More Related Content
What's hot (20)
Similar to Delivering AI for Business Value (20)
More from BBPMedia1 (20)
Delivering AI for Business Value
- 1. Delivering AI for Business Value 2021
- 2. Robin van der Heijden Senior Consultant Data Science www.linkedin.com/in/robinvdheijden www.twitter.com/viqtordvis
- 3. Wat is AI? Pricing Strategie Intelligent Customer Service Voorraad Optimalisatie Personalisatie & Promotie
- 4. De meeste consumenten merken dat er steeds meer Data & AI toepassingen worden ingezet door retailers. Gebruik en zichtbaarheid van Data & AI nemen toe
- 5. FEIT Het lukt organisaties in 80% van de gevallen niet om waarde uit hun AI projecten te halen Op basis van onderzoek
- 6. Focus op 5 belangrijke dimensies voor succes Strategie Denk groot maar begin klein en kies niet gelijk voor een Big Bang scenario Data Zorg voor een business gedreven datastrategie en voorkom silo denken en opslag Mens Formeer een dreamteam dat collega’s weet te inspireren en leid je organisatie op Proces Visualiseer nieuwe kernprocessen en stroomlijn de weg van idee tot AI oplossing Technologie Selecteer passende platforms en tooling en leer van de software development wereld
- 7. Denk groot, begin klein Identificeer kernprocessen Ga voor impact Kies voor inspirerende use cases Start klein Proof of concept Probeer snel tractie te genereren Werk uit AI oplossing Integreer in je business en IT processen Schaal op Versterken Breid je capaciteiten uit en blijf waarde creëren
- 8. Krijg de juiste data in beeld Hoe dan? • Maak data centraal beschikbaar • Business en IT trekken samen op • Zorg dat de data strategie business gedreven is • Bepaal en beleg data ownership • Houd je data fundament flexibel
- 10. Stroomlijn de weg van idee tot AI oplossing Business Understanding Data Understanding Data Preparation Modeling Evaluation Deployment Breng de behoeften van je data science team(s) gedurende de AI levenscyclus in kaart Zorg dat de juiste personen en teams elkaar weten te vinden Neem terugkerende obstakels weg of leid je team(s) naar oplossingen Gebruik bijvoorbeeld het CRISP-DM model als houvast:
- 11. Industriestandaard binnen de softwareontwikkeling Doel: betere en betrouwbaardere software Promoot een cultuur van samenwerking en continu leren Best practices voor softwareontwikkeling en -beheer Wat is DevOps? Wat maakt ML anders dan gewone software? ML draait om data en modellen Data is veranderlijk en foutgevoelig Modellen zijn niet onbeperkt houdbaar Dus nu ook: ML modellen kunnen ontwikkelen en beheren Samenwerking tussen data science en IT teams Leer van de softwareontwikkeling
- 12. ML Ops: DevOps voor Machine Learning Automatisering & Standaardisering Reproduceerbaarheid Herbruikbaarheid Continu Verbeteren Beheersbaarheid
- 13. Wat laatste tips Laat data scientists in de business meedraaien Gebruik tooling voor quick prototyping Organiseer hackathons om enthousiasme en buy-in te genereren
- 14. Bedankt!