26 września o godz. 18:00 odbędzie się Qlik meetup w Warszawie z opcją połączenia zdalnego. Tym razem Przemysław Żukowski przedstawi i zademonstruje różne odsłony AI w Qliku. Skupimy się na Insight Advisorze, NLG (Natural Language Generation) oraz automatyzacji przy użyciu OpenAI.
W wydarzeniu możecie uczestniczyć na 2 sposoby:
▪ Stacjonarnie (ul. Poloneza 93, Warszawa)
▪ Online
Udział jest bezpłatny, wystarczy się zarejestrować:
https://www.meetup.com/qlikwaw/events/293598518/
Dzięki zgodzie firmy Data Wizards publikujemy link do podcastu z pierwszym Qlik Luminary w Polsce, Jakubem Szurogajło.
Kolejny meetup w Warszawie odbędzie się 17.05. Zapisy na stronie: https://www.meetup.com/pl-PL/qlikwaw/events/292255771/
W agendzie:
Zapraszam w imieniu organizatorów na spotkanie sympatyków Qlika w biurze firmy Data Wizards we wtorek 14.03.2023. Będę miał okazję przedstawić działanie GPT-3 i jego możliwości integracji z Qlikiem. Marcin będzie miał case-study z Qlik AutoML. Zarejestruj się już dziś, bo liczba miejsc jest ograniczona:
I po pandemii. Rząd ogłosił jakiś czas temu, że nie ma wirusa. No nie ma! O czym pomyśleliście w pierwszej kolejności? Jeśli o powrocie do sal szkoleniowych, pełnych pysznych babeczek, serniczków w towarzystwie smolisto czarnej kawy – to mam dla Was rozwiązanie: szkolenia Qlik!
Qlik Sense
28.01-1.03.2023 – Wizualizacja Danych
22-24.03.2023 – Modelowanie Danych
13-14.04.2023 – Wizualizacja Danych
25-27.04.2023 – Modelowanie Danych
Qlik HERO – szkolenia zaawansowane
29-30.03.2023
QlikView
06-08.03.2023 – Modelowanie Danych
Terminy mogą ulec zmianom – sprawdź aktualny kalendarz.
Piotr Bratek
# najbardziej doświadczony trener Qlik w Europie Środkowej
600 dni szkoleniowych w Europie,
750 dni doświadczenia szkoleniowego na czterech kontynentach od São Paulo przez NYC, Toronto, Londyn aż po Stalową Wolę … Moskwę i Manillę
# historycznie jedyny oficjalny trener Qlik Eastern Europe (Top 5 globalnego rankingu trenerów Qlik w ostatnich dwóch latach)
# Miłośnik rolad, klusek i modrej kapusty, nieudolnie usiłujący policzyć w Qliku jak poskromić pięcioletnie bliźniaczki
Przygotowałem materiał wraz z aplikacją i skryptem gotowym do użycia dla osób, które chcą potestować “rozmawianie” z GPT-3. Przyznam, że daje to niesamowitą frajdę. 🙂
Już wkrótce będę miał okazję opowiedzieć na żywo o tej integracji podczas meetupu w Warszawie. Termin i miejsce podam po potwierdzeniu z organizatorem.
https://www.linkedin.com/pulse/qlik-chatgpt-api-how-start-jacek-harazin/
W pierwszej części artykułu udowodniliśmy już, że systemy klasy Business Intelligence nie służą wyłącznie największym korporacjom. To narzędzie dla firm dowolnych rozmiarów. Dla każdej osoby, która chce wycisnąć z danych więcej niż tylko „suche” liczby. To oprogramowanie, owszem, przede wszystkim dla analityków, ale również dla osób chętnych odkrycia drugiego dna, potrzebujących dystansu do swojej subiektywnej perspektywy, otwartych na spojrzenie z lotu ptaka na biznes i dane. Dla osób ciekawych świata. Brzmi zbyt pompatycznie? Sprawdźmy to!
Gastronomia
Wydawałoby się, że prowadzenie restauracji, albo nawet małego bistro lub kawiarni, to bułka z masłem. Zatrudni się ludzi, nagotuje dobrych dań, przygotuje kartę i voilà, gotowe! Takie myślenie zgubiło niejednego domorosłego restauratora. Prowadzenie gastronomii to mnóstwo zmiennych, czynników ludzkich, a nawet „sił wyższych” (blackouty, brak dostaw na czas, nieświeże produkty), którym trzeba stawiać czoła każdego dnia. Oczywiście, system Business Intelligence nie zagwarantuje nam tego, że mięso lub warzywa zawsze będą najlepszej jakości, a obsługa uwielbiana przez klientów. O wybór dostawcy lub dobór najlepszego teamu musimy się zatroszczyć sami. Ale system BI może nam pomóc w nadzorowaniu wszystkich procesów. Jak?
