Von Alex Welsh , Vice President, Analytics Practice, Ephesoft
Würden Sie entscheiden, wo Sie in den Urlaub fahren, wenn Sie nur auf 10 bis 20 Prozent der Bewertungen und Informationen auf einer Reise-Website zugreifen könnten? Wenn Sie das tun, werden Sie wahrscheinlich eine unvergessliche Reise haben, aber aus Gründen, die Ihnen vielleicht nicht gefallen. Dennoch treffen Regierungsorganisationen und Unternehmen – von der Fertigung bis zu Versicherungsunternehmen und vom Gesundheitswesen bis zum Bankwesen – Entscheidungen in genau dieser Richtung. Und das tun sie seit Jahren. Sie betrachten die einfachen Informationen, die sie aus strukturierten Daten gewinnen können, während sie ihre unstrukturierten Daten ignorieren, die nach Ansicht von Deloitte 80 bis 90 % der weltweit generierten Inhalte ausmachen könnten, was unstrukturierte Daten zu einer enormen Quelle ungenutzten Werts macht.
Glücklicherweise machen es Fortschritte in der KI (Künstliche Intelligenz) und im maschinellen Lernen jetzt möglich und erschwinglich, riesige Mengen unstrukturierter Daten, die aus Video- und Audiodateien, E-Mails, Protokollen, Social-Media-Posts und sogar Benachrichtigungen stammen, zu sichten und Bedeutung zu finden von Internet of Things (IoT)-Geräten. All diese Daten können enorme Vorteile mit sich bringen, beispielsweise wenn sie zur Automatisierung von Aufgaben verwendet werden, die manuell intensiv und oft sehr repetitiv sind. Eine Aufgabe besteht beispielsweise darin, auf rote Fahnen zu achten:Bestimmte Kriterien oder Verhaltensweisen, die darauf hindeuten können, dass etwas nicht stimmt, und es müssen schnell Korrekturmaßnahmen ergriffen werden. Sehen wir uns einige Fälle aus verschiedenen Branchen an.
Wie wäre es mit einem Versicherungsanspruch, der oberflächlich betrachtet in Ordnung erscheint, aber einer Untersuchung bedarf, oder einem Stellenbewerber, der möglicherweise Informationen verheimlicht? Was ist mit einer Sendung leicht verderblicher pharmazeutischer Produkte, die möglicherweise für einen Teil ihrer Reise nicht gekühlt wurden, oder einem Vertrag, der möglicherweise gegen die Gesetze eines Landes verstößt oder gegen eine bestehende Vereinbarung mit einem anderen Unternehmen verstößt? Wichtig ist, dass eine rote Flagge auf Probleme hinweist, die großen Schaden anrichten könnten, wenn sie nicht überprüft werden.
Künstliche Intelligenz ist enorm datenhungrig
Wie ermöglichen KI und maschinelles Lernen eine effizientere und effektivere Datenanalyse? Indem es mit Daten gefüttert wird. Indem einem maschinellen Lernmodell Beispiele für gute und schlechte Transaktionen gegeben werden, bringt es sich selbst bei, zwischen den beiden Arten zu unterscheiden. Und je mehr Daten das Modell für maschinelles Lernen verarbeitet, desto mehr verstärkt es diese Lektionen und verbessert die Genauigkeit.
Obwohl KI und maschinelles Lernen große Fortschritte machen, müssen Unternehmen und andere Organisationen aufholen. Stellen Sie sich das so vor:Daten sind wie Treibstoff. Wir brauchen es, um unser Denken anzutreiben, um weise Entscheidungen zu treffen. Aber wir haben all die einfachen Dinge abgebaut, die strukturierten Daten, die in netten und ordentlichen Paketen ankommen. Aber hier bricht die Kraftstoffanalogie zusammen:Auch wenn wir mit einer weiteren Gallone Benzin weitere 20 bis 30 Meilen fahren können, je mehr Daten wir eingeben, desto besser und genauere Entscheidungen können wir treffen – nicht nur weitere 20 bis 30 - ungerade Meilen wert – und um sie noch schneller zu machen.
