändrade kundpreferenser, effekterna av vad konkurrenterna gör, eller problem i dina produkter kan mätas i miljontals dollar.

Med så mycket data som produceras från alla delar av verksamheten finns det inget sätt för oss människor att analysera allt för att ligga ett steg före.

Kunderna kan konfigurera Outlier på några minuter och sedan börja varje arbetsdag med ett e-postmeddelande som väntar i inkorgen, med de 4-5 viktigaste sakerna som händer i din verksamhet som du behöver veta.

Genom att skräddarsy insikterna för varje enskild person är Outlier som att ge alla på företaget en egen affärsanalytiker som ständigt letar efter dolda problem och möjligheter.

Vad gör Outlier annorlunda?

Nästan alla verktyg för beslutsstöd som finns tillgängliga idag kräver att företagen konsoliderar sina data till ett enda datalager- eller datasjö och sedan skapar komplexa datamodeller som används för att generera diagram och instrumentpaneler.

Den processen kan ta månader eller år att genomföra, och är dyr att behålla när data växer och förändras.

Outlier kopplar i stället upp sig mot företagsdata varhelst det är lagrat, oavsett om det är en molntjänst eller en SQL-databas. Det tar bara några minuter att ställa in och kan hitta insikter i och mellan många olika system genom att använda statistisk maskininlärning utan inmatning eller konfiguration från användaren.

Det är så Outlier kan fylla i den blinda fläck som de flesta organisationer har bakom instrumentpanelerna, och ställa fler frågor om nya trender i verksamheten.

Hur använder Outlier AI?

Outlier använder över ett dussin olika typer av statistisk maskininlärning i ett beräkningsrör om åtta steg som förvandlar råa statistiska data till mänskligt läsbara insikter. På en översiktlig nivå innebär det fyra steg:

1. Modellerar alla dimensioner i allt affärsdata för att förstå vad som är normalt för varenda en ur miljontals kundsegment.
2. Detektering av avvikande händelser som inte passar det förväntade beteendet.
3. Gruppering av händelser för att hitta större mönster på högre nivå.
4. Filtrera händelsekluster för att välja de som bäst matchar användarnas behov.

De flesta av våra kunder har miljontals datadimensioner, men bara tid för att ta in 4-5 nya insikter varje dag. Det betyder att varje steg i Outlier-processen måste minska universumet med möjliga insikter med 10 gånger eller mer.

Sådan noggrannhet kräver både flera lärande system och enorma datamängder för att träna dem att känna igen rätt mönster och filtrera ner informationen därefter.

Vad är framtiden för AI inom affärslivet och marknadsföring?

Framtiden, som redan är här, är att automatisera beslutsfattandet.

I många organisationer är många människors arbete att titta på indata (i form av kalkylark, diagram och rapporter) och ta en lämplig åtgärd.

Vi har redan sett detta inom onlineannonsering där människor med kalkylblad har ersatts av DSP’s (demand side platforms) som programmatiskt köper miljontals annonser varje minut.

Det finns många jobb som idag kräver en människa men som kommer att automatiseras under de närmaste åren.

Tror du att marknadsförare kommer att ersättas av AI-robotar?

Det har de redan blivit i många fall. Den stora majoriteten av onlineannonsering köps programmatiskt, med AI-drivna system som köper och säljer annonsutrymme miljontals gånger i minuten.

Det här är en stor anledning till att du ser en minskning och konsolidering på den digitala byråmarknaden, eftersom människor blir mindre nödvändiga för att köpa och sälja annonsplats. Köpet av icke-online-reklam (TV, radio, etc.) drivs av data och analyser som använder AI för att göra rekommendationer.

Idag är människor fortfarande i centrum för företagens marknadsföring och det kommer sannolikt fortsätta vara så på marknader där kreativitet är viktigare än ren prestation.

AI är helt överlägsen människor för att förbättra prestanda, men människor dominerar fortfarande i kreativitet.

Har du några andra tankar kring AI inom affärslivet och marknadsföring?

Alla uppgifter som kräver repetitiva handlingar och som en människa kan lära sig på några veckor kommer att automatiseras med hjälp av AI-system. Detta inkluderar allt från redovisning till juridik, eftersom AI-system kan göra dem så mycket snabbare till lägre kostnad.

Områden som design, strategi och varumärkesbyggande kommer även fortsättningsvis hanteras av människor tills AI-system som kan vara kreativa och innovativa har konstruerats, vilket kommer att ske förr eller senare.

I den här intervjun gav Sean Byrnes en mycket intressant insikt i hur AI kommer att förändra BI, och tillhandahålla automatisk övervakning av stora datamängder som ger beslutsstöd med artificiell intelligens.

Själv är jag författare och konsult inom marketing automation och artificiell intelligens. Behöver du hjälp med att installera och sätta upp ett marketing automation system, eller AI-baserade lösningar? Kontakta mig – jag erbjuder konsulttjänster på området!

Är du intresserad av framtidens marknadsföring? Här finner du fler artiklar om marknadsföring med AI och marketing automation.

Vill du lära dig mer? Läs mina bloggartiklar om marketing automation och datadriven marknadsföring!