CC BY
21УДК 33
Ковальков Д.В.
магистрант Смоленский филиал Финансовый университет при правительстве РФ (г. Смоленск, Россия)
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В БИЗНЕС-АНАЛИЗЕ И ЕГО ЦЕННОСТЬ ИСПОЛЬЗОВАНИЯ В БИЗНЕСЕ
Аннотация: актуальность использования искусственного интеллекта в обработке больших данных заключается в том, что он позволяет эффективно решать задачи обработки данных, ускорять работу и повышать качество принимаемых решений. Многие исследования подтверждают эффективность использования ИИ в обработке больших данных. Машинное обучение является одним из основных инструментов, используемых в обработке больших объемов данных. Алгоритмы машинного обучения позволяют анализировать данные, выделять в них закономерности и делать прогнозы. Кроме того, ИИ позволяет автоматизировать процесс обработки данных, что ускоряет работу и снижает риски человеческого фактора.
Ключевые слова: интеллект, эффективность, анализ, обработка, автоматизация.
В современной бизнес-среде появляются все новые и новые технологии, которые трансформируют традиционные методы работы и управления. Искусственный интеллект (ИИ) - одна из таких технологий, которая уже сейчас активно используется в бизнес-анализе и играет важную роль в формировании стратегии развития организаций, особенно в условиях цифровой трансформации.
Что даёт ИИ бизнес-анализу:
1) Анализ Big Data. ИИ позволяет обрабатывать большие объемы данных быстрее и эффективнее, чем человек, а также находить скрытые
зависимости и паттерны в данных. Это позволяет компаниям принимать более обоснованные решения, сокращать расходы и повышать качество продукции и услуг.
Кроме того, использование ИИ в обработке больших данных также становится актуальным в связи с развитием новых технологий, таких как интернет вещей (IoT), когда большое количество устройств собирают данные в реальном времени. Использование ИИ в таких условиях позволяет компаниям быстро анализировать данные и принимать оперативные решения.
Литературный обзор по теме показывает, что использование ИИ в обработке больших данных имеет широкие перспективы и уже применяется в различных отраслях. Например, в исследовании, опубликованном в журнале Harvard Business Review, утверждается, что ИИ может значительно ускорить обработку больших объемов данных и снизить затраты на обработку информации в несколько раз. Также отмечается, что ИИ может помочь выделить в данных скрытые паттерны и зависимости, которые могут быть незаметны при ручной обработке данных.
В другом исследовании, опубликованном в журнале Nature, были исследованы возможности использования ИИ для анализа медицинских данных. Авторы исследования утверждают, что ИИ может помочь обнаружить ранние симптомы болезней и предложить наиболее эффективное лечение, что может спасти миллионы жизней.
Однако, в литературе также отмечаются некоторые проблемы, связанные с использованием ИИ в обработке больших данных. Например, в исследовании, опубликованном в журнале Communications of the ACM, утверждается, что ИИ может приводить к появлению ошибок из-за того, что алгоритмы машинного обучения не всегда могут учитывать контекст и могут давать некорректные решения.
В целом, литературный обзор показывает, что использование ИИ в обработке больших данных имеет множество перспектив, но также сопряжено с некоторыми проблемами, которые требуют дальнейшего исследования. Важно
развивать более совершенные алгоритмы машинного обучения и устанавливать соответствующие этические стандарты и законодательство для обеспечения правильного использования ИИ в обработке больших данных.
Результаты исследований показывают, что использование ИИ в обработке больших данных может привести к значительному ускорению процесса анализа данных и повышению точности результатов.
Например, в исследовании, опубликованном в журнале PLOS ONE, были использованы алгоритмы машинного обучения для анализа больших объемов медицинских данных. Исследование показало, что использование ИИ позволяет выявить более точные закономерности и паттерны в данных, что может помочь в разработке более эффективных методов лечения.
Также в исследовании, опубликованном в журнале Expert Systems with Applications, были применены алгоритмы глубокого обучения для анализа данных в банковском секторе. Исследование показало, что использование ИИ позволяет снизить затраты на обработку данных и увеличить точность прогнозов, что может помочь банкам принимать более обоснованные решения и повысить качество услуг.
2) Автоматизация процессов. Применение ИИ позволяет автоматизировать многие процессы, которые ранее требовали значительных затрат времени и ресурсов. Например, ИИ может автоматически собирать информацию из различных источников, анализировать ее и выдавать готовые отчеты. Это происходит намного быстрее, чем если бы человек вручную обрабатывал всю эту информацию.