Dennoch blieb ein enormer Teil unserer Daten, unserer unstrukturierten Daten, so lange ungenutzt, weil sie zu teuer und zu schwer zugänglich und zu verarbeiten waren. Und obwohl dies nicht mehr der Fall ist, da neue Technologien zum Sammeln und Analysieren unstrukturierter Daten verfügbar werden, haben viele Menschen in Unternehmen und anderen Organisationen diese Fortschritte übersehen.
Wo das Smart Money ist
Die International Data Corporation (IDC) prognostiziert, dass Unternehmen, die sowohl strukturierte als auch unstrukturierte Daten – also alle relevanten Daten – analysieren und umsetzbare Informationen liefern, bis 2020 zusätzliche Produktivitätssteigerungen in Höhe von 430 Milliarden US-Dollar gegenüber ihren Konkurrenten erzielen werden, die keine solche Datenanalyse durchführen. Und Unternehmen, die das verstehen, warten nicht bis 2020. Eine Führungskraft eines multinationalen Versicherungsunternehmens mit Sitz in Deutschland bezeichnet unstrukturierte Daten als ihr größtes Risiko. Sie verstehen die Zahlen, um die es geht, und arbeiten daran, sicherzustellen, dass sie nicht überrascht werden, indem sie Versicherungspolicen abschließen, die sie Haftungsrisiken aussetzen, die sie hätten vermeiden können.
Die kombinierte Leistungsfähigkeit von Big Data, KI und maschinellem Lernen kann die Verarbeitung von Informationen im Zusammenhang mit noch komplexeren Herausforderungen erleichtern. Beispielsweise können Banken und andere Organisationen Betrug, Steuerhinterziehung, Geldwäsche und andere Machenschaften genauer und schneller aufdecken, indem sie zuvor unverarbeitete, unstrukturierte Daten auswerten. Dadurch können sie Betrugs- und Missbrauchsfälle aufdecken und unterbinden sowie die vielen Fehlalarme vermeiden, die auftreten können, wenn man sich nur auf strukturierte Daten verlässt. Handelsfinanzierungsvereinbarungen, einschließlich Verträge und mehrere Datenquellen, zwischen Ländern oder Unternehmen können ebenfalls durchsucht werden, um festzustellen, ob Betrug oder Ungerechtigkeiten vorliegen, ob beabsichtigt oder nicht.
Darüber hinaus können KI und maschinelles Lernen Banken und anderen Unternehmen helfen, die Identität ihrer Kunden durch automatisierte Know Your Customer (KYC)-Verfahren besser zu identifizieren und zu verifizieren. Solche Verfahren können dazu beitragen, zu verhindern, dass sie absichtlich oder versehentlich für Geldwäscheaktivitäten verwendet werden, und helfen, Bestechung und andere Formen der Korruption zu verhindern. KYC-Verfahren können es Unternehmen auch ermöglichen, die finanziellen Geschäfte und Bedürfnisse ihrer Kunden besser zu verstehen und ihnen helfen, Risiken umsichtiger zu managen. Zu den weiteren Vorteilen gehört die Verkürzung der Time-to-Revenue beim Onboarding neuer Kunden, wodurch KYC nicht zu weiteren Kosten, sondern zu einer Gewinnquelle wird.
KI und maschinelles Lernen können Ihre Wettbewerbsfähigkeit steigern
Mit all den Vorteilen, die durch KI und maschinelles Lernen erzielt werden, und den Fortschritten in der Technologie, die zur Verarbeitung strukturierter und unstrukturierter Daten verwendet wird, ist es an der Zeit, dass mehr Unternehmen und Organisationen die größte verfügbare Informationsquelle nutzen:ihre eigenen unstrukturierten Daten.
Über den Autor
Alex Welsh leitet die globale Analytics-Praxis von Ephesoft. Er ist ein erfahrener Vertriebsleiter, Projektmanager und Unternehmer mit einer Leidenschaft dafür, unternehmenskritische Probleme von Kunden mit innovativen, kostengünstigen Technologielösungen zu lösen.
