Forretningspotentialet i data er enormt og for mange virksomheder vil data og den måde som data anvendes på være den udløsende faktor mellem succes og fiasko.
For med korrekt udnyttelse af data kan vi få den nødvendige værdifulde viden om kunder, kundeadfærd, konkurrenter, medarbejdere, markeder og brugen af produkter - alt det som kan udnyttes til at forbedre produkter, services og værdiskabelse. Og alt det, som i sidste ende, for alvor skaber kant til konkurrenterne.
Med moderne teknologier som machine learning, kunstig intelligens og RPA kan vi desuden automatisere store dele af dette arbejde.
Fremtidens vindervirksomheder er med andre ord dem, der bedst formår at udnytte deres data og bygge forretningen op på data. Mens de samtidig lever op til kundernes, myndighedernes og samarbejdspartnernes forventninger om, at de mange data anvendes på en etisk korrekt måde.
Det kræver dog en både strategisk, fokuseret og målrettet indsats at udløse forretningspotentialet i data, da alle organisationer er forskellige.
I et kompleks it-landskab med mange teknologier handler det om at træffe de rigtige strategiske valg, at investere i de rigtige teknologier og medarbejdere, der kan bidrage til innovationen og de nødvendige forandringer.
Explainable AI – nøglen til at skabe værdi med kunstig intelligens?
Kunstig intelligens bliver stadig mere udbredt, og dermed følger også nye udfordringer ved brug og anvendelse af maskinlæring og datadrevne modeller. En af de udfordringer, der har meget fokus lige nu er "black-box"-problematikken, altså ugennemsigtighed af datadrevne modeller og udfordringerne med at forklare deres resultater og logik.
Her er "Explainable AI" (XAI) det nye buzzword i klassen. Men hvordan skaber man værdi og dermed forretning og vækst med XAI i praksis? Hvornår er kunstig intelligens forklaret tilstrækkeligt?
Med udgangspunkt i den seneste forskning og eksempler på hvad danske virksomheder arbejder med, vil Senior Machine Learning Specialist Niklas Kasenburg tale om potentiale af forklarlig kunstig intelligens og hvordan man kan komme i gang med det for at tilføre ekstra værdi og forretning.
Niklas Kasenburg
,
Senior Machine Learning Specialist
,
Alexandra Instituttet
09:35 - 09:40
Q&A til Niklas Kasenburg, Alexandra Instituttet
09:40 - 10:00
Release the potential of your data
Predictive Machine Learning can help with business critical decisions related to e.g. inventory management, pricing and logistics. Unfortunately, producing high quality forecasts at scale is not an easy task to take on.
Companies that want to stay ahead of the curve need to create data-driven, automated and scalable forecasting tools that are specifically tailored to their business environment. How can your business take advantage of data from several sources and empower experts and non-experts alike. In this talk Computas will give real-life examples on how companies can utilize Cloud as a business catalyst.
Gabriel Casas
,
Data Scientist
,
Computas Danmark
10:00 - 10:05
Q&A til Gabriel Casas
10:05 - 10:25
Solving real life challenges in AI projects
When implementing Predictive Machine Learning into current business you often find that data is not readily or easily available. Many businesses find themself in a state where not all data is readily available in formats needed for implementing AI. This does not mean that you cannot start your AI journey - waiting for the perfect data warehouse is rarely an option.
In this talk Computas will share stories about how we start setting up workflows that gradually weans off manual processes and puts business on a path to running global scale analytics and Predictive Machine Learning.