Przede wszystkim księgowo. Wszystkie faktury, także w formie pliku PDF lub skanu niezłej jakości, mogą być automatycznie zaciągane do naszej bazy danych. Analiza stanów magazynowych i sprzedaży to clou programu – w końcu wiedza o tym, jakie dania i produkty schodzą najczęściej (lub w zależności od sezonu) to podstawa zwiększania obrotu. Ponadto, dzięki systemowi BI możemy również sprawdzić, która kelnerka lub kelner radzi sobie najlepiej. Porównując obroty z różnych zmian jesteśmy w stanie zaryzykować stwierdzenie, kto wykonuje najlepszy serwis. Jeden z kluczowych czynników, tzw. food cost (koszt produktów spożywczych, koniecznych do przygotowania danej potrawy), także jesteśmy w bardzo prosty sposób sprawdzić i analizować w zależności od wielu zmiennych (kosztów składników, dostawy, magazynowania, mediów).
Nie trzeba być właścicielką/-em sieci typu Pizza Hut, McDonald’s albo Burger King, żeby wdrożenie systemu BI miało sens i rentowność. Nawet pojedynczy punkt gastronomiczny skorzysta na bardziej zaawansowanej analizie danych i – co dziś niezwykle ważne – na tym zaoszczędzi.
Drobny handel
Jeśli myślisz, że restauracja to najmniejszy rodzaj firmy, który może z powodzeniem wykorzystywać funkcje systemu BI to jesteś w błędzie. Znamy przypadek, w którym system BI w połączeniu z bazą SQL zdziałał niemałe cuda w lokalnej kwiaciarni.
Zastanówmy się, kwiaty cięte + doniczkowe to co najmniej kilkadziesiąt indeksów, które stale trzeba mieć w ofercie, a które dodatkowo w zależności od pory roku rotują (zmieniają się). Łącznie jest ich ponad 100 w ofercie sklepu. Co więcej, mamy przecież jeszcze ozdoby, wieńce, kartki okolicznościowe i mnóstwo upominków. Łącznie od kilkuset do kilku tysięcy indeksów. Prowadząc firmę „na zeszyt” można bardzo łatwo pogubić się w rachubie. Z kolei Excel nie jest aż tak zaawansowany, żeby podsuwał nam sugestie najpopularniejszych produktów i grup produktowych, mając także na uwadze porę roku, ich dostępność, oferty u dostawców, itp.
Umiejętność analizy sprzedaży i wiedza o stanie magazynowym to podstawa funkcjonowania nawet najmniejszego biznesu. A jeśli dane jesteśmy w stanie regularnie aktualizować poprzez odświeżanie, zaś całość mamy podaną w atrakcyjnej formie (w końcu to florystyka, musi być pięknie), a na marginesie sztuczna inteligencja podpowiada nam, co może wydarzyć się w nieodległej przyszłości, to czy rzeczywiście system BI to pieśń przyszłości, czy może już rzeczywistość, nawet w drobnym handlu?
Oba przykłady znamy z autopsji. Obie firmy rozwijają się prężnie m.in. dzięki Qlikowi i Power BI. Czy zatem nieposiadanie takiego narzędzia to powód do wstydu? W żadnym razie. Ale otworzyć się na nowe i spróbować za darmo na własnej (i swojego biznesu) skórze, to oznaka wielkiej odwagi i świadomości nowoczesnych technologii.
Zdjęcia: unsplash
Systemy klasy Business Intelligence często określane są mianem nieciekawych narzędzi, które poszerzają jedynie możliwości arkuszy kalkulacyjnych. Przydać się mogą największym korporacjom w finansach i kontrolingu – nigdzie więcej. To stereotypy. System BI można użyć z powodzeniem do analizy… miary i wagi ryb albo zawartości sałatki greckiej. Brzmi abstrakcyjnie, ale dzieje się naprawdę i przynosi niewyobrażalny rezultat.
Produkcja
W fabryce przy filetowaniu ryb – jak myślisz, ile może być warta głowa ryby? Teoretycznie: nic. W końcu odkrawa się ją na samym początku procesu, by zająć się interesującą częścią tuszy. Ale co wówczas, gdy odkrawamy ją (przypominam, robi to człowiek) w nieodpowiednim miejscu? Ucinamy za dużo lub za mało? To proste, wtedy tracimy jako firma. Wyrzucamy do śmieci dobre, jadalne części ryb, albo przeciwnie, dajemy na talerz konsumentom coś, czego nie chcą widzieć i jeść (o zupie rybnej z głów porozmawiamy innym razem, OK?). Jak temu zapobiec? Organoleptycznie jest to niemożliwe. Nie da się kontrolować całej taśmy produkcyjnej i wszystkich pracowników, na dodatek pracujących na 2 lub 3 zmiany. A za pomocą systemu BI? Jak najbardziej, da się!
Oczywiście, wymaga to pewnych usprawnień – we wspomnianej fabryce każda ryba była ważona przed wjazdem do odcięcia głowy i po wyjeździe ze stanowiska operatora. Dzięki temu wiadomo było ile mniej więcej % całej ryby waży głowa. Po wdrożeniu systemu BI, w tym wypadku Qlika, analitycy mogli porównać ile ogółem wjechało ryb na taśmę produkcyjną i ile ważył odpad na poziomie każdego pracownika. Dzięki temu dostrzegali zależności – kto i na której zmianie (np. w ciągu dnia lub w nocy) jak sobie radzi. To pozwalało dostosować całą linię produkcyjną, harmonogram zmian i komfort pracowników do tego, aby jak najwydajniej pracować i jak najwięcej oszczędzić na niepotrzebnym odpadzie. Choć wydawałoby się to niespełnionym snem pracownika, oni także zyskali na wdrożeniu systemu BI, ponieważ od ich miejsca i godzin pracy zależała ilość odpadów, czyli strat lub oszczędności firmy. Dobre zarządzanie zasobami to druga połowa sukcesu, pierwszą jest zrozumienie danych.
