Viden om

Min anbefaling er at gøre Machine Learning til et forretningsemne hos ledelsen i virksomheden.

Thomas Mortensen, founder & Tech Visionary, Oxygen

Hvorfor er Machine Learning vigtigt?

Investoren Marc Andreessen skrev i 2011 sit famøse essay “Why Software is Eating the World” . Her kom han med teorien “we are in the middle of a dramatic and broad technological and economic shift in which software companies are poised to take over large swathes of the economy”, hvor han argumenterer for hvordan nye og gamle brancher bliver forstyrret af software én efter én.

 

Andreessen ramte plet på en transformation, som allerede har betydet meget, og som vil betyde endnu mere i det kommende årti. Og her vil jeg gerne hjælpe med udbrede kendskabet til Machine Learning, som tit går tabt i en snak om diffuse begreber som kunstig intelligens, skyen og big data.

Machine Learning kan skabe værdi i din virksomhed

Machine Learning har et enormt potentiale, men det kan være svært at gennemskue hvor og hvordan, det præcis kan bruges i virksomheden. Jeg skal forsøge at give et par eksempler som er taget fra vores kundesamtaler.

 

Planlægning og budgettering med en større producent i fødevarebranchen: Hvor meget personale er nødvendigt, og hvor meget skal der være på lager for at klare den kommende periode? Hvilke faktorer er afgørende for udsving?

 

Her og nu-optimeringer taget fra oplæg til en af landets større pengeinstitutter: Hvilke artikler, informationer og produkter er mest relevante for dine besøgende på dit website? Hvilken afdeling kunne med fordel låne en fabriksarbejder af en anden afdeling – lige nu? Hvilke kunder bør tilbydes særbehandling?

 

Detektering af uhensigtsmæssigheder: Hvilke produkter på fabrikken bør undersøges ekstra for fejl, inden de sendes videre? Hvorfor har en given udbringning taget lang tid? Er der et mønster – og hvis ja, følger det mønster personalet eller udstyret? Er der tegn på kunder, som har brug for personligt fokus og opfølgning?

Viden om

“we are in the middle of a dramatic and broad technological and economic shift in which software companies are poised to take over large swathes of the economy”

Marc Andreessen, Investor og forfatter af essayet “Why Software is Eating the World”

Hvad er baggrunden for Machine Learning?

Machine Learning er en slags softwarerobot, som lærer og bliver klogere over tid. Det er en måde i praksis at udføre kunstig intelligens på – men der er omvendt ikke mere magi i det, end at det i sidste ende bare er matematik og statistik trukket ned over store mængder data.

 

Arthur Samuel, som almindeligvis anses, som en af dem der opfandt Machine Learning, definerede allerede i 1959 Machine Learning som the ability to learn without being explicitly programmed.

 

Samuel undersøgte hvordan han, ved at få maskiner til at spille spil (f.eks. dam), kunne udvikle, hvordan man angriber generelle problemstillinger, ved hjælp af en computer. Det fungerede bl.a. ved at lade computeren spille mod sig selv en masse gange og lagre oplysninger om, hvor godt et givet træk viste sig at være. Man kan sige at han ”trænede” algoritmen.

Fint nok – med hvad er Machine Learning helt præcist?

For at forstå Machine Learning skal vi tilbage til helt almindelig programmering.

Her kan vi opsætte nogle mere eller mindre firkantede regler. Et eksempel på sådan en regel er f.eks. at en kunde opnår fri fragt ved at købe for over 1000 kr. i en webshop. Data er, hvor meget brugeren har i indkøbskurven lige nu – holdt op imod reglen. Svaret er, hvorvidt brugeren får fri fragt eller ej.

 

Ser vi på Machine Learning, er normal programmering bogstavelig talt vendt på hovedet.

Her starter vi med at kigge på historiske svar og data. Hvis vi skal blive i indkøbsanalogien, kunne Machine Learning hjælpe med at optimere grænsen for fri fragt. Data vil være en database over historiske brugere, og svar vil være hvordan algoritmens forsøg med forskellige fri fragtgrænser var gået. Ud af algoritmen kommer reglen – nemlig hvad den optimale fri fragtgrænse er.

 

Ovenstående er lidt en simplificering. Det viser princippet, men det fulde billede af Machine Learning kræver et step mere – så hold fast lidt endnu. Machine Learning er nemlig delt op i læringsdelen (illustreret herover) og eksekveringsdelen.

 

Eksekveringsdelen er den del af processen, der efterfølgende anvender de regler, der er blevet defineret i læringsdelen, på den enkelte bruger. Bemærk at vi ikke finder en konkret fri fragtgrænse, og trækker denne ned over alle kunder. Vi har muligheden for at kigge på en række faktorer og vælge den mest optimale grænse for den aktuelle bruger. Herefter præsenterer vi fri fragtgrænsen for brugeren og holder øje med om kunden køber eller ej. Denne information gemmer vi som et feedback-loop til næste gang – så vi ved om vi har været for grådige eller ej.

Hvad gør du nu?

Min anbefaling er at gøre Machine Learning til et forretningsemne hos ledelsen i virksomheden. Næste skridt er at identificere et overkommeligt område i virksomheden – tænk gerne hele værdikæden – vælg ét hvor Machine Learning kan skabe værdi. Lav en kortfattet analyse af det valgte områdes processer og opstil et par KPI’er – altså hvordan succes med Machine Learning ville se ud. Eksekver og lad ledelsen eje projektet.

Partner, Tech Visionary

Thomas Mortensen

26 73 22 16

tm@oxygen.dk