Como as empresas inteligentes avançam com machine learning

O machine learning ajuda as organizações a melhorar e reinventar os processos de negócio, identificar novas oportunidades de mercado e mitigar riscos conhecidos e desconhecidos.

Exemplos de como e por que as empresas estão adotando o machine learning para produzir decisões mais rápidas, orientadas por dados, que criam vantagem real para os negócios.

Tome decisões mais inteligentes e mais rápidas a partir de conjuntos de dados que não param de crescer

Muitos problemas de negócios podem ser irritantemente complexos, envolvendo a análise de conjuntos de dados extremamente grandes e diversificados. As organizações sempre se deparam com perguntas como: "O departamento de TI é capaz de criar uma aplicação que possa caçar spam para impedir postagens de lixo eletrônico a partir da “sufocação” dos fóruns das comunidades da nossa empresa na web?"

Responder e tomar medidas relacionadas a questões tão complicadas e de uso intensivo de dados pode ultrapassar a capacidade da inteligência empresarial (BI) tradicional e dos sistemas de análise baseada em regras. Essas abordagens podem não ser tão avançadas ou suficientemente flexíveis em ambientes de negócios dinâmicos inundados por Big Data oriunda da cloud, mídias sociais, dispositivos portáteis inteligentes e da Internet das coisas (IoT). Para entender melhor e solucionar os desafios em rápida transformação que envolvem enormes conjuntos de dados, as empresas de todos os setores – desde saúde a atividades bancárias, de transporte a manufatura, de educação até varejo e muito mais – estão atualizando suas capacidades analíticas com o machine learning.  

Um subconjunto da inteligência artificial (IA), o machine learning utiliza algoritmos de software especializado que repetidamente, “aprende” e se adapta à medida que os programas percorrem pesados conjuntos de dados. Esses exemplos permitem à organização descobrir padrões, percepções e tendências e atuar sobre eles. E isso produz melhores resultados ao longo do tempo sem a intervenção humana. Esses benefícios estão tornando o machine learning mais comum a cada dia. Os computadores que aprendem orientam uma ampla gama de aplicações do mundo real: análise de dados de IoT, monitoriamento de servidores de computador, propaganda dirigida, reconhecimento de imagem, programação de rotas, sequenciamento genético, games, veículos autônomos, exploração de energia, reconhecimento facial e muito mais.

O machine learning produz percepções orientadas por dados e decisões complexas e acionáveis a partir de conjuntos de dados imensos com muito mais rapidez e confiabilidade do que a análise humana, BI tradicional ou outras abordagens de IA. O machine learning orienta maiores eficiências nas operações de negócios, melhora a segurança e desencadeia a inovação acionada por dados com novos produtos e serviços sob medida para os comportamentos dos clientes. 

Crie processos de negócios internos mais inteligentes

Segundo um estudo recente conduzido por Bain & Company, as empresas que utilizam machine learning e análise têm duas vezes mais probabilidade de tomar decisões orientadas por dados, cinco vezes mais probabilidade de tomar decisões mais rapidamente que seus concorrentes, três vezes mais probabilidade de executar essas decisões com maior velocidade e duas vezes mais probabilidade de alcançar resultados financeiros no quartil superior1. Para muitas organizações, a elevação na curva de maturidade da inteligência empresarial com o machine learning, começa com a utilização desse aprendizado para melhorar os principais processos internos de negócios.

Alguns exemplos de alto nível incluem:

Melhoria na contratação e no desempenho dos funcionários: Uma empresa de fast food global utiliza o machine learning para ganhar percepção acerca da contratação de talentos, retenção e desempenho dos funcionários. Essa “análise de pessoas” proporciona percepções profundas com relação aos dados de RH utilizando técnicas de modelagem preditiva acerca de fontes de dados múltiplos e integrados. 

Marketing personalizado: Um importante banco italiano criou um sistema de análise cognitiva para avaliar dados dos clientes e encontrar pontos de oportunidade ocultos. A abordagem produziu um programa de marketing externo que melhorou significativamente a conversão de clientes.

Cotações de preços personalizadas: Uma destacada empresa global de software utiliza cotação de preços computadorizada orientada por machine learning para ajustar opções precisas e direcionadas para todos os clientes, reais e potenciais. A empresa possui previsões mais exatas e mais bem direcionadas porque o machine learning integra-se ao sistema de gerenciamento de relações com clientes (CRM) e de planejamento de recursos empresariais (PRE).

Medicina personalizada: Um crescente número de prestadores de serviços de saúde utiliza o machine learning para acionar uma abordagem de medicina de precisão orientada por dados que identifica opções de tratamento personalizado mais econômicas.

Para muitos pioneiros em serviços de saúde e outras áreas, o machine learning está reformulando seus negócios por meio de eficiências aprimoradas, novas descobertas, melhores produtos e serviços ou melhores experiências para os clientes.

