Obviously AI je nástroj, ktorý z obyčajnej tabuľky vytvorí predikčný model bez písania kódu. Nahráte súbor, poviete, ktorý stĺpec chcete odhadnúť, a služba sama vyskúša postupy strojového učenia a ukáže, čo z dát vyplýva. Autori sa snažia, aby sa predikcie dali robiť podobne ľahko ako súhrnná tabuľka v Exceli.
Nižšie nájdete prehľad, čo nástroj ponúka, komu sa hodí a na čo si dať pozor. Konkrétne funkcie a podmienky sa menia, preto ich overte na oficiálnom webe.
Predikcie bez kódu: o čo ide
Väčšina firiem má dáta, no málo z nich ich využíva na odhad budúcnosti. Dôvod je jednoduchý: klasické postupy vyžadujú programovanie, štatistiku a čas. Obviously AI sa snaží túto bariéru znížiť. Používateľ pracuje v prehliadači, s tabuľkou a so základnými voľbami.
Nástroj je určený ľuďom, ktorí poznajú svoje podnikanie, ale nie sú dátoví vedci. Môže ísť o produktového manažéra, marketéra, majiteľa malej firmy alebo analytika, ktorý chce rýchlo preveriť, či sa v dátach niečo skrýva, skôr než požiada o pomoc kolegov z IT.
Hodí sa na takzvané tabuľkové úlohy. To znamená riadky a stĺpce, kde každý riadok popisuje jeden objekt, napríklad zákazníka, predaj alebo kampaň. Nehodí sa na analýzu obrázkov, zvuku ani voľného textu v zložitejšej podobe.
Ako to funguje
Postup má tri hlavné časti: dáta, model a výklad.
Dáta
Nahráte tabuľku, najčastejšie súbor vo formáte CSV alebo export z inej služby. Nástroj rozpozná typy stĺpcov, napríklad čísla, kategórie a dátumy.
Model
Po výbere cieľového stĺpca nástroj skúsi viac postupov strojového učenia a ponúkne ten, ktorý sa na vašich dátach javí ako najlepší. Vy nemusíte vedieť, ako sa jednotlivé algoritmy volajú.
Výklad
Dôležitou časťou sú vysvetlenia. Nástroj ukazuje, ktoré stĺpce mali na výsledok najväčší vplyv, a ponúka odhad pre nové záznamy. Vďaka tomu sa dá model nielen použiť, ale aj čiastočne pochopiť. To je užitočné napríklad pri komunikácii s vedením, ktoré chce vedieť, prečo model odporúča určitý krok.
Konkrétne scenáre z praxe
- Odhad zrušenia predplatného. Predplatiteľská služba si z histórie aktivity zistí, ktorí používatelia sú rizikoví, a môže ich osloviť s ponukou.
- Skórovanie dopytov. Obchodný tím zoradí nové kontakty podľa pravdepodobnosti, že sa stanú zákazníkmi.
- Odhad predaja podľa vlastností produktu. Menší výrobca zistí, ktoré parametre produktu a cenové hladiny súvisia s lepším predajom.
- Predpoveď neplatenia faktúr. Firma si z histórie platieb označí odberateľov, ktorí platia neskoro, a upraví podmienky.
- Odhad výsledku kampane. Marketér z predchádzajúcich kampaní zistí, ktoré kombinácie kanála a cieľovej skupiny fungovali.
- Predikcia výsledkov v neziskovom sektore, napríklad ktorí darcovia prispejú opakovane.
Zaujímavé je, že aj bez nasadenia do produkcie môže model priniesť hodnotu čisto ako analytický nástroj. Pozrieť sa na to, čo ovplyvňuje výsledok, môže zmeniť rozhodnutia, aj keď žiadnu predikciu nikdy nepoužijete automaticky.
Ako začať krok za krokom
- Zvoľte otázku, na ktorú chcete odpoveď, napríklad „ktorá objednávka bude vrátená".
- Pripravte súbor, v ktorom je každý riadok jeden prípad a existuje stĺpec so skutočným výsledkom z minulosti.
- Odstráňte stĺpce, ktoré obsahujú informáciu známu až po udalosti, pretože by model zavádzali.
- Vytvorte si účet na oficiálnom webe a nahrajte súbor.
- Vyberte cieľový stĺpec a spustite tvorbu modelu.
- Prečítajte si hodnotenie kvality a zoznam najdôležitejších vplyvov. Skontrolujte, či dávajú zmysel.
- Vyskúšajte predikcie pre niekoľko nových záznamov, ktorých výsledok už poznáte.
- Rozhodnite, či model použijete ako jednorazovú analýzu, alebo ako pravidelný nástroj.
Ako dostať lepšie výsledky
Najväčší vplyv majú dáta. Zbierajte viac záznamov, nie len viac stĺpcov, a dbajte na to, aby boli rovnako zaznamenané. Napríklad „SR", „Slovensko" a „Slovakia" v jednom stĺpci sa môžu javiť ako tri rôzne hodnoty.
Skúste pridať stĺpce, ktoré zachytávajú správanie, nie len statické údaje. Počet návštev za posledný mesiac často povie viac ako mesto bydliska.
Vždy overujte model na dátach, ktoré nevidel. Ak máte dosť záznamov, nechajte bokom časť najnovších a otestujte, či by model fungoval na nich. Tým napodobníte skutočné používanie, kde predpovedáte budúcnosť, nie minulosť.
Pri výsledkoch sa pýtajte, či dávajú zmysel pre vašu prax. Ak model tvrdí, že hlavným dôvodom nákupu je interné číslo objednávky, ide pravdepodobne o chybu v dátach, nie o objav.
Obmedzenia a riziká
Predikcia je odhad. Aj dobrý model sa mýli, a to najmä v situáciách, ktoré sa v histórii nevyskytli. Mimoriadne udalosti, nové produkty alebo zmena trhu môžu výsledky zhoršiť.
Zaujatosť a spravodlivosť. Ak dáta obsahujú osobné charakteristiky alebo ich nepriame náhrady, model môže niektoré skupiny znevýhodňovať. Pri rozhodnutiach, ktoré sa týkajú ľudí, zvážte právne i etické dôsledky.
Súkromie dát. Súbor sa nahráva do cloudu. Zistite v zásadách služby, ako sa dáta uchovávajú a využívajú, a nenahrávajte osobné údaje, ak to nie je nevyhnutné a právne podložené. Vždy preferujte anonymizované dáta.
Prílišná dôvera. Pretože nástroj skrýva zložitosť, je ľahké zabudnúť, že za výsledkom stoja predpoklady. Zapíšte si, z akých dát a ako vznikol model, aby sa dal neskôr overiť.
Pre koho nie je vhodný
Ak potrebujete vlastné algoritmy, detailné ladenie alebo plnú kontrolu nad nasadením, nástroj bude príliš obmedzujúci. Takisto ak vaše dáta tvoria obrázky, dlhé texty alebo komplikované časové rady, hľadajte špecializované riešenia.
Zvážte aj čas na prípravu dát. Skutočné úsilie často nie je v modeli, ale v tom, aby ste dáta zozbierali a vyčistili. Ak ich nemáte, nástroj to nevyrieši.
Pred platením si na oficiálnom webe overte, aké možnosti exportu a prepojenia ponúka, a porovnajte ich s tým, čo potrebujete.
Modelový príklad: malá softvérová firma
Malá firma predáva predplatné jednoduchej aplikácie. Má tabuľku používateľov: dátum registrácie, počet prihlásení za mesiac, použité funkcie, typ tarify a informáciu, či predplatné zrušili. Produktový manažér chce vedieť, aké správanie predchádza zrušeniu.
V Obviously AI nahrá tabuľku a ako cieľ zvolí stĺpec o zrušení. Z vysvetlenia sa dozvie, že rizikoví sú napríklad používatelia, ktorí nikdy nevyskúšali kľúčovú funkciu. Tím z toho vyvodí konkrétny krok: upraví úvodné inštrukcie v aplikácii a pošle nováčikom pripomienku. Za mesiac porovná, či sa situácia zlepšila. Model tu slúži hlavne ako zdroj nápadov a nie ako veštec, takže aj nedokonalá presnosť môže priniesť úžitok.
Alternatívy z katalógu
Najbližším príbuzným je Akkio, ktorý tiež stavia predikčné modely bez kódu a zameriava sa na marketing. Ak potrebujete firemnú platformu so správou celého životného cyklu modelov, pozrite sa na DataRobot. Vizuálne zostavovanie dátových postupov s väčšou voľnosťou ponúka KNIME. Ak ide len o rýchle zodpovedanie otázok nad súborom bez trénovania modelu, použite Julius AI.
Časté otázky
Musím vedieť niečo o strojovom učení?
Nie je to nutné, ale základné pochopenie pojmov ako cieľový stĺpec, presnosť a preučenie vám pomôže správne čítať výsledky.
Funguje to aj pre malé firmy?
Áno, ak máte dostatok kvalitných záznamov. Pri veľmi malom počte riadkov však model nebude spoľahlivý a lepšie poslúži jednoduchý prehľad v tabuľke.
Dá sa model použiť priebežne, nie len raz?
Nástroj ponúka spôsoby, ako predikcie využívať ďalej, no rozsah týchto možností sa mení. Overte si ho v oficiálnej dokumentácii a pri nasadení pravidelne kontrolujte, či model stále funguje.
Čo ak výsledok nedáva zmysel?
Najprv hľadajte chybu v dátach: duplicity, stĺpec prezrádzajúci výsledok, nejednotné kategórie. Až potom zvažujte iný postup.