A világ fejlettebb részén a következő évtized elejére az élet szinte minden részén megjelenik a prediktív analitika, még ha ez az átlagember számára nem is tűnik fel okvetlenül. Ahhoz, hogy tudatosabban készülhessünk erre az időszakra, képzeljük el, milyen jövőt hoz ez az elemzési módszer!

Egy átlagos nap 2020-ban

Reggel munkába indulunk autóval. Az autó elindítása előtt azonban egy prediktív modell biometriai jellemzők alapján megállapítja, hogy valóban a tulajdonos ül-e az autóban. Ez az azonosítási módszer szinte ellophatatlanná teszi a járművet. Azalatt, amíg kigurul az autó a garázsról az útra, egy online zenestreamelő szolgáltatás megbecsli, milyen hangulatú dalokat szeretne hallani a sofőr.

Természetesen az autó (vagy az okostelefon) navigációja alternatív útvonalakat javasol az irodába jutásra, hogy elkerülje vagy csökkentse a (csúcs)forgalom miatti késést. Ha ez dombokon keresztül vezet át és az autó akkumulátorai merülőben vannak, automatikusan visszavesz a gyorsítás tempójából.

A prediktív analitika segít útközben éttermet ajánlani a reggelihez, annak alapján, milyen ételeket szeretnek a járműben ülők. Felismeri, mikor kalandozik el a kelleténél jobban a vezető figyelme, és aktiválja az ülésbe épített vibramotorokat, hogy újra az útra koncentrálhasson a sofőr. És ha ez nem lenne elég, potenciális ütközésveszély esetén – melyeknek észlelését szintén a vezetési és környezeti minták elemzése teszi lehetővé – hangjelzés is segít.

De előre figyelmeztet az autó akkor is, ha a prediktív analitikai modellek azt jósolják, hogy hamarosan nagy valószínűséggel el fog fáradni valamelyik alkatrész. Sőt a biztosítótársaságok némelyike pénzvisszatérítést is kínál majd, ha a tulajdonos beleegyezik vezetési stílusának megfigyelésébe, és az ebből származó minták analitikai eszközökkel való használatára.

Szinte végtelenek a lehetőségek

A fenti gondolatmenet csupán egy munkanap fél-egy órás időszakát fedi le, és még itt sem veséztük ki a lehetőségek teljes tárházát. Az viszont már ennyiből is könnyen belátható, hogy a minta- és trendfelismerésnek és az erre adott – mind inkább automatizált – válaszoknak egyre nagyobb lesz a szerepe az életünkben: intelligens tömegközlekedés, okosházak és okosvárosok, fejlett egészségügy, hogy csak néhány példát említsünk.

Továbbgondolva a fentieket észrevehetjük, hogy radikálisan új technológiákat nem jósolnak a következő évtized elejére sem – inkább a már meglévő módszerek és a prediktív analitikai eszközök integrációja teheti lehetővé a fenti, futurisztikus jövőképet. A mobil eszközök terjedése – nem csupán az okostelefonok és tabletek, hanem például a viselhető elektronikai termékek és a szenzorok – még nagyobb mennyiségű adattal árasztja el az emberiséget, aminek feldolgozása, értelmezése szinte kiált a prediktív analitikai módszerek után.

A jövő már a jelen

Ezt szemlélteti a Watson, az IBM által fejlesztett öntanuló, mesterséges intelligencia, amely az amerikai Jeopardy nevű tévés vetélkedőben való szereplése miatt kapott nagy figyelmet, még 2011-ben. A győzelem érdekében "csupán" mintegy 200 millió oldalnyi strukturált és strukturálatlan adatot vizsgált meg, többek között a Wikipediát. A játék alatt 4 terabájtnyi tárterületet foglalva le ezeknek az adatoknak, ugyanis a játé közben nem férhetett hozzá az internethez.

2013 februárjában jelentette be a Kék Óriás a Watson első, kereskedelmi forgalomban való alkalmazását: tüdőrák-kezelésben való döntéstámogatói feladatot kapott. Ez annyira hatékonynak bizonyult, hogy a mesterséges intelligenciát alkalmazó New York-i Memorial Sloan Kettering Cancer központban azoknak a nővéreknek a többsége (90 százalék), aki használják a Watsont, követi is az IBM rendszere által adott tanácsokat.

IBM Watson: hallgatnak a javaslataira

A prediktív analitikai módszereket alkalmazó fejlesztés köré egyébként az IBM 1 milliárd dollár és 2000 főből álló csapat segítségével üzleti részleget hozott létre 2014-ben. A Watson Group három, felhőben hostolt szolgáltatás fejlesztésére koncentrál. Az egészségügyi kutatásokra és fejlesztésekre, beleértve a biotechnológiát (Watson Discovery Advisor), a Big Data vizualizációjára ész üzleti felhasználók által megfogalmazott kérdések megértésére (Watson Analytics), illetve az üzleti előrejelzések könnyebb használatára (Watson Explorer).

Minél egyszerűbb, annál jobban terjed

Könnyen azt hihetnénk, hogy a Watson-féle öntanuló rendszerek ugyan látványos eredményeket képesek felmutatni, de egyben komoly szakértői gárdára van szükség alkalmazásához. Ez azonban nem, vagy csak részben igaz; a Forrester Research nemrég megjelent jelentése szerint ugyanis a prediktív analitikai eszközök egyre könnyebben hozzáférhetővé válnak a vállalatok számára. Ha a megfelelő megoldást választják, akkor nincsen szükség adattudósok (data scientist) hadseregére, mivel azonnal használható – értsd: speciális szaktudást, ismeretet nem igénylő – eszközöket kaphatnak.

A prediktív analitikai modellek demokratizálódása kiiktathatja a fejlett elemzőeszközök adoptálását gátló/lassító tényezőket. Noha így óhatatlanul megkopik a jelenség varázsa; ez azonban egyben azt is jelenti, hogy az üzleti szféra egyre nagyobb része veheti alkalmazásba a BA-megoldásokat.