1. O departamento de TI é capaz de criar uma aplicação que possa caçar spam para impedir as postagens de lixo eletrônico?

Um dos pontos fortes mais importantes do machine learning – a capacidade de identificar padrões incomuns dentro de vastos conjuntos de dados em condições que mudam rapidamente – torna a tecnologia apropriada para a maior rapidez na detecção e mitigação no campo da segurança. Os algoritmos de machine learning, por exemplo, buscam padrões no modo como os dados são acessados e relatam anomalias capazes de prever violações da segurança. Os responsáveis pelo processamento de pagamentos utilizam os algoritmos de aprendizado para rastrear os padrões de compras dos usuários de cartões de débito e de crédito, sinalizando anomalias, tais como volumes de compras fora do comum ou interações com comerciantes em áreas geográficas que indiquem a possibilidade de fraude.

A Intel Corporation, por exemplo, utiliza técnicas de machine learning para estudar e impedir mensagens indesejadas nos fóruns de comunidades no seu website que atendem a clientes, parceiros e funcionários. Um dos maiores fóruns da Intel era inundado por 10.000 postagens de spam por dia2.

A medida mais comum, convocar moderadores voluntários para excluir postagens indesejadas, não foi suficiente e consumia tempo demais dos funcionários. Também não era possível utilizar filtros para impedir o problema. E o incontrolável crescimento de novos robôs que disseminam spam dificultou ainda mais a definição de uma regra universal para bloquear uma determinada palavra ou frase. Tratava-se de uma mensagem de promoção de apostas em um cassino offshore ou de um dos clientes do ramo de entretenimento da Intel?

Frustrado, o grupo de TI da Intel, criou outra solução. A empresa já utilizava a automação em muitas áreas, tais como monitoramento do funcionamento de PCs e processos de fábricas. Tendo em vista que a automação havia aumentado a eficiência e a eficácia naquelas áreas, por que não utilizar o machine learning para o controle autônomo de spam? Utilizando técnicas sofisticadas de machine learning, engenheiros da Intel criaram um serviço de filtragem de spam que bloqueia automaticamente mensagens indesejadas e mal-intencionadas. As análises de texto permitem que o sistema detecte conteúdo difamatório e censurável em 75 idiomas. E o mecanismo de reputação monitora perfis de usuários para identificar a probabilidade de uma determinada fonte estar enviando spam.

Os ataques diminuíram imediatamente após a Intel ter implementado o programa e os níveis de spam permanecem administráveis desde então. Os picos de lixo de postagem quase desapareceram, graças à capacidade do serviço de aprender dinamicamente e bloquear mensagens indesejáveis.

2. Como podemos fazer uso mais inteligente de sensores?

Para muitas empresas, o uso mais valioso do machine learning é compreender e explorar a torrente de dados recebida de trilhões de sensores e outros dispositivos conectados à Internet das coisas (IoT) e Internet das coisas industrial (IIoT)3. No último ano, fabricantes de automóveis e ferramentas, empresas farmacêuticas, operadores de frotas e empresas de outros setores da indústria iniciaram ou expandiram a utilização do machine learning e análise em IoT como fundamento para a fabricação autônoma.

A Siemens AG, por exemplo, como uma primeira etapa da construção de uma planta para fabricação autônoma, criou um ecossistema de IoT aberto e baseado em cloud chamado MindSphere*. Essa robusta plataforma digital capta, armazena e analisa dados gerados pelos sistemas e sensores de controle de fabricação referentes aos equipamentos conectados via IoT1. A Siemens utiliza machine learning para estudar esses dados e analisar toda a cadeia de suprimentos. Dessa forma, o gigante da indústria internacional determina onde fazer melhorias na linha de fabricação, o que resulta nos maiores ganhos para a empresa. Esses “dados inteligentes” fornecem aos gerentes da Siemens percepções acionáveis que melhoram o tempo de funcionamento dos equipamentos e aumentam a eficiência das operações de produção.

O machine learning e a análise formam a base da fabricação autônoma, onde praticamente todos os processos serão digitais e altamente automatizados. A rápida maturação dos algoritmos de aprendizado tem fornecido aos fabricantes a capacidade de coletar, armazenar e analisar grandes volumes de dados em tempo real e de transformar esses dados em conjuntos de informações acionáveis. Ainda mais importante, o machine learning ajuda as empresas a se tornarem mais inteligentes ao adicionarem dispositivos proativos com machine learning dinâmico de seu ambiente, seus usuários e seu histórico para auxiliar as decisões de operação dos analistas.

3. Podemos agregar os históricos financeiros de muitas pessoas para ajudar na detecção de fraude?

A melhoria dos atuais processos de negócios é apenas o primeiro passo na alavancagem do poder do machine learning. As percepções inéditas que a abordagem produz podem inspirar novos produtos, serviços e novas maneiras de fazer negócios. Essa abordagem pode transformar setores industriais inteiros.

