Logo ImpresaCity.it

Machine Learning per una maggiore autonomia decisionale

Come l’utilizzo di logiche di apprendimento automatico può abilitare funzioni di problem solving per affrontare sfide complesse e continue in ambito scientifico, medico, business ed economico

Autore: David Jonker, Senior Director, SAP Leonardo

Il machine learning potrebbe essere la tecnologia che si guadagna il termine “intersezionalità” per la sua capacità potenziale di risolvere problemi sia di larga scala che di nicchia. Un paio d’anni fa, l’attivista per i diritti civili Kimberle Crenshaw ha reso famosa la parola “intersezionalità” come termine per descrivere la connessione e sovrapposizione di gruppi di persone. Anche se questa espressione ormai molto diffusa tra gli attivisti in ambito sociale non ha avuto fortuna nel mondo della tecnologia, è in realtà particolarmente adatta a descrivere l’incredibile potenziale del machine learning.

Il machine learning elimina i pregiudizi umani che sono presenti in qualsiasi decisione. Ma non è l’unico vantaggio. Il machine learning riesce molto meglio a individuare schemi e correlazioni in data set estremamente ampi. Ciò che caratterizza ulteriormente il machine learning è il fatto di imparare e migliorare costantemente con l’esperienza. Diventa più intelligente, più veloce, più efficiente e più preciso, e questo sta spingendo organizzazioni di ogni tipo a coglierne i vantaggi.

Aeroporti e altre strutture che attirano grandi masse di persone stanno studiando il machine learning per migliorare la sicurezza attraverso il riconoscimento dei comportamenti. Purtroppo lo scan dei bagagli e i controlli a raggi X non riescono a garantire la nostra sicurezza, ma il machine learning può identificare i comportamenti che mettono le persone a rischio. I think tank e le associazioni di tutto il mondo invece stanno adottando il machine learning per creare energia pulita e più conveniente e per ridurre la fame nel mondo.

Nella sanità, gli ospedali stanno utilizzando il machine learning per migliorare le probabilità di successo degli interventi chirurgici, mentre i ricercatori stanno sviluppando medicinali in modo più veloce ed economico. Il machine learning è al lavoro anche nelle strade delle nostre città, dove le smart city stanno cerando di limitare la congestione del traffico. Quando il traffico scorre meglio, i veicoli generano minore inquinamento e migliorano la resa in termini di chilometri percorsi per litro di carburante. Guardando verso il cielo, il machine learning sta analizzando il cosmo e facendo previsioni sulle coordinate del prossimo pianeta nel nostro sistema solare.

Le storie di utilizzo del machine learning sono straordinarie. I prossimi esempi illustrano bene l’”intersezionalità” di questa tecnologia e le possibilità che offre per rendere il mondo un posto migliore.

machine learning terms dreamstime s 80010644 e1491501780748


Il machine learning per fermare il crimine
La Gendarmeria Nazionale, una delle due forze di polizia nazionali in Francia, ha il dovere di far rispettare la legge e di proteggere i cittadini nelle città più piccole e nelle aree rurali. Da quando ha adottato sistemi di analisi predittiva e machine learning per svolgere diversi compiti di contrasto del crimine, la Gendarmeria processa grandi moli di dati strutturati e non, testi, dati spaziali, immagini e informazioni di altro tipo per prevedere furti d’auto, identificare trend per i furti in casa su scala nazionale e stimare in anticipo la necessità di personale.

Dopo aver analizzato i dati, il team può contare su strumenti di mappatura sofisticati per visualizzare e decidere quali aree necessitano di essere maggiormente pattugliate. Per ridurre i furti di auto e in casa, il team operativo utilizza analisi predittive per identificare punti caldi e schemi sulla base della posizione e delle tempistiche dei crimini. Aggiungendo il machine learning al proprio arsenale per combattere il crimine, la Gendarmeria Nazionale sta facendo leva su tecniche di provata efficacia e modernizzando l’Arma con gli strumenti di difesa più intelligenti oggi disponibili.

Una nuova tecnologia guadagna spazio sulla scena mondiale
Si stanno compiendo numerosi sforzi per mettere il machine learning a disposizione dei leader mondiali, per aiutarli a risolvere le nostre sfide più complesse. Nel 2015, 193 leader mondiali hanno identificato 17 obiettivi globali per lo sviluppo sostenibile e gruppi come l’Organizzazione per lo Sviluppo Industriale delle Nazioni Unite (UNIDO) hanno intrapreso la missione di realizzare questi obiettivi. L’UNIDO, un’agenzia specializzata dell’ONU, promuove lo sviluppo industriale per favorire la riduzione della povertà, la globalizzazione inclusiva e la sostenibilità ambientale; l’agenzia è determinata a facilitare l’implementazione dei 17 obiettivi per lo sviluppo sostenibile globale.

