Oleh Alex Welsh , Wakil Presiden, Praktik Analisis, Ephesoft
Apakah Anda akan memilih tempat berlibur jika Anda hanya dapat mengakses 10 hingga 20 persen ulasan dan informasi di situs Web perjalanan? Jika ya, Anda mungkin akan memiliki perjalanan yang tak terlupakan, tetapi untuk alasan yang mungkin tidak Anda sukai. Namun, organisasi dan bisnis pemerintah—mulai dari manufaktur hingga perusahaan asuransi, dan layanan kesehatan hingga perbankan—membuat keputusan di jalur yang sama. Dan, mereka telah melakukannya selama bertahun-tahun. Mereka melihat informasi mudah yang dapat mereka peroleh dari data terstruktur sambil mengabaikan data tidak terstruktur mereka, yang menurut Deloitte dapat menjelaskan 80 hingga 90 persen konten yang dihasilkan secara global, menjadikan data tidak terstruktur sebagai sumber nilai luar biasa yang belum dimanfaatkan.
Untungnya, kemajuan dalam AI (Kecerdasan Buatan) dan pembelajaran mesin sekarang memungkinkan dan terjangkau untuk menyaring dan menemukan makna dalam sejumlah besar data tidak terstruktur yang diperoleh dari file video dan audio, email, log, posting media sosial, dan bahkan pemberitahuan dari perangkat Internet of Things (IoT). Semua data ini dapat memberikan manfaat yang sangat besar, seperti ketika digunakan untuk mengotomatisasi tugas-tugas yang intensif secara manual dan seringkali sangat berulang. Salah satu tugas, misalnya, adalah waspada terhadap tanda bahaya:kriteria atau perilaku tertentu yang mungkin menunjukkan ada sesuatu yang salah dan tindakan korektif harus segera diambil. Mari kita lihat beberapa kasus dari industri yang berbeda.
Bagaimana dengan klaim asuransi yang tampak baik-baik saja di permukaan, tetapi layak untuk diselidiki, atau pelamar kerja yang mungkin menyembunyikan informasi? Bagaimana dengan pengiriman produk farmasi yang sangat mudah rusak yang mungkin tidak didinginkan selama sebagian perjalanannya, atau kontrak yang mungkin melanggar undang-undang suatu negara atau melanggar perjanjian yang ada dengan perusahaan lain? Yang penting adalah bendera merah menunjukkan masalah yang, jika dibiarkan, dapat menyebabkan kerusakan besar.
Kecerdasan Buatan Sangat Lapar Data
Bagaimana AI dan pembelajaran mesin memungkinkan analisis data yang lebih efisien dan efektif? Melalui makan itu data. Dengan memberikan contoh model pembelajaran mesin tentang transaksi yang baik dan buruk, ia mengajarkan dirinya untuk membedakan kedua jenis tersebut. Dan, semakin banyak data yang diproses oleh model machine learning, semakin kuat data tersebut memperkuat pelajaran tersebut, sehingga meningkatkan akurasi.
Jadi, meskipun AI dan pembelajaran mesin membuat langkah besar, bisnis dan organisasi lain perlu mengejar ketinggalan. Pikirkan seperti ini:data seperti bahan bakar. Kita membutuhkannya untuk memperkuat pemikiran kita untuk membuat keputusan yang bijaksana. Tapi, kami telah menambang semua hal yang mudah, data terstruktur yang datang dalam paket yang bagus dan rapi. Tapi, di sinilah analogi bahan bakar rusak:Meskipun galon gas lain memungkinkan kita mengemudi lagi 20 hingga 30 mil, semakin banyak data yang kita masukkan memungkinkan kita membuat keputusan yang jauh lebih baik dan lebih akurat—bukan hanya 20 hingga 30 mil lagi. -nilai mil aneh—dan membuatnya lebih cepat.
Namun, begitu lama sebagian besar data kami, data tidak terstruktur kami, tetap tidak dieksploitasi karena terlalu mahal dan terlalu sulit untuk diakses dan diproses. Dan, meskipun hal itu tidak lagi terjadi karena teknologi baru untuk mengumpulkan dan menganalisis data tidak terstruktur telah tersedia, banyak orang dalam bisnis dan organisasi lain telah mengabaikan kemajuan ini.
Di Mana Uang Pintar Berada
International Data Corporation (IDC) memperkirakan bahwa pada tahun 2020 organisasi yang menganalisis data terstruktur dan tidak terstruktur—yaitu, semua data yang relevan—dan memberikan informasi yang dapat ditindaklanjuti akan mencapai tambahan produktivitas sebesar $430 miliar dibandingkan pesaing mereka yang tidak melakukan analisis data semacam itu. Dan, bisnis yang memahami hal ini tidak menunggu hingga 2020. Seorang eksekutif di perusahaan asuransi multinasional yang berbasis di Jerman menyebut data tidak terstruktur sebagai risiko terbesar mereka. Mereka memahami angka-angka yang terlibat, dan berupaya memastikan mereka tidak lengah dengan menulis polis asuransi yang memaparkan mereka pada kewajiban yang sebenarnya bisa mereka hindari.
Kekuatan gabungan dari data besar, AI, dan pembelajaran mesin dapat mempermudah pemrosesan informasi terkait tantangan yang lebih kompleks. Misalnya, bank dan organisasi lain dapat lebih akurat dan lebih cepat mendeteksi penipuan, penghindaran pajak, pencucian uang, dan skema lainnya dengan menambang data yang sebelumnya tidak diproses dan tidak terstruktur. Hal ini memungkinkan mereka untuk menangkap dan menutup kasus penipuan dan penyalahgunaan, serta menghindari banyak kesalahan positif yang dapat terjadi jika hanya mengandalkan data terstruktur. Perjanjian pembiayaan perdagangan, termasuk kontrak dan berbagai sumber data, antar negara atau perusahaan juga dapat ditelusuri untuk menentukan apakah ada penipuan atau ketidakadilan, apakah disengaja atau tidak.
Selain itu, AI dan pembelajaran mesin dapat membantu bank dan jenis bisnis lainnya mengidentifikasi dan memverifikasi identitas klien mereka dengan lebih baik melalui prosedur Know Your Customer (KYC) otomatis. Prosedur-prosedur tersebut dapat membantu mencegahnya digunakan, secara sengaja atau tidak, untuk kegiatan pencucian uang serta membantu mencegah terjadinya penyuapan dan bentuk korupsi lainnya. Prosedur KYC juga dapat memungkinkan bisnis untuk lebih memahami transaksi dan kebutuhan keuangan pelanggan mereka, serta membantu mereka mengelola risiko dengan lebih hati-hati. Keuntungan lainnya termasuk mempercepat waktu untuk memperoleh pendapatan saat menerima pelanggan baru, menjadikan KYC bukan biaya lain yang harus dikeluarkan, tetapi sebagai sumber keuntungan.
AI dan Pembelajaran Mesin Dapat Meningkatkan Daya Saing Anda
Dengan semua manfaat yang diperoleh melalui AI dan pembelajaran mesin—dan kemajuan teknologi yang digunakan untuk memproses data terstruktur dan tidak terstruktur—sudah waktunya bagi lebih banyak bisnis dan organisasi untuk memanfaatkan sumber informasi terbesar yang tersedia:data tidak terstruktur mereka sendiri.
Tentang Penulis
Alex Wales memimpin Praktik Analisis global Ephesoft. Dia adalah direktur penjualan, manajer proyek, dan wirausahawan berpengalaman dengan hasrat untuk memecahkan masalah penting misi pelanggan dengan solusi teknologi hemat biaya yang inovatif.