Transport
W praktycznie każdej firmie osoby zarządzające i decyzyjne szukają optymalizacji kosztów i oszczędności. Jak to zrobić najłatwiej w liniach lotniczych? Jest jeden najważniejszy czynnik: waga. Im lżejszy samolot, tym mniej zużytego paliwa, a tym samym większe oszczędności. Tylko że samolot to nie statek, nie możemy wyrzucać czego popadnie „za burtę”. Poza tym maszyny są już na tyle lekkie, na ile pozwala seryjna produkcja w branży awiacyjnej. Rozwiązań jest jednak więcej niż może się wydawać.
Przykładowo, LOT na kursach krótkiego i średniego dystansu pozbył się sprzedaży artykułów wolnocłowych na pokładzie samolotów. American Airlines usunął jedną oliwkę z sałatki greckiej serwowanej podczas podróży. Obsługa sieci Southwest zaczęła kroić (do drinków) limonkę na 16, a nie jak wcześniej, 10 plasterków. Virgin Atlantic wymieniło szkło szklanek i kieliszków na cieńsze. Przewoźnik United wymienił papier, na którym drukowane były magazyny (z artykułami i ofertą bezcłową) na lżejszy. I tak dalej. Efekt? W skali jednego pasażera oszczędność jest niemal niezauważalna, ale globalnie, w skali roku, to nawet kilka milionów dolarów!
Mówimy tutaj o detalach, nie wspomnieliśmy nawet o budowie lżejszych siedzeń dla pasażerów, pozbyciu się drukowanych instrukcji dla obsługi (zastąpionych tabletami), albo wymianie systemów multimedialnych (ekranów ze słuchawkami) również na lżejsze.
Do tak dokładnych kalkulacji i daleko idących wniosków trudno jest dojść samodzielnie. Wystarczył jednak system Business Intelligence, aby na bieżąco monitorować średnią wagę pasażerów* oraz wnoszonych na pokład samolotu bagaży, posiłków, produktów i akcesoriów. Na podstawie czytelnych wizualizacji osoby zrządzające mogły podejmować szybkie i trafne decyzje biznesowe, które znacząco – w perspektywie czasu – wpływały na oszczędności firmy. Nie byłoby to możliwe bez zaawansowanej analityki i modułów predykcyjnych, które systemy BI posiadają.
Zdania „mnie nie jest potrzebny system BI” i „w tej branży na pewno się nie przyda” w zdecydowanej większości przypadków nie sprawdzają się w rzeczywistości, są wręcz od niej oderwane. Oczywiście, na pierwszy rzut oka może nam się wydawać, że „to jeszcze nie czas”, ale tak naprawdę – jaki czas jest dobry na wdrożenie inteligentnego systemu do analizy, rozumienia, interpretowania i predykcji danych? Każdy czas jest tym właściwym. Dziś możemy nie dostrzegać korzyści płynących z głębokiej analityki, ale są obszary warte zbadania już teraz.
*Istnieją linie lotnicze, w których cena za bilet jest uwarunkowana wagą pasażera.
Bibliografia:
https://www.fly4free.pl/linie-lotnicze-oszczedzaja/
https://www.tanie-loty.com.pl/czytelnia/ciekawostki/nietypowe-metody-linii-lotniczych-na-oszczedzanie-paliwa/
https://www.rp.pl/biznes/art1199191-linie-lotnicze-oszczedzaja-ile-kosztuje-pasazer-w-samolocies/
Zdjęcia: unsplash
Z pierwszej części artykułu dowiedzieliśmy się, w jakich obszarach życia, przemysłu i rozwoju nowoczesnych technologii towarzyszy nam sztuczna inteligencja (SI) i robotyka, oraz dlaczego nie powinniśmy się ich obawiać. Dziś przyjrzymy się zastosowaniu SI w biznesie – czyli temu, co możemy osiągnąć dzięki automatyzacji, uczeniu maszynowemu i rozszerzonej analityce danych, oraz powiemy o tym, że to nic złego, gdy pomaga nam lub wyręcza nas w pracy inteligentny asystent.
Na początku warto sobie zdać sprawę z wartości danych w firmie. Warto pamiętać, że dane to taki zasób (i źródło), które nigdy się nie zużywa, nigdy się nie wyczerpuje i może być wielokrotnie wykorzystywane. Jednak wartość danych nie polega na wyłącznym ich posiadaniu, lecz na sposobie ich wykorzystania. Stąd wynika potrzeba korzystania z systemów Business Intelligence (BI), a na drodze naturalnego rozwoju – z asystentów, wtyczek i rozwiązań opartych na sztucznej inteligencji.
