Cognitieve analyse uitgelegd:een duidelijke, eenvoudige gids

Elke dag genereert de wereld meer dan 402 miljoen terabytes aan gegevens. De totale hoeveelheid gegevens die wereldwijd wordt geproduceerd, vastgelegd en geconsumeerd groeit snel en zal naar verwachting in 2030 ruim 612 miljard terabytes bedragen.

Deze gegevens komen overal vandaan:aankooptransactiegegevens, GPS-signalen van smartphones, sensoren die worden gebruikt om klimaatinformatie te verzamelen, inhoud die op sociale mediaplatforms wordt geplaatst, afbeeldingen en video's vastgelegd door satellieten, en meer.

Om deze gegevens te begrijpen en verborgen patronen en inzichten te ontdekken, is het belangrijk om deze efficiënt te analyseren. Tegenwoordig gebruiken bijna alle bedrijven data-analyse om de kosten te verlagen, op feiten gebaseerde beslissingen te nemen, nieuwe producten en diensten te ontwikkelen en op de markt te brengen, en nieuwe kansen te identificeren.

Door de jaren heen is data-analyse geëvolueerd van beschrijvend (wat er in het verleden is gebeurd) naar diagnostisch (waarom het is gebeurd), naar voorspellend (wat waarschijnlijk in de toekomst zal gebeuren) naar prescriptief (wat kan worden gedaan om toekomstige resultaten te beïnvloeden).

De volgende grote paradigmaverschuiving zal waarschijnlijk plaatsvinden in de richting van Cognitive Analytics, waarbij de kracht van krachtige processors en kunstmatige intelligentie-algoritmen zal worden benut om complexe patronen bloot te leggen die verborgen zijn in enorme hoeveelheden gegevens.

Hieronder leert u waarom Cognitive Analytics belangrijk is, hoe het werkt, wat de toekomstige toepassingen en marktomvang zijn, en welke bedrijven zwaar investeren in cognitieve analysetools. Laten we beginnen met een basisvraag.

Wat is cognitieve analyse precies?

Cognitive Analytics is een slimme technologie die verschillende analytische methoden omvat om gestructureerde en ongestructureerde gegevens te onderzoeken. Het kan complexe datasets doorzoeken en antwoorden vinden die zinvol zijn voor de gestelde vragen.

Beschouw cognitieve analyse als een systeem met mensachtige intelligentie. In plaats van alleen de gegevens te scannen, begrijpt het de context, interpreteert het de toon van een zin en herkent het specifieke objecten in afbeeldingen of video's.

Cognitive Analytics maakt vaak gebruik van kunstmatige intelligentie, machinaal leren, neurale netwerken en semantiek om ingewikkelde patronen en inzichten bloot te leggen (wat conventionele analyses niet kunnen). Het verbetert zichzelf in de loop van de tijd door voortdurend te leren van gegevens en mens-machine-interacties. Dit betekent dat hoe meer u gegevens invoert, hoe intelligenter de analyses worden.

De meeste bedrijven gebruiken cognitieve analyses om gedragspatronen van klanten te volgen en potentiële kansen te identificeren. Op deze manier kunnen ze toekomstige resultaten inschatten en datagestuurde beslissingen nemen om de prestaties te verbeteren.

Sommige delen van cognitieve analyse overlappen met voorspellende analyses. Deze gebieden omvatten voornamelijk het gebruik van business intelligence-gegevens om toekomstige gebeurtenissen en trends te voorspellen.

Opmerking:Cognitive Analytics is ook de naam van een particulier bedrijf, evenals een handelsmerknaam voor zakelijke dienstverlening. Hoewel marktanalisten deze term over het algemeen gebruiken als ze het hebben over big data en business intelligence. 

Hoe werkt het?

Cognitieve analyse is een data-forward-benadering die begint en eindigt met wat zich in de gegevens bevindt. Het maakt gebruik van geavanceerde technieken die de volledige data (alle soorten en op elke schaal) verwerken om ongekende en onverwachte inzichten te onthullen. Hoewel cognitieve analysesystemen verschillende algoritmen kunnen gebruiken om bruikbare inzichten te verkrijgen, blijft hun fundamentele architectuur hetzelfde en volgen ze allemaal een basisreeks van procedures:

1. Gegevens zoeken en verzamelen  

Het doorzoekt de hele ‘kennisbank’ om realtime gegevens te lokaliseren. Deze gegevens kunnen rechtstreeks afkomstig zijn van sensoren, IoT-apparaten, robots en apparatuur. Vervolgens wordt het georganiseerd en geïntegreerd met bestaande of historische gegevens uit voorgaande kwartalen.

Sommige cognitieve analysesystemen tonen gegevens via intuïtieve dashboards, gebruikersinterfaces van apparatuur en andere representaties. Een eenvoudig te begrijpen tool voor datavisualisatie kan de tijd die nodig is om algemene patronen te vinden en reparaties uit te voeren aanzienlijk verkorten.