È innegabile che questi obiettivi siano materie complesse. È la loro complessità che richiede analytics e machine learning per gestire i dati provenienti da ogni paese e identificare tendenze, fenomeni simili, differenze, anomalie e molto altro ancora. L’UNIDO si affida alle capacità del machine learning per identificare fattori chiave che influenzano le performance in certi settori di un’economia, offrire consigli di investimento basati sui dati e generare un dialogo fondato su fatti, cifre e statistiche.

Il machine learning è di turno in Mercy
Mercy, un pioniere di lungo corso e un sostenitore dei servizi sanitari di qualità, è passato dall’essere un’organizzazione sanitaria tradizionale all’avere una cultura basata sui dati e incentrata sul machine learning. Milioni di pazienti visitano i 43 ospedali per cure intensive e specializzate di Mercy, sperando di alleviare il proprio dolore e sentirsi meglio. Ciò che questi pazienti non sanno è che le persone che si prendono cura di loro non sono solo preparati sulle procedure mediche più moderne, ma possono anche ricorrere al machine learning per ottenere risultati sanitari migliori.

I data set relativi alle cartelle cliniche elettroniche, al conto dei pazienti e ai processi di business sono a disposizione di ogni gruppo per effettuare test, permettendo a Mercy di avere una maggiore visibilità, ad esempio sulle variazioni di cure cliniche per i pazienti che soffrono di insufficienza cardiaca, polmonite o che devono essere operati. Mercy ha risparmiato 9,2 milioni di dollari eliminando o riducendo al minimo l’uso di determinati prodotti chirurgici, limitando le variazioni nei protocolli chirurgici e stabilendo buone pratiche in tutti i reparti chirurgici per assicurare ottimi risultati post-operatori ai propri pazienti.

Algoritmi e analytics per la gestione del personale
Quale organizzazione non ambisce a tenersi stretti i propri dipendenti migliori? Grazie al machine learning, Covenant Transport Group (CTG) ha scoperto perché aveva alti tassi di rotazione degli autisti. Con gli insight generati dagli esperti dell’area risorse umane, CTG ha costruito vari modelli basati su diverse tipologie di autisti, periodi di guida, comportamenti degli autisti e dati provenienti da siti di annunci di lavoro.

L’analisi predittiva con il machine learning ha combinato queste variabili e ha utilizzato degli algoritmi per identificare gli autisti con una probabilità elevata di lasciare la compagnia. Allo stesso tempo, ha fornito raccomandazioni ai manager di CTG su come gestire agli autisti a rischio. In meno di sei mesi, l’azienda ha ridotto del 15% la perdita di autisti e ha recuperato l’investimento nel primo anno. Mentre i dipendenti in forza all’azienda cambiano, il machine learning si adatterà ai nuovi dati, aggiornando le proprie raccomandazioni per CTG, in modo che la società possa tenere il passo con le tendenze del personale.

Offerte più intelligenti fanno decollare il business
mBank, la banca online più grande della Polonia e la quarta più grande banca a livello retail, ha adottato un nuovo tipo di analisi di mercato predittivo e specializzato nel creare offerte rilevanti per i prodotti giusti, al momento giusto e al giusto prezzo. Le offerte mirate stanno aumentando la presenza della banca tra i clienti e consolidando la sua leadership nella comunicazione con il pubblico.

Creando offerte personalizzate che si adattano allo stile di vita dei propri clienti, la banca ha visto decollare le proprie vendite; i risultati per prestiti diversi dai mutui, prodotti assicurativi e prodotti di risparmio sono cresciuti dal 200% al 400%. Una larga parte dei 4,5 milioni di clienti di mBank paga con carta di credito, il che fornisce a mBank informazioni utili per capire la natura dei loro acquisti. Combinando lo storico degli acquisti con le attività più recenti, mBank può imparare nel tempo quali sono le preferenze del cliente. Il machine learning permette così ai responsabili vendita di mBank di prevedere quali offerte saranno più interessanti per ogni singolo cliente, ottenendo risultati straordinari che parlano da soli.

Obiettivi più elevati, risultati più importanti
Il supporto per una tecnologia che cataloga Big Data a una velocità incredibile, e che per di più diventa sempre più intelligente, cresce giorno dopo giorno. Secondo una ricerca di Forrester (World Business Intelligence And Analytics Software Forecast, 2016 To 2021, il mercato PAML (Predictive Analytics and Machine Learning) avrà un tasso di crescita annuo composto del 15% fino al 2021*. Ci sono forti aspettative per questa tecnologia innovativa, ma la realtà è che il machine learning sta dimostrando il proprio valore anche nei fatti. Dopo decenni di tecnologie che promettono di ridurre i costi e aumentare la produttività, il machine learning raggiunge questi scopi e va oltre. Fissa obiettivi molto più elevati e capisce anche come raggiungerli.
Pubblicato il: 10/10/2017

Tag:

Cosa pensi di questa notizia?

Speciali

speciali

F-Secure: Download PDF

speciali

HPE - Le tecnologie, le soluzioni