Consideremos o setor de varejo. As lojas físicas estão constantemente trabalhando para se reinventar enquanto competem entre si e contra suas rivais on-line. Especialistas dizem que o êxito – e a sobrevivência ­– do varejo dependem da criação de uma combinação altamente personalizada de vendas on-line e das lojas físicas. Uma empresa de varejo reconheceu que saber no que os clientes estão interessados – e disponibilizar esses produtos para esses clientes no momento certo – elimina grande parte do atrito do processo de vendas. Isso requer uma combinação de dispositivos conectados e software de análise.4
A empresa criou uma aplicação, que utiliza sensores nas lojas e machine learning para captar e analisar as preferências de estilo e as tendências de compra para orientar os estilistas.

Uma outra aplicação do varejista ajuda a acrescentar opções às vestimentas que os clientes já compraram ao sugerir outros itens baseados na proposta inicial. Se um cliente compra uma camisa no site de comércio eletrônico da marca, a plataforma baseada em inteligência artificial apresenta um menu de vestimentas adicionais e acessórios para “completar o look”. Essa abordagem aumenta drasticamente a receita no ponto de venda. Na realidade, a empresa de varejo atualmente fornece 4,5 milhões de recomendações a clientes todos os dias. Tanto o sensor quanto as aplicações de adequação às opções dão ao varejista um sem número de informações valiosas sobre as preferências e comportamentos dos clientes que são utilizadas para personalizar e melhorar as vendas e os serviços.

Como os principais varejistas estão mudando seu foco para machine learning e análise, fica evidente que os dados estão se transformando na força motriz à medida que toda a indústria se esforça para se transformar. Essa tendência provavelmente aumentará, já que varejistas como Lowe’s* Home Improvement e o supermercado Amazon* Go implantam robôs equipados com sensores que realizam auditorias em tempo real nas prateleiras para otimizar o inventário. O exemplo do varejo demonstra as oportunidades oferecidas pelo machine learning. A diferença entre as empresas que adotam a tecnologia e as que não o fazem, determinará quais delas se tornarão disruptoras da indústria e as que fracassarão e serão destruídas.

Como a Intel ajuda a concretizar os benefícios do machine learning

O machine learning e a análise de dados ajudam a tornar as organizações mais inteligentes, rápidas, mais eficientes e mais inovadoras. Decisões em tempo real mais rápidas e melhores conduzem a melhoria operacional e novos produtos e modelos de negócios que fornecem uma vantagem competitiva genuína. Quer uma empresa esteja apenas dando os primeiros passos com um piloto de machine learning ou tenha adotado projetos de análise ambiciosos e avançados, a Intel fornece uma variedade de recursos e tecnologias que ajudam a criar a arquitetura robusta e completa que as tecnologias de machine learning exigem.

O ecossistema do portfólio otimizado por desempenho e soluções completas da Intel apoia a trajetória para a análise de machine learning avançada. A Intel faz isso criando parcerias com os principais integradores de sistemas e fornecedores de tecnologia que oferecem a estrutura para o armazenamento distribuído e o processamento de big data. A própria Intel é líder no emprego de tecnologias de machine learning. O sistema de fabricação da Intel utiliza análise de dados em larga escala e IoT para reduzir custos e aumentar a qualidade. Com essas ferramentas, os gerentes das fábricas podem executar em apenas 30 segundos análises que antes levavam 4 horas.5
Os cientistas de dados da Intel adaptaram o machine learning para analisar o fluxo de dados da IoT. Em vez de utilizar regras rígidas, um mecanismo de análise reconhece alterações que ajudam a determinar como definir alertas para um vasto leque de sensores.6
Os especialistas da empresa e parceiros experientes ajudam organizações a tomarem as melhores decisões acerca de uma ampla gama de necessidades de tecnologia de machine learning e implementação.

A conclusão é que o machine learning em análise é uma realidade. A Intel comprovou o valor do machine learning tanto para seus próprios negócios, quanto para seus clientes e parceiros.

Machine learning, dados e análise preditiva (1 de 3)

Conheça a relação entre machine learning, dados e análise preditiva e como eles estão energizando o futuro.

Saiba mais

Os fundamentos por trás da criação do machine learning (2 de 3)

Saiba mais sobre a criação e implementação de soluções de machine learning e veja por que você deve adotar uma abordagem sistemática.

Saiba mais

Análise avançada

O próximo nível de inovação empresarial exige percepções aceleradas. Comece a usar os produtos e tecnologias Intel®.

Saiba mais

Inteligência artificial

As soluções de inteligência artificial acionadas pela tecnologia Intel® ajudam as empresas a acelerar soluções, automatizar operações e melhorar percepções.

Saiba mais