2. Analyseer gegevens 

De volgende stap is het zorgvuldig analyseren van tekst, audio en video om natuurlijke taal en menselijke interacties te begrijpen. Om dit te doen combineert cognitieve analyse technieken uit kunstmatige intelligentie, machinaal leren, neurale netwerken en semantiek.

Het is voornamelijk afhankelijk van het Deep Learning Neural Network, een subset van machinaal leren. Een neuraal netwerk bootst de manier na waarop het menselijk brein werkt. Het bestaat uit meerdere lagen (een invoerlaag, een uitvoerlaag en verborgen lagen ertussen) die met elkaar verbonden zijn via knooppunten, en deze verbindingen vormen een ‘netwerk’.

Deze onderling verbonden knooppunten functioneren ongeveer zoals neuronen in het menselijk brein. Ze lezen alle binnenkomende data en herkennen complexe patronen met behulp van algoritmen. Het netwerk kan ruwe gegevens clusteren en classificeren, correlaties vinden en in de loop van de tijd voortdurend leren en verbeteren.

3. Genereer en evalueer de op bewijs gebaseerde hypothese 

Vervolgens worden de geïdentificeerde patronen en inzichten beoordeeld om vast te stellen of het om evidence-based hypothesen gaat. Als er concreet bewijs is om de hypothese te ondersteunen, evalueert het systeem deze om de potentiële waarde ervan te bepalen. Dit helpt bij het identificeren van mogelijke toekomstige bedreigingen en kansen voor verbetering.

4. Aanpassen en leren van gebruikersselecties en reacties 

Omdat cognitieve analyse gebruik maakt van kunstmatige intelligentie, kan het zijn gedrag aanpassen aan de interacties van de gebruikers. Als iemand bijvoorbeeld voortdurend op zoek is naar een specifiek type informatie, zal het systeem geleidelijk leren vergelijkbare informatie te verstrekken zonder veel computerbronnen te verspillen.

Voordelen

Cognitieve analyses worden in ondernemingen en organisaties toegepast om de kloof te overbruggen tussen enorme hoeveelheden gegevens en de noodzaak om betere beslissingen te nemen. De gedetailleerde inzichten in het bedrijf helpen bedrijven hun producten te verbeteren, meer gepersonaliseerde diensten aan klanten te bieden en te zien hoe hun concurrenten presteren.

Voor grote bedrijven is cognitieve analyse zeer effectief gebleken op drie gebieden:

1. Klantbetrokkenheid

Dankzij het ongrijpbare 360-gradenbeeld van het gedrag van klanten kunnen bedrijven een naadloze, probleemloze klantervaring creëren. Het stelt bedrijven ook in staat een beter inzicht te krijgen in de koopvoorkeuren van gebruikers, op hun behoeften te anticiperen en een betere gebruikerssegmentatie te garanderen.

2. Productiviteit en efficiëntie

Geef problemen sneller prioriteit en los ze op, benut cruciale informatie uit gebruikersgesprekken, automatiseer acties voor veelvoorkomende verzoeken, verminder de uitgaven voor minder belangrijke bronnen en stel teamleden in staat snel en dynamisch te reageren. En omdat cognitieve analyses informatie uit het verleden combineren met actuele gegevens om de resultaten voortdurend te verbeteren, kunt u zich snel aanpassen aan externe veranderingen en markttrends.

3. Bedrijfsgroei

Cognitieve analyses stellen ondernemingen in staat hun activiteiten uit te breiden naar nieuwe markten, nieuwe kansen te vinden op specifieke locaties, ongebruikte gegevensbronnen te ontginnen en nieuwe producten en diensten te innoveren. Het maakt het ook gemakkelijker voor analisten en marktonderzoekers om de waarde van big data te ontsluiten en problemen in hun bedrijfspanden op te lossen.

Vroege adoptie

De afgelopen tien jaar hebben verschillende technologiegiganten en startups honderden miljoenen geïnvesteerd in het opkomende gebied van cognitieve technologie. Google, Microsoft, IBM, Amazon, Cisco, HPE, SparkCognition en DataRobot behoren tot de topbijdragers.

Volgens het onderzoek van IBM hebben de early adopters al positieve resultaten gezien van hun cognitieve initiatieven – van een betere klantbetrokkenheid tot productinnovatie en bedrijfsgroei.

Deze early adopters maken gebruik van verschillende cognitieve mogelijkheden, variërend van machinaal leren en natuurlijke taalverwerking tot het ontsluiten van waarden uit verschillende gegevensbronnen, zowel gestructureerd als ongestructureerd. Sommige bedrijven ontwikkelen aangepaste platforms, terwijl andere API's gebruiken om cognitieve technologie in hun systemen te implementeren.

IBM onderzocht ruim 600 early adopters die cognitieve technologie aan het werk zetten. Uit hun rapport blijkt dat cognitieve capaciteiten een belangrijke rol spelen in de groei van het bedrijf. Ongeveer 65% van de early adopters is van mening dat cognitieve technologie cruciaal is voor hun bedrijfsstrategie en succes, terwijl 58% zegt dat het een essentieel onderdeel is van de digitale transformatie van hun bedrijf.

