Scoprire il proprio paradiso in terra in modo divertente con il machine learning
Ecco come trovare il proprio paradiso personale in terra:
il luogo in cui la complessità si trasforma in risposte semplici e veloci
Di Giuseppe Mariggiò, Data Manager
Il paradiso in terra rappresenta l’eterna metafora del rapporto tra tecnologia e uomo, sempre alla ricerca di un equilibrio tra natura e progresso. Ma non si tratta solo di un luogo ideale. È un posto che esiste veramente.
Ed è stato trovato analizzando 150mila città a livello mondiale e oltre 5 milioni di record provenienti da 1.124 fonti uniche di dati. Si tratta del piccolo distretto ovest della capitale Perth, nell’Australia Occidentale.
Dimmi dove vai e ti dirò chi sei
O meglio, dimmi chi sei e ti dirò qual è il tuo luogo ideale. Nel marketing, si tratta di una tecnica già nota per associare mete turistiche a un determinato profilo di cliente. Niente di nuovo quindi? Sbagliato! Perché SAS Viya lo ha fatto a partire da migliaia di fonti di dati, ribaltando completamente la logica delle ricerche di mercato tradizionali e utilizzando i motori di machine learning, anche per la messa a punto degli indicatori chiave che non sono stati predefiniti a priori, ma generati dai dati stessi.
Lavorare insieme alle imprese
“Non stiamo entrando nel business del turismo – rassicura Michela Guerra, Regional Marketing Communication Manager di SAS. “La nostra missione rimane quella di lavorare insieme alle imprese per trovare soluzioni alle sfide di business – sia che si tratti di centralizzare e personalizzare le campagne di marketing in base alla customer experience, scoprire potenziali transazioni finanziarie fraudolente o identificare nuove opportunità per ottimizzare i processi di produzione.
Qualsiasi azienda può trarre vantaggio dall’analisi dei big data e dall’apprendimento automatico, indipendentemente dal settore o ambito applicativo”.
Un paradiso per tutti, un paradiso per ciascuno
Basta avviare il configuratore e regolare gli otto indicatori chiave: Istruzione e carriera, Famiglia, Cultura, Natura, Sicurezza e infrastrutture, Costo della vita, Ristoranti e shopping, Salute. E il gioco è fatto!
“Tutti i dati strutturati e testuali sono stati raccolti, gestiti e analizzati in un ambiente big data con funzioni integrate e automatizzate – spiega Federico Pozzi, Senior Solutions Expert, Analytics di SAS. “La parte più sexy è la parte analitica, ma il lavoro più hard è la data integration che sta dietro.
Il modello analitico è in grado di produrre una conoscenza non solo implicita perché contenuta nei dati stessi e resa esplicita, ma anche creativa, perché in grado di scovare correlazioni nascoste, difficilmente alla portata computazionale di un essere umano”.
Sul podio degli Oscar del BoB
“La campagna ideata da SAS Germany, è oggi promossa in tutto il mondo e sta registrando un successo senza precedenti perché riesce a parlare alla persona, non a un generico target di riferimento” – spiega Michela Guerra. “Il fatto che alla base del calcolatore del Paradise Found ci siano modelli sofisticati di machine learning e artificial intelligence passa in secondo piano, lasciando alla persona la parte facile, utile e anche divertente.
E sono proprio la parte emozionale e la forza comunicativa gli elementi chiave alla base dei 2 riconoscimenti che la campagna ha ricevuto durante la XX edizione berlinese della Best of Business to Business” Awards (BoB) garantendole un posto sul podio”.
Un telescopio puntato sulla realtà
“Secondo Deloitte Global – continua Michela Guerra – il numero di progetti di machine learning è destinato a crescere di quattro volte tra il 2017 e il 2020. Le aziende sono sempre più consapevoli che le soluzioni di machine learning, AI e advanced analytics sono necessarie non solo per l’innovazione del business, ma anche per il miglioramento dei processi aziendali. Il machine learning è come un telescopio puntato sulla realtà, che ci permette di fare un salto dal metodo logico-deduttivo a quello induttivo, sostituendo al concetto di causalità quello di correlazione”.
La logica che sta dietro al Machine Learning – spiega Federico Pozzi – è simile al processo di apprendimento di un bambino attraverso l’osservazione dell’ambiente che lo circonda.
Per questo il modo con cui costruisco e istruisco l’algoritmo è fondamentale per garantire un risultato affidabile. Possiamo scegliere il tipo di modello con cui costruire l’algoritmo, possiamo preferirne uno ad albero a uno a black box, in tutti i casi, però non possiamo prescindere dalla qualità finale dell’output”.
Articolo tratto da
Trend by itasascom
Speciale Machine Learning
Letture consigliate
-
ARTICOLO
AI, Machine Learning and Cloud: universities enter the future of Analytics with SAS Viya for LearnersA collaboration between an academic institution and a multinational is already standing out as a success story that connects education and business. The aim is to support students in their data science training, put them to work on real-world projects and give them high in demand, future proof, skills.
-
ARTICOLO
Il Machine Learning spiegato a mia nonnaIntelligenza Artificiale come “l’uso di macchine che portano a termine compiti in un modo che consideriamo intelligente” mentre ci si riferisce al Machine Learning come “l’applicazione dell’Intelligenza Artificiale per rendere le macchine libere di accedere a set strutturati di dati ed apprendere da sole”.
-
ARTICOLO
Noi e l’Intelligenza Artificiale: ci fidiamo?L’Intelligenza Artificiale (AI) è oggi uno dei principali trend e hot topic a livello mondiale. SAS ha realizzato uno studio europeo per comprendere meglio il fenomeno.
-
ARTICOLO
Il vero valore dell'IoT: dal data center all’elaborazione real timeSAS e Cisco insieme per dar vita all'Edge-to-Enterprise IoT Analytics Platform.
Ready to subscribe to Insights now?
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: © Copyright dell'editore. L'articolo non è riproducibile senza il suo consenso.
Subscribe to Insights newsletter