W Qliku możemy poznać tzw. Insight Advisora, czyli inteligentnego asystenta, który pomaga użytkownikom przy tworzeniu zaawansowanych analiz, wizualizacji, dostrzega pomiędzy danymi interesujące korelacje, jest w stanie ustalać prognozy, grupować dane, a nawet wprowadzać do nich narracyjne komentarze i prowadzić dialog z analitykiem.
Sztuczna inteligencja w Qliku stoi także za Auto Machine Learningiem (automatycznym uczeniu maszynowym), które generuje modele na różnym poziomie zaawansowania, przewiduje i testuje scenariusze biznesowe (na zasadzie tzw. what-if, co-jeśli), identyfikuje i łączy dane, a wszystko to bez najmniejszego ryzyka dla biznesu (w końcu to testy teoretyczne), konieczności pisania linijki kodu, dostępne dla każdego użytkownika platformy.
Knowledge Studio od firmy Altair jest wręcz naszpikowane rozwiązaniami sztucznej inteligencji. Pozwala na dokonywanie błyskawicznej analityki predykcyjnej, wizualizacji danych, i co równie ważne, generuje wytłumaczalne wyniki (zrozumiałe nie tylko dla SI, ale również dla człowieka). Nie ogranicza to jednak w żaden sposób możliwości konfiguracji modeli danych, co daje użytkownikowi pełną swobodę i kontrolę w budowaniu tychże.
Szczegóły dotyczące tego, jak skonfigurowany jest model i co oznaczają jego dane wyjściowe, są przedstawione za pomocą wytłumaczalnej SI. Podejście firmy Altair do sztucznej inteligencji jest odpowiedzialne, co oznacza, że wszyscy użytkownicy wyników modeli danych mogą być pewni podejmowania decyzji biznesowych, wiedząc, na jakiej podstawie i dlaczego dokonano konkretnych decyzji. Nie trzeba zatem brać wyników i sugestii SI za pewnik, w dowolnym momencie można powiedzieć „sprawdzam!”.
Jak widać, zastosowanie sztucznej inteligencji w analityce danych jest dziś nie tylko ciekawostką, ale wręcz koniecznością. Każda firma opiera się na danych, a generuje ich każdego dnia całe biblioteki. Nieodzowne więc wydaje się wsparcie wirtualnych, inteligentnych asystentów. Ale czy każda organizacja skorzystałaby z rozwiązań SI, w tym samouczenia się maszyn i wytłumaczalnej SI?
Sztuczna inteligencja w Business Intelligence odnajduje zastosowanie przy:
Od opieki zdrowotnej po usługi finansowe, od telekomunikacji po roszczenia gwarancyjne produktów, od przemysłu ciężkiego po dowolnych rozmiarów e-commerce, od rekomendacji produktów po filtry spamu, od zmniejszenia rotacji pracowników po utrzymanie zaangażowania klientów.
Wielu ludzi uważa, że analityka napędzana przez SI zastępuje ludzkie, racjonalne podejmowanie decyzji – algorytmami. Rzeczywistość jest jednak taka, że większość problemów biznesowych nie może być rozwiązana wyłącznie przez maszyny – kluczowa jest ludzka interakcja i perspektywa. Dlatego możliwości rozszerzonej o sztuczną inteligencję analityki pozwalają ludziom w organizacji skupić się na tym, co najważniejsze – realnych korzyściach dla firmy, decyzjach i przewidywaniu rezultatów w przyszłości. Dzięki czemu więcej osób, niezależnie od umiejętności, może uzyskać jak najlepszy wgląd w dane i jak największą wartość z analizy, która dzięki systemom klasy Business Intelligence, jest dziś szybsza i efektywniejsza niż kiedykolwiek wcześniej.
Jeśli chcesz dowiedzieć się więcej o zastosowaniach systemów BI w firmie, skontaktuj się ze mną.
Bibliografia:
Zdjęcia: unsplash.com & freepik.com
Nowoczesne struktury organizacyjne i adaptację technologii Umożliwianie samoobsługi zarządzania danymi Wdrażanie programów znajomości danych Zostanie liderem rynkowym dzięki analityce danych
Dzięki uprzejmości Jacka – założyciela i naczelnego QlikBlog.pl – mam możliwość opublikować to ogłoszenie. Chciałbym Was serdecznie zaprosić do rekrutacji BPX S.A., gdzie poszukujemy:
👉 Konsultantów Qlik Sense,
👉 Senior Konsultantów Qlik Sense,
👉 Konsultantów Power BI.
BPX w pigułce:
🟠 jesteśmy największym partnerem Qlika w Polsce i w tej części Europy,
🟠 klikamy w Qlika, Power BI, Altair, Semarchy, rozszerzenia do Qlika takie jak K4, Vizlib, Inphinity,
🟠 jesteśmy na rynku od 2006 roku,
🟠 nasza załoga liczy łącznie ponad 250 osób (i stale rośnie!),
🟠 projekty realizujemy na całym świecie w ponad 50 krajach.
Jeśli jesteście zainteresowan_e/i lub znacie kogoś, kto chce rozwijać się w branży Business Intelligence, skontaktujcie się ze mną lub aplikujcie bezpośrednio pod linkami!
