¿Qué empresas están haciendo aprendizaje automático real en lugar de ciencia de datos hacky?

Un saludo desde las trincheras, pensé que esto debía decirse, aunque puede que no responda directamente a la pregunta.

Fuera de las compañías de Internet y tecnología donde entra en juego un sesgo de prominencia y el peso de la probabilidad es que están haciendo aprendizaje automático real, hay cientos de empresas más pequeñas o menos conocidas que aprovechan el aprendizaje automático de muchas maneras, a menudo de forma considerable. escala empresarial, y dirigido directamente al corazón de los procesos y decisiones que generan más valor (léase: hacer / ahorrar dinero).

El punto es que si algo realmente está dando una ventaja competitiva, y el aprendizaje automático ciertamente puede hacer eso, lo mejor para la compañía es no dejar que nadie lo sepa.

La mayoría del trabajo de aprendizaje automático de vanguardia que se implementa realmente (no se habla) hoy no llegará a ninguna publicación de blog, artículo de HBS o mashable en el corto plazo, o si lo hace, ciertamente no será porque la compañía necesita un ego aumentar.

Se mantendrá en secreto el mayor tiempo posible, con solo sus efectos en el mercado. Una especie de “carrera armamentista invisible” ya ha estado en marcha durante algunos años, y lo que leemos en línea es similar a la lectura pública de noticias nuevas de nuevas ofensivas, técnicas y armas en el campo.

Por otro lado, tampoco es cierto que necesite muchos datos externos para realizar el aprendizaje automático.

En otro cierre de las trincheras, busque empresas que utilicen análisis predictivos para fines operativos. Por lo general, son los mejores, que no se pueden contar sobre análisis de negocios generales. He visto muchas aplicaciones de análisis predictivo para fines comerciales generales, pero incluso si se hacen bien, nunca se usan de manera efectiva. Un ejemplo muy típico es la propensión a la rotación. Entonces, tienes un gran modelo para la propensión a la rotación, ¿qué vas a hacer? ¿Vas a apuntar a los agitadores de mayor propensión con algo? El problema aquí es que su modelo predice el abandono de la propensión, no la propensión a salvarse, por lo que, por definición, acaba de resolver lo incorrecto (y, por cierto, atacar a los que abandonan el trabajo es una mala estrategia a largo plazo, y solo necesita saber matemática básica para confirmarlo). Esta es la típica “confusión de objetivos y perfección de los medios”, como lo expresó un individuo muy brillante.

Mi segundo comentario es que veo muchas más soluciones “hacky” en métodos avanzados que en el simple conteo de frecuencias (es decir, cualquier cosa puede implementarse usando SQL, Tableau o incluso una tabla dinámica). La mayoría de las personas no entienden bien los modelos, y simplemente arrojan los datos, curiosos por saber qué escupirá la caja negra. Eso es hacky, en mi opinión. Analizar los datos utilizando métodos simples, incluidos los gráficos, no es “hacky”. Es una forma muy prudente de comprender lo que está sucediendo en el negocio.