Calidad de datos, respuesta COVID, ahorro de arrecifes de coral y más durante la Cumbre de datos, análisis y automatización inteligente de Transform


La Cumbre de datos, análisis y automatización inteligente en Transform 2021, presentada por Accenture, profundizó en cómo los datos, el análisis y la automatización inteligente pueden ayudar al bien común, al resultado final y más.

El dia comenzo con Big Bytes in AI & Data Breakfast, presentado por Accenture. Los ejecutivos de Accenture, American Express, Opendoor, Evernorth y Google finalmente acordaron que la calidad de los datos en sus soluciones de inteligencia artificial no es negociable.

Valerie Nygaard, Gerente de Producto de Google Duplex, dijo: «Puede crear toneladas de innovaciones técnicas, pero la mayoría de las veces se basan en la calidad de los datos, esa precisión, normalización, procesamiento y manejo».

El grupo de riesgo de crédito y fraude de American Express utiliza modelos basados ​​en aprendizaje automático para monitorear $ 1.2 billones en tarifas anualmente en todo el mundo y tomar 8 mil millones de decisiones de riesgo en tiempo real, dijo Anjali Dewan, vicepresidenta de Gestión de Riesgos, Marketing del Consumidor y Decisión de Personalización Empresarial. Ciencia en American Express.

“Tener la disciplina para asegurar que la calidad de estos datos sea consistente desde la evaluación hasta la producción es una ventaja competitiva clave”, dijo.

Los modelos de valoración de Opendoor, que sirven a más de 90.000 clientes y permiten más de $ 10 mil millones en bienes raíces en 30 mercados, son tan gratificantes como la entrada de datos, dijo el cofundador y CTO Ian Wong. Para garantizar la cobertura y la precisión, han desarrollado aplicaciones de inspector personalizadas que utilizan un experto humano para recopilar datos de primera parte y luego enviarlos a su repositorio central en tiempo real.

Se necesita tiempo para recopilar y administrar datos, asegurarse de que sean de alta calidad y controlados, y luego organizarlos para generar información, dijo Mark Clare, jefe de estrategia y habilitación de datos empresariales en Evernorth / Cigna. Pero los nuevos procesos ágiles y colaborativos y el reconocimiento visual que ayudaron a una empresa de servicios financieros vieron llevaron al ejecutivo global de la empresa a descubrir un riesgo de fluctuación de ocho dígitos en menos de 30 minutos.

Una conclusión clave para Ahmed Chakraborty, Director Gerente Global y Jefe de Inteligencia Aplicada para América del Norte en Accenture, es que emprender un viaje basado en datos en la empresa es un viaje de cambio, y una gran parte del cambio está impulsando la adopción.

«Yo llamo a esto la conexión de la última milla», dijo. “La alfabetización de datos es fundamental. Es fundamental mejorar la perspicacia general de su empresa para comprender los datos y lo que puede hacer con los datos para impulsar la adopción y el cambio a largo plazo en su cultura «.

“Nube para sobrevivir. Inteligencia artificial para el éxito: cómo los CXO recorren el camino hacia la reinvención basada en datos «

En el discurso de apertura de la cumbre, Hari Sivaraman, director de estrategia de contenido de IA en VentureBeat, habló con Sanjeev Vohra, director global de inteligencia aplicada en Accenture.

Después de la pandemia, hubo un cambio masivo hacia los datos, la inteligencia artificial y la nube para crear más bienes, más ingresos y más eficiencia.

Vohra identificó cuatro cambios fundamentales fundamentales que él y su equipo han visto en el último año en particular. Primero, la nube y los datos se han unido para crear superpoderes. Por un lado, explicó, está la expansión de la nube, que ofrece una potencia informática mucho mayor y la flexibilidad para escalar hacia arriba y hacia abajo según sea necesario. Esto se combina con enormes cantidades de datos ahora disponibles tanto dentro de las empresas como en los proveedores externos.

«Los datos y la nube son una gran tendencia que está impulsando a todo el planeta y realmente ha avanzado durante la pandemia», dijo.

La segunda tendencia es que el C-suite de empresas de todas las industrias ahora está realmente interesado en estas tecnologías y su uso para derivar valores comerciales. «Se saca de la zona de experimentación o zona piloto», dijo, «para ser utilizado para la escala».

La velocidad es la tercera tendencia. Vohra declaró: “Nadie quiere pasar dos o tres años agregando valor. [Business leaders] en serio para decir qué hacer en seis meses «.

La última tendencia es el talento. Es escasa y la demanda viene de todas partes. Por lo tanto, las empresas ahora tienen que tomar decisiones importantes sobre cuánta inversión se requiere para aumentar su fuerza laboral y qué proporción se centra en el desarrollo interno en comparación con la contratación externa.

Más adelante en la discusión, Vohra compartió uno de los proyectos que espera con especial interés. Junto con Intel y la Fundación Ambiental Filipina Sulubaaï, Accenture está rescatando el arrecife de coral con inteligencia artificial y computación perimetral que monitorea, caracteriza y analiza la resiliencia de los arrecifes de coral. La plataforma de servicios de análisis de video de inteligencia aplicada de Accenture (VASP) detecta y clasifica la vida marina, y luego los datos se envían a un tablero de superficie. Con análisis y tendencias en tiempo real, los investigadores están tomando decisiones basadas en datos que ayudarán a que el arrecife evolucione mientras hablamos (o mientras usted lee).

