Kilka dni temu odezwał się do mnie potencjalny Klient zainteresowany realizacją rozwiązania Machine Learning do zwiększania monetyzacji produktów poprzez system rekomendacji. Zainteresowany tematem umówiłem się na warsztaty mające na celu doprecyzowanie zakresu i poznanie szczegółów tego, co chciałby osiągnąć Klient.
Już po kilkunastu minutach rozmowy wydarzyło się coś, co wyraźnie mnie zaskoczyło: kiedy padło pytanie dotyczące tego, jakie zestawy danych posiada Klient i w jakiej strukturze, otrzymałem informację, że projekt dopiero powstaje, w związku z tym nie ma żadnych danych. 😮
Co więcej, Klient poprosił nas, abyśmy:
👉 określili jakie dane mają być zbierane do zasilenia modelu
👉 zrealizowali pierwszą wersję modelu, która będzie działała i ewoluowała w czasie wraz z poznawaniem domeny problemu
Jedna z definicji terminu Machine Learning mówi, że jest to „dostarczanie programowi zdolności do automatycznego uczenia się i samodoskonalenia na podstawie doświadczeń (czyli dostarczonych wcześniej danych i wzorów) bez dokładnego zaprogramowania”.
Już z samego opisu wynika, że nie jest możliwe efektywne zaimplementowanie modelu uczenia maszynowego bez uprzedniego pozyskania danych i możliwości ich eksploracyjnej analizy. 😢
Przytoczona rozmowa z Klientem pokazuje jeden z problemów, jaki biznes ma z obszarem Machine Learningu i Sztucznej Inteligencji (AI). Tak naprawdę wiele osób sugeruje to rozwiązanie kierując się obecnym trendem na tego typu podejście, nie rozumiejąc w pełni, czy jest ono zasadne dla ich działalności.
Ostatecznie pomogliśmy Klientowi proponując mu realizację modelu z wykorzystaniem metody punktu idealnego, znanej z obszaru optymalizacji wielokryterialnej. Widać więc, że jeśli trafimy do osób posiadających odpowiednią ekspertyzę w obszarze analizy danych, jesteśmy w stanie wypracować rozwiązanie odpowiednio dopasowane do problemu jaki biznes posiada. 😎
Pamiętajcie, by w biznesie nie kierować się modą i powszechnymi trendami, a głębokim rozumieniem dziedziny i wsparciem osób z odpowiednim doświadczeniem. 🤓