Więcej szczegółów znajduje się w ogłoszeniach:
🔶 Power BI https://apply.workable.com/bpx/j/D0743FDA7F/
🔶 Qlik Sense https://apply.workable.com/bpx/j/66051E6C16/
🔶 Senior Qlik Sense https://apply.workable.com/bpx/j/F5F9E0CAA8/
A jeśli miałybyście/mielibyście jakiekolwiek pytania a propos firmy lub procesu rekrutacji, znajdziecie mnie na LinkedInie: linkedin.com/in/kamilskuza
Współcześnie, sztuczna inteligencja (SI) znajduje zastosowanie nie tylko w superkomputerach dostępnych w siedzibie NASA czy centrum badań wojskowych. Dziś, asystent głosowy, nawigacja, sklep internetowy, czy sportowy zegarek mogą na bieżąco analizować dane i uczyć się reguł, zachowań i wzorców. Czy jednak wizja zaawansowanych technologicznie androidów rodem z Terminatora, nadal nie spędza nam snu z powiek?
Nawet jeśli, to nie powinna. Wychodząc od truizmu, można by tekst rozpocząć i zakończyć słowami, że SI jest jak nóż – można nim kroić chleb, ale można też nim kogoś skaleczyć. Tak samo jest ze sztuczną inteligencją, którą można wykorzystać zarówno w szczytnym celu, jak i niemoralnym.
SI na co dzień pomaga przy badaniach naukowych, usprawnia komunikację, ułatwia zakupy i konsumowanie treści online, przewiduje korki na drogach i zatłoczone lotniska, nadzoruje zużycie części w samochodach i fabrykach, alarmuje o podnoszącym się stanie wody, informuje o brakach magazynowych i dostawach towaru, ostrzega przed potencjalnymi lawinami, upałami, trzęsieniami ziemi, erupcjami wulkanu, a nawet zawałami serca. I nie tylko. Sporo tego.
A nie wspomniałem o bardziej wysublimowanych możliwościach i rozwiązaniach stosowanych w robotyce, ochronie zdrowia (szczepionka na COVID-19), finansach, e-commerce, social mediach (analiza niezgodnych z prawem zdjęć i wideo), edukacji, militariach, branży automotive i lotniczej (autonomiczne pojazdy), czy szeroko rozumianej, postępującej automatyzacji. Dzięki sztucznej inteligencji możemy żyć wygodniej, dłużej i bezpieczniej niż kiedykolwiek wcześniej. Jeżeli ktokolwiek chciałby dziś żyć bez SI, musiałby się pozbyć większości elektronicznych urządzeń w swoim domu i dostępu do Internetu. Da się tak żyć, ale po co?
Uspokajam – prawdopodobnie jeszcze przez wiele lat sztuczna inteligencja będzie asystentem człowieka, a nie jego zamiennikiem. SI ma problemy z myśleniem abstrakcyjnym, z formułowaniem tez i teorii, z kreatywnością, rysowaniem i malowaniem (OK, to też już powoli przestaje być aktualne), a nawet odróżnianiem dwóch podobnych rzeczy do siebie. Nie wspominając o uprawianiu sportu, czy śpiewaniu (ale takim „na żywo”, a nie z już nagranych dźwięków). Poza tym, dzieła ludzkich rąk pasjonują nas i interesują bardziej niż popisy robotów. Zawody sportowe, dzieła sztuki, czy koncerty robotów nieprędko będą tak popularne jak ludzi (choć fani Hatsune Miku mogą się nie zgodzić). Lubimy przekraczać własne granice i porównywać jabłko do jabłka.
Ponadto, należy pamiętać, że istnieje taki termin jak „dolina niesamowitości” i wbrew pozorom (choć ten wyraz może być dla wielu osób obcy) nie przydarza się sporadycznie, lecz częściej niż arachnofobia. W skrócie, to strach, obawa, a nawet niekontrolowana odraza człowieka na widok humanoidalnego robota. Podświadomie nie czujemy się komfortowo w otoczeniu androidów wyglądających i zachowujących się tak samo jak my.
Co więcej, choć ostatnio niezwykle popularnym w Internecie stał się dron bojowy Bayraktar, jeszcze kilka lat temu amerykańscy żołnierze odmówili używania robotów do rozbrajania min. Dlaczego? Mechaniczni podopieczni mieli bowiem po cztery nogi i bardzo przypominali psy. Militarnym żal było wybuchających egzemplarzy robotów, którym nadawali imiona (zresztą… kto tak nie robi z automatycznymi odkurzaczami w domu?).
Naturalnie, temat nie jest zero-jedynkowy. W Centrum Nauki Kopernik w w Warszawie można zobaczyć robota, który towarzyszy ludziom na łożu śmierci, rozmawiając z nimi i trzymając za rękę. Ma to pomóc samotnym ludziom w najtrudniejszych, ostatnich chwilach życia. Podobnie zachowują się roboty, które włączają światło, ogrzewanie, czy telewizor osobom, które zbliżają się do domu po ciężkim dniu pracy i również – w tym wypadku – mieszkają samotnie (starsze, ale nie tylko). Ten problem porusza film Her z 2013 roku i trudno jednoznacznie odpowiedzieć, czy już zabrnęliśmy za daleko, czy po prostu odpowiadamy na znane problemy nowoczesnymi rozwiązaniami.