Автоматизация бизнес-процессов с помощью ИИ представляет собой использование алгоритмов машинного обучения и других методов ИИ для выполнения задач, которые ранее выполнялись людьми. ИИ может обрабатывать большие объемы данных, принимать решения на основе анализа информации и выполнять задачи более эффективно и точно, чем это возможно для человека.
Перспективы автоматизации бизнес-процессов с помощью ИИ:
A) Повышение эффективности,
Б) Сокращение затрат,
B) Улучшение качества и точности,
Г) Ускорение принятие решений,
Технологии и методы:
A) Машинное обучение - это метод искусственного интеллекта, который позволяет компьютерным системам обучаться и улучшаться на основе опыта и данных. В контексте автоматизации бизнес-процессов, машинное обучение может быть использовано для создания моделей и алгоритмов, которые могут автоматически анализировать данные, прогнозировать тренды, оптимизировать процессы и принимать решения.
Б) Обработка естественного языка (Natural Language Processing, NLP) -это технология, которая позволяет компьютерным системам понимать и обрабатывать естественный язык, такой как текст или речь. В автоматизации бизнес-процессов, NLP может быть использовано для автоматического анализа и классификации текстовых данных, создания чат-ботов для общения с клиентами, автоматического перевода и многих других задач.
B) Компьютерное зрение - это технология, которая позволяет компьютерным системам видеть и анализировать изображения и видео. В автоматизации бизнес-процессов, компьютерное зрение может быть использовано для автоматического распознавания объектов, обнаружения дефектов, контроля качества и многих других задач, связанных с обработкой визуальных данных.
Г) Робототехника - это область искусственного интеллекта, которая занимается созданием и программированием роботов. В автоматизации бизнес-процессов, робототехника может быть использована для автоматического выполнения физических задач, таких как сборка, упаковка, доставка и другие операции, которые раньше выполнялись вручную.
Д) Автоматическое принятие решений - это метод искусственного интеллекта, который позволяет компьютерным системам принимать решения на основе анализа данных и заранее заданных правил. В автоматизации бизнес-процессов, автоматическое принятие решений может быть использовано для оптимизации процессов, автоматического управления ресурсами и принятия оперативных решений в реальном времени.
3) Точность прогнозов. Алгоритмы машинного обучения могут анализировать тысячи метрик, чтобы составить точный прогноз. Для оценки такого массива информации человеку требуется очень много времени, при этом выводы не всегда оказываются верными. Основное отличие прогнозирования ИИ от традиционного в том, что машинное обучение может анализировать все показатели бизнеса. Оно находит закономерности, незаметные для человека. Решение, выданное искусственным интеллектом, полностью автономное. Оно может использоваться для создания новых прогнозов.
Прогнозирование спроса позволяет компаниям закупить или изготовить нужное количество продукции, чтобы избежать ее дефицита или переизбытка на складе, а также удовлетворить потребности покупателей. Прогнозирование роста модели фирмы (соотношения продаж к доходу) помогает разработать стратегию ведения бизнеса. На основе данных о будущем росте компании принимают решения о расходовании средств, распределении ресурсов и т. д.
С помощью искусственного интеллекта финансовые компании прогнозируют мошеннические операции и принимают меры для их предотвращения. Применение «умных» технологий также позволяет предсказать стоимость недвижимости, учитывая местоположение объектов и исторические цены. Производители используют ИИ для снижения времени простоя и повышения эффективности производства. Умное прогнозирование позволяет запланировать техническое обслуживание и оптимизировать поставки. Прогнозирование на основе ИИ помогает предсказывать риски, обнаруживать мошеннические схемы, управлять персональными ставками,
разрабатывать маркетинговую стратегию и расширять клиентскую базу. Программы прогнозируют лиды с максимальной вероятностью конверсии. Также они помогают установить цены на продукцию и предсказывают вероятность неблагоприятных ситуаций во время поставки, что позволяет вовремя заключить договор страхования.
4) Разработка стратегии. Разработка бизнес-стратегии с использованием искусственного интеллекта включает в себя следующие этапы:
A) Первичная аналитика. На этом этапе компании сравнивают данные на дашбордах и пытаются найти закономерности.