Los ejecutivos de Cigna C-suite analizan el impacto de la inteligencia artificial y las interacciones digitales en la mejora de la salud de sus clientes

Gina Papush, directora global de datos y análisis de Evernorth / Cigna, entrevistó a Joe Depa, director general global de Accenture, durante el panel AI in Health sobre cómo están usando información procesable para hacer que la atención médica sea más predecible y eficiente. , eficaz.

Su enfoque principal durante el último año y medio ha sido comprender el impacto de COVID geográficamente y en diferentes segmentos de población.

«Una de las cosas que descubrimos es que no hay duda de que existen diferencias en la forma en que COVID está afectando a diferentes grupos de clientes, y a los clientes negros e hispanos en particular», dijo.

La organización se ha asociado con sus equipos clínicos y de experiencia del cliente y ha trabajado con empleadores locales en estos mercados para realizar esfuerzos concertados y basados ​​en datos para impulsar el alcance. Distribuyeron de forma proactiva PPE y capacitación sobre prevención de infecciones y manejo de enfermedades. Y cuando se introdujeron las vacunas, trabajaron con los empleadores de los clientes para llevarlos a los sitios de vacunación.

Después de cambiar el enfoque para estudiar los efectos posteriores al COVID, especialmente el COVID a largo plazo, descubrieron que muchos clientes de pacientes con COVID a largo plazo tenían afecciones crónicas preexistentes, como inflamación cardíaca y enfermedades cardíacas, que son más comunes en las comunidades de color. Ahora están enfocados en identificar riesgos, y los equipos de ciencia de datos están construyendo y aplicando modelos para identificar a aquellos que podrían estar en riesgo de sufrir complicaciones graves después de COVID.

«La atención continua después de COVID-19 es fundamental, y nuestro análisis predictivo nos permite orientar mejor esa atención a las personas adecuadas», dijo Papush.

Comprender el comportamiento del consumidor con big data y ofrecer productos basados ​​en inteligencia artificial que ofrecen recomendaciones personalizadas.

Este panel de inteligencia artificial en el comercio minorista presentado por Accenture desveló la tendencia de la ultra personalización con ejecutivos de inteligencia artificial de DoorDash, Nike y Accenture.

«Cada día se hizo más claro que la aceleración de la digitalización después de la pandemia ha cambiado la forma en que las personas consumen e interactúan con productos de todas las categorías», dijo Lan Guan, jefe de IA para inteligencia aplicada en Accenture. “La IA se omitió para satisfacer la demanda de los consumidores de exactamente lo que quieren, cuando todavía lo quieren. De eso se trata la ultrapersonalización «.

Para DoorDash, esta personalización gira en torno a lo que la compañía llama «el problema de selección de restaurantes», dijo Alok Gupta, director de ciencia de datos y aprendizaje automático de DoorDash.

Los consumidores vienen a DoorDash con un alimento específico en mente. Sus científicos de datos se centran en comprender este deseo e identificar posibles nuevos socios de restaurantes que puedan ayudar a que las opciones de restaurantes y alimentos de la aplicación DoorDash sean lo más sólidas posible.

Dada la creciente demanda digital en Nike, todo su modelo tuvo que cambiar, dijo Emily White, vicepresidenta de análisis y datos corporativos de Nike. La empresa utilizó inteligencia artificial y aprendizaje automático para automatizar los procesos internos a fin de ganar velocidad y lanzar una nueva instalación de ventas para satisfacer plenamente la creciente demanda digital.

Su equipo creó un motor de reabastecimiento para leer la señal, identificar el inventario disponible en todos los centros de distribución y tiendas de Nike y determinar qué productos deben asignarse a las instalaciones de Adapt en Tennessee para brindar un mejor servicio a la región sureste. Es su centro de distribución más grande del mundo, construido para distribuir los productos Nike y Jordan de la compañía de la manera más eficiente posible a consumidores minoristas, clientes mayoristas y canales minoristas de Nike en el nuevo mundo digital.

«El resultado de esto es una reducción en el tiempo y los costos de transporte, una mejora en nuestra sostenibilidad y una respuesta más rápida a nuestra demanda local», dijo.

Uno de los clientes de Accenture, una marca de moda, utilizó inteligencia artificial y un enfoque de ultra personalización para pasar de ofrecer de forma pasiva solo unas pocas colecciones de ropa por año a responder a las tendencias del mercado que siguen siendo tendencia. Utilizan inteligencia artificial y aprendizaje automático para recopilar comentarios de los consumidores en tiempo real de todas las plataformas de redes sociales. En unas pocas horas, los diseñadores traducen esta información en ideas de productos y las envían a microestudios para producción experimental.

«Dos resultados rápidos aquí», dijo Guan. «Un crecimiento del 25% en las ventas anuales y un aumento del 29% más en las ventas por visita, todo debido a esta ultrapersonalización».

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *