Business AI: Start småt og høst de lavthængende frugter

Måske er du skræmt af, at al snak om kunstig intelligens hurtigt udvikler sig til at lyde stort, avanceret og dyrt. Men faktisk behøver det ikke være så avanceret, stort eller dyrt at komme i gang. Her er et par gode råd.

Del artikel:

Business AI sammenfatter machine learning og kunstig intelligens til brug for at drive forretningsmæssige beslutninger og/eller optimering af nuværende processer. Der er tale om business AI, når én af de to metoder – eller begge – bruges til at lave prædiktiv modellering, der kan hjælpe virksomheden med at være på forkant med sit marked og sine kunder. Business AI adskiller sig derfor fra almindelig business intelligence, idet det så at sige bygger et ekstra lag ovenpå.

 

Er din organisation klar til business AI?

Et rigtig godt sted at starte er at overveje, om din organisation er klar til business AI. Er den ikke dét, er det selvfølgelig smartest at starte med at få den gjort klar. Er den, er skridtet fra business intelligence til business AI nok mindre, end du tror.

 

Stil dig selv og dine kolleger følgende to spørgsmål og svar helt ærligt:

  • Er der et ønske fra topledelsen om, at virksomheden skal træffe datadrevne beslutninger?
  • Er der ledelsesmæssigt buy-in til, at det kan betyde, at processer, organisation, marketing mv. skal tilrettes på baggrund af den viden, data bibringer?

 

Kan du svare ”ja” til begge, er I faktisk klar. Business AI kan nemlig opnås uden at skulle ansætte nyt personale eller gennemføre dyre IT-indkøb. I hvert fald til at starte med, og nu er der jo tale om en guide til at starte småt.

 

Få klarhed over potentialet med et proof-of-concept

En opgave, der aldrig kan springes over, er definition på, hvilke spørgsmål, I ønsker, at data skal svare på. Skal I have et bedre kendskab til jeres kunder? Skal I have stærkere leads til DM? Skal I reducere churn? Det kan jo snildt være flere spørgsmål, I er nysgerrige på, og det er bl.a. derfor et proof-of-concept er et godt udgangspunkt.

 

Eksempel: Reducering af churn

Lad os arbejde videre med et eksempel, hvor Virksomhed X er interesseret at reducere sin churn.

 

Virksomhed X ved allerede, hvilke kunder, de tjener flest penge på, og de kender også deres churn-rater. Det ved de fra deres interne kundedata.

 

 

For at kunne forbedre deres indsats for at reducere churn blandt deres bedste kunder og få flere af de gode kunder, bygger vi nu et tænkt proof-of-concept for, hvordan de kan bruge business AI til dette.

 

 

Med vores Predict kan vi nemlig kombinere Virksomhed X’s data med de 800 tredjepartsvariable i vores nordiske data lake og finde frem til, hvilke data, der har den største forklaringskraft i forhold til at forklare kundernes churn og identificere det ideelle segment at gå efter i fremtidige kampagner. Det kræver kun, at Virksomhed X kan udtrække og strukturere de samme data som de brugte til at lave tabellen ovenfor med. Har Virksomhed X flere data tilgængelige, er det selvfølgelig en fordel, men det er altså ikke en forudsætning.

 

Predict-rapporten ranker Virksomhed X’s variable og dataene i vores data lake efter deres forklaringskraft og vigtighed (se et eksempel på en fuld rapport her). Det gør det hurtigt og let at finde ud af, hvilke data, der skal arbejdes videre med, og rapporten anbefaler desuden også, hvilken type af machine learning-model, der egner sig bedst til opgaven.

 

Nu begynder det at ligne business AI uden at Virksomhed X har skullet vente særligt længe, investeret i ny teknologi eller ansat nye data scientists. Til gengæld har de lært noget om deres kunder og hvilke data, der er de rette til at løse deres point of pain.

 

Beslut dig for dit næste skridt med en business case

Med udgangspunkt i dette proof-of-concept, kan Virksomhed X opstille en business case og en projektplan for at komme videre med deres business AI. Og selv hvis budgettet ikke rækker til investeringer i software, der kan deploye den model, der blev udviklet, fik de en ny viden, de kan bruge i indkøb af leads, kampagner og designet af loyalitetsindsatser.

 

Hvad er det rette setup for din virksomhed?

Der er altså som udgangspunkt tre modeller med tre forskellige investeringsniveauer at vælge mellem med udgangspunkt i et proof-of-concept som beskrevet ovenfor:

  1. Den store investering: At opgradere eller indkøbe det tekniske set-up til at deploye en ML-drevet prædiktiv model
  2. Den mellem investering: At lade en ekstern leverandør hoste den ML-drevne prædiktive model
  3. Den lille investering: At tage de indsigter, der er skabt under arbejdet med et proof-of-concept med i det videre arbejde, men ikke deploye modellen

 

Vi kan facilitere jeres business AI i alle tre scenarier og vil du vide mere om dét, kan du enten læse mere om vores Data Analytics Platform, der netop egner sig til dét, du lige har læst om, eller kontakte mig, så vi kan tale om, hvad der kunne være den rette løsning for lige netop jeres virksomhed.

Vi kan hjælpe jer i gang med business AI

Kontakt mig direkte eller skriv dig op nedenfor, så tager vi en snak om, hvordan vi kan facilitere jeres AI-rejse

Frank K. Nielsen portrait

Frank K. Nielsen

Executive Director Sales

+45 2835 3280

Linkedin