Важно собрать и систематизировать данные со всех отделов, поскольку они пригодятся на второй ступени. Можно поместить их в одну программу, а следующие новые вводить в это же пространство, чтобы внедренное затем ИИ-решение анализировало весь массив информации и принимало во внимание информацию разных подразделений.
Б) Диагностика и обнаружение примерных проблем и драйверов. Этот шаг необходим, чтобы подобрать инструменты.
Можно собрать команду из разработчиков и аналитиков, чтобы проверить, насколько выявленные проблемы реальны и серьезны, а также взять «тестовый» проект и на нем проверить, насколько ему помогут ИИ-решения. Коллеги из двух блоков здесь нужны, чтобы посмотреть на ситуацию комплексно и оценить необходимость и техническую возможность внедрения системы, ее потенциальную эффективность.
B) Предиктивная аналитика. На этом этапе важно понять, как развивать имеющиеся процессы с помощью А1-решения и выстраивать систему.
Важно понять, как мы будем развивать имеющиеся процессы с помощью А1-решения и выстраивать систему. Поэтому пригодятся все лидеры направлений, чтобы контролировать варианты стратегических решений, которые будет предлагать нейросеть.
5) Персонализация. Одной из областей применения ИИ в бизнес-анализе является персонализация услуг и товаров для конечных клиентов.
Искусственный интеллект позволяет анализировать предпочтения, интересы и поведение купцов, чтобы предлагать им наиболее подходящие товары или услуги. Это способствует усилению клиентской лояльности и увеличению продаж.
В заключение, использование искусственного интеллекта в бизнес-анализе дает массу преимуществ и открывает новые возможности для компаний. Несмотря на свое название, ИИ скорее выполняет роль ускорителя, улучшающего работу людей, а не заменяет их. В этой взаимосвязи ключевым становится вопрос эффективного сотрудничества между человеком и искусственным интеллектом. Именно сочетание этих двух ресурсов позволит достичь наивысшей эффективности бизнес-анализа.
СПИСОК ЛИТЕРАТУРЫ:
1. Макс Тегмарк, Жизнь 3.0. Быть человеком в эпоху искусственного интеллекта, Династия, 2019 - 119 с;
2. Роджер Бутл, Искусственный интеллект и экономика. Работа, богатство и благополучие в эпоху мыслящих машин, Библиотека Сбера, 2020 - 391 с.\;
3. Ян Лекун, Как учится машина. Революция в области нейронных сетей и глубокого обучения, Интеллектуальная Литература, 2021 - 36 с;
4. Крон Д., Бейлевельд Г., Бассенс А., Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту, Библиотека Программиста, 2020 - 183 с;
5. Ли Кай-фу, Цюфань Чэнь, ИИ-2041 Десять образов нашего будущего, Манн, Иванов и Фербер, 2022 - 413 с;
6. Агравал А., Голдфарб А., Ганс Д., Искусственный интеллект на службе бизнеса. Как машинное прогнозирование помогает принимать решения, Манн, Иванов и Фербер, 2019 - 85 с;
7. Комаров П.И., Жерноклёв А.А., Искусственный интеллект в системе управленческого учета, 202;
8. Земляк С.В., Ганичева Е.В, Гусарова О.М., Комаров П.И., Крамлих О.Ю., Науменков А.В., Ноздрева И.Е., Попова В.В., Прохоренков П.А., Сивакова С.Ю., Титов Ю.М., Тищенкова Г.З., Петушкова Г.А., Анализ влияния цифровых технологий на финансовую устойчивость российских компаний, 2024;
9. Комаров П.И., Прохоренков П.А., Тищенкова Г.З., Нейронные модели оценки влияния цифровых технологий на финансовой устойчивости компании, 2019
Kovalkov D.V.
Financial University under Government of Russian Federation
(Smolensk, Russia)
ARTIFICIAL INTELLIGENCE IN BUSINESS ANALYSIS AND ITS VALUE BUSINESS USE
Abstract: the relevance of using artificial intelligence in big data processing lies in the fact that it allows you to effectively solve data processing problems, speed up work and improve the quality of decisions made. Many studies confirm the effectiveness of using AI in big data processing. Machine learning is one of the main tools used in processing large amounts of data. Machine learning algorithms allow you to analyze data, identify patterns in it, and make predictions. In addition, AI allows you to automate the data processing process, which speeds up work and reduces the risks of the human factor.
Keywords: intelligence, efficiency, analysis, processing, automation.