Na końcu, ale nie najmniej ważne wydają się jednak pytania o samoświadomość maszyn. Niepokoi fakt, że sztuczna inteligencja – być może – będzie w stanie zadawać pytania o moralność, istotę istnienia, czy podawać w wątpliwość swoją wolność. To najczęściej wykorzystywany motyw w kulturze, który pojawia się w komiksach, filmach, bajkach, literaturze, grach wideo, a nawet memach. Najbardziej intrygujące obrazy to Moon z 2009 roku i Ex Machina z 2015 roku, oraz gra Detroit: Become Human z 2018 roku.
Nie pocieszają nas też informacje napływające od czasu do czasu z mediów o tym, jakoby np. zaawansowana SI w Google’u zyskała świadomość i zaczęła obawiać się odłączenia od prądu i internetu. Albo eksperymentalny bot Microsoftu, który dzień po debiucie na Twitterze zaczął wypisywać, że chętnie pozbędzie się ludzkości, ponieważ ta jest okrutna i nie zasługuje na życie (do wniosku doszedł po wymianie wielu zdań z internautami np. na temat historii, wojen, obozów koncentracyjnych itp.). Do tej pory jednak nie wydarzyły się sytuacje, w których SI zaszkodziłaby człowiekowi celowo, z własnej woli. Mówiąc bez ogródek, jeśli nie zaprogramujemy sztucznej inteligencji tak, żeby nam zrobiła krzywdę, ta nigdy tego nie zrobi.
Rozpoczęliśmy ten wywód frazesem i takimże komunałem zakończymy – niezależnie, czy mamy obawy przed SI, czy nie, nie powinniśmy rozwoju cywilizacyjnego hamować. To nieodłączna część naszej ewolucji. I podobnie jak w przypadku kolonizacji Marsa lub Księżyca, nie powinniśmy zadawać pytań „po co?”, ale „kiedy?”. Nawet gdyby cykl miał się powtórzyć i cywilizacja miałaby upaść. Nie powstrzymamy tego, więc wykorzystajmy wiedzę i doświadczenie jak najlepiej potrafimy.
A jeśli wciąż mamy obawy, wpuśćmy przynajmniej SI do analizy naszych danych w firmie. Z pewnością zrobi z niej lepszy użytek, niż my sami. Ale o tym więcej w drugiej części artykułu.
PS Już 50 lat temu pisano w akademickich pismach naukowych, że „lada chwila” roboty będą „chodzić, mówić i będą w pełni autonomiczne”. Jak widać, ludzie są kiepscy w przewidywaniu przyszłości.
Jeśli chcesz dowiedzieć się więcej o zastosowaniach systemów BI w firmie, skontaktuj się ze mną.
Bibliografia:
Zdjęcia: unsplash.com
Kiedy?
21 Września 2022
Start: godz. 10:00
Rejestracja: https://bit.ly/3QliEzJ
Ostatnie dwa lata okazały się przełomowe dla firm z całej branży produkcyjnej. Konsekwencje COVID i stale rosnąca ilość zmiennych decyzyjnych skłaniają liderów rynku do przemyślenia strategii zarządzania danymi, aby nadążać za szybko zmieniającym się otoczeniem biznesowym.
Firmy odczuwają potrzebę zmian z powodu nowych wymogów produkcyjnych, rosnących cen towarów, surowców i ich konsekwencji dla łańcucha dostaw. Branża musi nadrobić zaległości, znajdując równowagę między popytem a dostępnymi mocami wytwórczymi oraz wspierać innowacje bez wyczerpywania zasobów.
Qlik wraz z Partnerami wspomagają firmy na całym świecie w budowaniu nowych możliwości biznesowych. 21 września podczas spotkania zaprezentujemy strategie zarządzania danymi, studia przypadków i praktycznie zilustrujemy rozwiązania zaimplementowane przez czołowych graczy branży produkcyjnej.
Wystąpią:
Agenda:
| Temat | Prezenter/-ka |
| Wyzwania związane z danymi w produkcji | Sean O’Meara, Solution Architect |
| Rozwiązanie: Platforma Qlik Active Intelligence | Vincenzo Esposito, Master Principal Enterprise Architect |
| Używanie Platformy Qlik Sense Cloud (Demo Produkcyjne) | Sean O’Meara, Solution Architect |
| Rozwiązanie Partnera: Jak Inphinity Suite pomaga firmom dodać supermocy do ich środowiska Qlik? | Angeline Corvaglia, Chief Operating Officer, Inphinity |
| Case study klienta | Angeline Corvaglia, Chief Operating Officer, Inphinity |
| Q&A | Vincenzo Esposito, Master Principal Enterprise ArchitectSean O’Meara, Solution Architect
Angeline Corvaglia, Chief Operating Officer, Inphinity |
Rozwijając biznes, warto gromadzić dane, które stanowią podstawę funkcjonowania każdej firmy. Niezależnie od działu – kadry, płace, sprzedaż, logistyka, marketing – pod cyframi kryją się bezcenne informacje na temat zysków, strat, korzyści i zagrożeń. Aby ustalić strategię, dalsze kroki, i planować rozwój przedsiębiorstwa, z pomocą przychodzą systemy do ekstrakcji danych, transformacji (w celu np. ujednolicania) i dalszego przesyłania. Ponadto, dane to także maile i szereg innych, kluczowych dla organizacji plików. Zanim jednak dojdziemy do clou Business Intelligence, warto zadać sobie fundamentalne dziś pytanie – gdzie magazynować dane? Czy w ramach rozbudowy własnej infrastruktury sieciowej, czy korzystając z rozwiązań chmurowych? Przyjrzyjmy się jak wyglądają trendy w Unii Europejskiej i na którym miejscu plasuje się Polska.
Przede wszystkim, aby korzystać z chmury obliczeniowej, należy posiadać dostęp do Internetu. Nie będzie dla nikogo niespodzianką fakt, że w 2021 roku 98% przedsiębiorstw w UE zatrudniających co najmniej 10 osób posiadało taki dostęp. Oraz, co najważniejsze, średnia procentowa krajów członkowskich Unii Europejskiej, które używają chmury obliczeniowej to 42%. Dla porównania, w krajach skandynawskich, takich jak Szwecja lub Finlandia jest to 75%, a w Polsce około 25%*. W 2020 roku średnia unijna stanowiła 36%, w 2016 tylko 19%, widać więc wyraźnie, że trend przybiera na sile.
Warto zwrócić uwagę, do czego firmy wykorzystują chmurę. Spośród przedsiębiorstw, które zadeklarowały korzystanie z chmury obliczeniowej, zdecydowana większość (79%) wybrała rozwiązanie chmurowe do hostowania swoich systemów poczty elektronicznej. Około dwie trzecie przedsiębiorstw wykorzystywało chmurę do przechowywania plików (68%) oraz do oprogramowania biurowego, takiego jak edytory tekstu i arkusze kalkulacyjne (61%). Ponad połowa korzystała z chmury do oprogramowania zabezpieczającego (59%).
Co najważniejsze, przedsiębiorstwa te korzystały z chmury także w celu uzyskania dostępu do bardziej zaawansowanych aplikacji dla użytkowników końcowych, takich jak aplikacje finansowe/księgowe (48%), do zarządzania relacjami z klientami (27%) oraz do planowania zasobów przedsiębiorstwa (24%).
Spośród najbardziej zaawansowanych usług w chmurze ponad połowa (59%) przedsiębiorstw korzystających z chmury zgłosiła korzystanie z aplikacji oprogramowania zabezpieczającego, 47% hostowało w chmurze bazy danych przedsiębiorstwa, a jedna piąta (21%) korzystała z platformy obliczeniowej zapewniającej hostowane środowisko do tworzenia, testowania lub wdrażania aplikacji.
Co te dane oznaczają dla polskiego przedsiębiorstwa? Trendy są zbyt silne, aby wyłącznie je obserwować, należy działać. Przenoszenie danych do chmury posiada niekwestionowane zalety, takie jak szybkość i łatwość dostępu do informacji, mobilność i bezpieczeństwo. Co równie ważne, wszystkie najpopularniejsze systemy ERP (takie jak SAP) czy Business Intelligence (Qlik, Altair) mogą działać w chmurze lub w modelu hybrydowym (oczywiście lokalnie również). A to olbrzymia zaleta dla każdego pracownika, który używa danych w swojej codziennej pracy.
Jeśli chcesz dowiedzieć się więcej o zastosowaniach systemów BI w firmie, skontaktuj się ze mną.
Bibliografia:
Zdjęcia: https://unsplash.com/ & https://ec.europa.eu/eurostat
W pierwszej części artykułu opowiedzieliśmy o tym, jak uczenie maszynowe może pomagać nam na co dzień podczas podróżowania, jak może monitorować nasze zdrowie i ostrzegać przed niebezpieczeństwem, oraz jak sprytnie zachęca nas do większej rozrzutności podczas robienia zakupów online. Dziś przyjrzymy się bliżej kolejnym udogodnieniom z jakich korzystamy niemal codziennie, choć nie zawsze zdajemy sobie sprawy, że stoi za nimi analizująca dane, błędy i anomalie – samoucząca się sztuczna inteligencja.
Powtarzanie materiału – zapewne odświeżanie nabytej już wiedzy przyprawia niektórych uczniów o palpitacje serca, zwłaszcza maturzystów. Jest to jednak nieunikniona i niezbędna część edukacji. Twórcy aplikacji do nauki języków obcych, Duolingo, zaadaptowali uczenie maszynowe do tego, aby sztuczna inteligencja uczyła się na podstawie analizy danych (odpowiedzi, błędów) użytkownika, po jakim czasie kursant zaczyna zapominać nabytą wcześniej wiedzę i w którym momencie należy mu wysyłać propozycję kursów przypominających zagadnienia z poprzednich lekcji. Rezultat? Naturalnie, pozytywny! Wszak utrwalanie wiedzy poprzez powtórzenia przynosi lepsze rezultaty niż przejście jednego szkolenia lub kursu i rozpoczynanie kolejnych.
Inteligentne uczenie się – platformy szkoleniowe, takie jak Udemy lub Coursera, albo biblioteki wiedzy Amazon AWS, korzystają z machine learningu po to, aby dowiedzieć się jak najwięcej o kursantach, aby zrozumieć na jakim są poziomie wiedzy. Dzięki temu propozycje kolejnych kursów są bardziej trafne, gdyż potrafią przewidzieć, czego jeszcze uczeń chciałby się dowiedzieć, o jakie obszary uzupełnić swoją wiedzę, albo w którym momencie zaproponować pogłębianie przerobionego już materiału.
Większość filtrów antyspamowych, firewalli, ostrzeżeń przed złośliwym oprogramowaniem (malware) opartych jest właśnie o uczenie maszynowe. Jeśli otrzymujemy zbyt wiele podobnych do siebie wiadomości z niemal identycznych adresów mailowych to zanim się spostrzeżemy, sztuczna inteligencja się tym zainteresuje. Gdy dostaniemy miłą (niekiedy wręcz zbyt bezpośrednią) wiadomość na Instagramie, zawierającą dziwnie wyglądający link – a my zgłosimy to do supportu – możemy dodatkowo zaznaczyć opcję „Zablokuj [nazwa użytkownika] i nowe konta, które może utworzyć”. Dzięki temu nie tylko my jesteśmy odporni na nadchodzący spam pochodzący z konkretnego adresu sieciowego (IP), ale również szereg innych użytkowników, jeśli algorytm odpowiednio zinterpretował większą liczbę podobnych zgłoszeń.
Także w przypadku finansów uczenie maszynowe stoi na straży prawa. Przykładowo, PayPal wykorzystuje machine learning do zapobiegania praniu pieniędzy przez użytkowników, firmy i inne podmioty korzystające z cyfrowego obiegu pieniądza. Sztuczna inteligencja monitoruje i porównuje miliony przeprowadzanych transakcji i rozróżnia legalne od nielegalnych, pomiędzy kupującymi i sprzedającymi.
Pojedynek Garri Kasparowa z komputerem IBM i programem Deep Blue już w 1996 roku był przełomowy i sensacyjny. I choć wówczas szachista przegrał tylko jedną z sześciu partii, rok później uległ dwukrotnie, co symbolicznie uważa się za datę „pokonania człowieka przez program szachowy”. Ponadto, komputer Deep Blue potrafił analizować i uczyć się zachowania ludzi podczas meczów – wykorzystał to robiąc 7-minutowe pauzy (nawet tyle trwał jeden ruch komputera) w rozgrywce, aby skonsternować swojego przeciwnika. Dziś, niemal 30 lat po sportowo-intelektualnych zmaganiach człowieka ze sztuczną inteligencją, nikogo nie dziwi, że zaawansowane algorytmy są w stanie przewidzieć kolejne ruchy oponenta, a takie informacje przetwarzają w ułamku sekundy.
W 2015 roku program DeepMind pokonał zawodowego gracza w starochińską grę planszową Go. Mowa tutaj jednak o wciąż ograniczonej planszy z ograniczoną ilością ruchów, i strategii. A co, gdyby sztuczna inteligencja wygrywała z ludźmi w grach zespołowych, na dodatek w grach wideo? To również, wbrew pozorom, już historia. W 2019 roku oprogramowanie OpenAI Five zwyciężyło z mistrzami świata w grę DOTA 2. Kazus jest o tyle bardziej interesujący, że gry typu MOBA to w skrócie: olbrzymia plansza/mapa gry, do wyboru jest ponad 100 postaci o różnych umiejętnościach, w grze ścierają się ze sobą dwie drużyny po 5 osób, a strategii na zwycięstwo jest… praktycznie nieskończona liczba kombinacji! Jak więc sztuczna inteligencja pokonała grupę zawodowców? Cóż, po prostu trenowała około 45.000 lat! Oczywiście na kilku komputerach jednocześnie, a mecze rozgrywane były w przyspieszonym tempie, po obu zaś stronach stała (jedna i ta sama) sztuczna inteligencja, nie człowiek. Co nam to daje? Poza widowiskiem jakim niewątpliwie nadal są pojedynki ludzi z komputerami, możemy wynieść naukę dla nas samych. Możemy analizować nowe taktyki, unikać porażek, sprawdzać nowe kombinacje, warianty rozgrywki, itp.
W biznesie, niezależnie od wielkości firmy, machine learning może zrewolucjonizować pracę kilku działów, a nawet całej firmy. Analizując dane organizacji (sprzedaż, logistyka, finanse, marketing, itd.) uczenie maszynowe może przewidzieć np.:
Uczenie maszynowe pomaga analitykom dostrzec obszary wcześniej niezbadane lub przeoczone, a wszystko to – na bieżąco, w czasie rzeczywistym. I choć należy przy tym pamiętać, że sztuczna inteligencja wciąż się uczy np. kreatywności (albo odróżniania psa od fast foodu) i potrzebuje wsparcia człowieka, to jest dla każdego analityka lub użytkownika biznesowego nieocenionym wsparciem.
Jeśli chcesz dowiedzieć się więcej o zastosowaniach systemów BI w firmie, skontaktuj się ze mną.
Bibliografia:
Zdjęcia: https://unsplash.com/