Masinõppe kasutamine on tänapäeva maailmas levinud. Spotify muusikasoovitused ja veebipoe tootesoovitused on vaid paar näidet selle rakendamisest meie igapäevaelus. Kuigi masinõpe on ettevõtetele üha kättesaadavam, on lahenduste ehitamine ja juurutamine andmeteadlaste ja AI-inseneride abiga üsna kulukas. 

Kuid on Qlik protsessi automatiseerinud, nii et masinõpet saaks kasutada ka ilma spetsiifiliste statistika, tarkvara- või masinõppealaste oskusteta. Tööriist teeb andmeanalüüsi ja masinõppe kättesaadavaks igapäevastele kasutajatele, kes ei pruugi olla programmeerimise või andmeteaduse eksperdid. Teenus on täielikult integreeritud Qlik Cloudi ja saadaval kõikidele äriklientidele.

Mis on Qlik AutoML?

Qlik AutoML on täiustatud analüüsiteenus, mida pakub Qlik Cloud Data Services. See võimaldab masinõppemudeleid luua ja juurutada, ilma et peaks kirjutama ühtegi koodirida. 

Qlik AutoML-iga saab automatiseerida kogu masinõppe rakendamise protsessi praktiliste äriküsimuste lahendamiseks ja kiirete andmepõhiste otsuste tegemiseks. Protsesside hulgas on nii andmete ettevalmistamine, funktsioonide ekstraheerimine kui algoritmide valik ja optimeerimine. Kõik need on ülesanded, mis nõudsid varem andmeanalüütikute ja arendajate ressurssi.

Qlik AutoML- i peamised eelised 

1) Masinõppemudelite väljaõpetamine, hindamine ja juurutamine minimaalse pingutusega 

Nüüd on AI -ga alustamine ja prototüüpimine lihtne ja tehtav minutitega. Isegi, kui ettevõttes on palgal andmeteadlased, saavad ka nemad nüüd hetkega luua baasmudeleid, vältida aeganõudvat katse-eksituse meetodit ja keskenduda selle asemel keerukate mudelite kohandamisele.

2) Koodi ei pea kirjutama

AutoML on loodud nii, et igaüks saaks seda intuitiivselt kasutada. Seni pidi kõik ette andma programmeerimisega. Kuid nüüd ei pea kasutaja oskama kirjutada keerulisi koodijuppe. AutoML hoolitseb keeruliste protsesside eest nagu mudelite loomine, õpetamine ja rakendamine automaatselt.

Toome ühe näite.

Kuidas leida suure veinivaliku seast uut ja huvitavat, kuid sobivat veini. Kui varem suutis algoritm välja tuua, mis veini kasuks enim otsustatakse, siis nüüd suudab algoritm soovitada mitte statistiliselt eelistatumat, vaid küsijale sobivaimat. Masin ise õpib aru saama, mis veinid mulle meeldivad. Ehk siis saab paluda rakendusel valida nende seast, mida sa veel proovinud pole, kõige sobivam.

3) AI automatiseerimine äriprotsessidesse ja tsentraalne andmehaldus 

Masinõppe tarkvarasid on palju. Kuid eraldi tarkvarana ja eraldi tiimiga on nad andmete kesksest kohast eraldi. Kuid Qliki puhul on masinõpe ärianalüütikas sees. Lihtsalt kasutatav liides on sarnane Qlik Sense’i kasutajaliidesele ja juba olemas on sujuvad liidestusvõimalused muude rakendustega Prediction API abil. Sujuv ühendus erinevate andmeallikatega teeb Qlik AutoML-ist võimsa tööriista ennustuste genereerimiseks ja tulemuste mõistmiseks. 

Masinõpe – aitab aru saada:

Millest sõltub tulemus (y)? 

Millised on kõige olulisemad tegevused (x)?  

Mis juhtub tulemusega (y), kui muuta tegevusi (x)?

Kas mul on võimalik tegevusi (x) automatiseerida?

Peamised masina tugevused inimese ees on välja noppida, millised on x-id, millest y sõltub ja millised omadused on omavahel seotud. Näiteks leida, milliste peamiste kriteeriumide alusel inimesed autosid ostavad.

Või ennustada, millised inimesed hakkavad ettevõttest tõenäolisemalt lahkuma. 

Me teame, et inimesed lahkuvad töölt erinevatel põhjustel:

• Töötamise aeg (aastates) ettevõttes
• Rahuolu hinnang
• Viimase hindamise skoor
• Mitme projektiga tegeleb hetkel
• Kolme viimase kuu töömaht
• Tööõnnetuste arv
• Ametikohal tõus (viimase 5 aasta jooksul)
• Palgatase (madal/keskmine/kõrge)

Arvuti oskab tuua andmete pealt mustrid välja, et mis on kõige olulisemad tingimused. Qliki masinõpe oskab ennustada iga töötaja puhul tõenäosuse, et lahkub ning nii saab ettevõte planeerida nendega aegsasti vestluse.

Rakendusvaldkonnad

AutoML-i saab kasutada erinevates valdkondades: müügis, finantsis, turunduses ja personalijuhtimises, et leida mustreid andmetes. Samuti saavad kasutajad luua mudeleid, mis aitavad ennustada tulemusi või trende äriandmetes, näiteks teha müügiennustusi.

Kasutusjuhud

Regressioon

Millist sõltub nõudlus?

Millest sõltub kliendi lojaalsus?

Millised on toote/teenuse omadused, mida ostjaid enim väärtustavad?

Klasterdamine

Kuidas kliendid grupeeruvad tarbimisharjutuste järgi?

Kuidas pakendada tooteid/teenuseid?

Millised tooted sobivad üles- ja ristmüügiks?

Klassifitseerimine

Kõnekeskuses sissetulevate päringute klassifitseerimine

Krediidiotsused

Klientide lahkumine

Soovitusmootor (mis tooteid ostetakse koos)

Koolitus

Meil on rõõm näha, et Qlik täiustab pidevalt oma platvormi võimalusi.

Kuigi AutoML on üsna intuitiivne, on hea erinevad kasutusjuhud ühe korra koos juhendajaga läbi harjutada. Kutsun sind liituma koolitusega siin.