Het nieuwe tijdperk van Analytics 

Nu we een wereld betreden waarin bijna alles met elkaar verbonden is, zullen bedrijven steeds meer vertrouwen op cognitieve analyses en gerelateerde tools om te groeien en zich aan te passen aan de veranderende behoeften van de klant.

Meer specifiek kunnen cognitieve tools bedrijven helpen om de gedragspatronen van klanten echt te begrijpen, de hoofdoorzaken van de ontevredenheid van klanten te identificeren en innovatieve manieren te vinden om de klantervaringen te verbeteren. Cognitieve analyses kunnen ook uitstekend passen bij het optimaliseren van de operationele kosten, het vergroten van het klantenbehoud en het aanzienlijk verkorten van de oplossingstijd.

Realistische voorbeelden van cognitieve analyse

Cognitieve analyses worden nu in bijna elke branche gebruikt om patronen, potentiële bedreigingen en mogelijkheden voor verbetering te identificeren. Bijvoorbeeld

Bankwezen en financiën 

Cognitieve computing kan de bank- en financiële sector radicaal veranderen. In tegenstelling tot conventionele systemen die het gedrag van klanten modelleren op basis van acties uit het verleden en alle klanten op dezelfde manier behandelen, maken cognitieve systemen nauwkeurigere en actuelere analyses van individuen op basis van hun leeftijd, inkomen en transacties.

Cognitieve analyses kunnen banken helpen producten en diensten voor elke klant aan te passen, zich op intelligente wijze te richten op vermogende individuen, betere investeringsplannen aan te bieden en bekwame kennis toe te passen om problemen snel op te lossen.

Al met al kan dit opkomende computerparadigma op drie gebieden worden toegepast:

• Klantenservice:omdat een cognitief systeem het probleem begrijpt, kan het nauwkeurige oplossingen bieden zonder klanten naar verschillende afdelingen te leiden, waardoor iedereen tijd bespaart.
• Besluitvorming en advies:het kan het acceptatieproces van leningen verbeteren, wat een dieper inzicht in bedrijven vereist om datagestuurde beslissingen te nemen.
• Beleggingsadvisering:cognitieve systemen stellen banken en niet-bancaire financiële sectoren in staat snel investeringsbronnen te raadplegen om de nieuwste markttrends te verkennen, risico's te evalueren en actueel advies aan klanten te geven.

Cyberbeveiliging

Kunstmatige intelligentie en diepe neurale netwerken maken het voor cognitieve systemen gemakkelijker om voortdurend gegevens uit verschillende bronnen te extraheren en kennis te verwerven via geavanceerde analyses. Het neurale netwerk verbetert zichzelf bij elke iteratie, waardoor het systeem leert bedreigingen te voorspellen en proactieve oplossingen te creëren.

Nu het aantal cyberaanvallen toeneemt en er een tekort is aan bekwame cybersecurityspecialisten, doet een tool als cognitieve analyse wonderen. Het kan enorme hoeveelheden gestructureerde en ongestructureerde gegevens verwerken en analyseren (om verschillende soorten bedreigingen en risico's te identificeren), wat vrijwel onmogelijk zou zijn voor een traditioneel analysesysteem.

Zorg

De gezondheidszorggerelateerde informatie (zoals radiologische beelden, laboratoriumresultaten, pathologierapporten, elektronische medische dossiers, klinisch onderzoek en meer) is moeilijk te analyseren en te delen omdat deze gefragmenteerd is. Dit is waar cognitieve systemen van pas komen. Ze kunnen op een slimme en snelle manier verschillende soorten informatie doorzoeken om professionals in de gezondheidszorg te helpen.

De inzichten die cognitieve analyses bieden, maken het voor zorgverleners gemakkelijker om de gezondheid van individuele patiënten te begrijpen, weloverwogen beslissingen te nemen en meer gepersonaliseerde zorg te bieden.

Tegenwoordig wordt cognitief computergebruik gebruikt in tal van oncologiecentra over de hele wereld. Bij het MD Anderson Cancer Center en het Memorial Sloan Kettering Cancer Center helpt cognitieve analyse artsen bijvoorbeeld bij het analyseren van petabytes aan medische gegevens (waaronder klinische onderzoeken, onderzoeksresultaten en richtlijnen voor beste praktijken) om diagnose- en behandelingsbeslissingen te ondersteunen.

Kracht en energie

De olie- en gasindustrie wordt voortdurend geconfronteerd met uitdagingen bij het lokaliseren, raffineren en distribueren van ruwe olie en de bijproducten ervan. Met behulp van cognitieve analyses kunnen ingenieurs en technische experts belangrijke beslissingen nemen, zoals waar ze naar olie moeten zoeken, hoe ze hulpbronnen moeten toewijzen, welke producten prioriteit moeten krijgen en hoe ze de efficiëntie van bestaande faciliteiten kunnen verbeteren.

Cognitieve platforms worden al gebruikt door veel nutsbedrijven in de Verenigde Staten, waaronder Mega Energy, Arizona Public Service Electric, Gexa Energy, Portland General Electric en Avangrid. Deze systemen bieden verschillende voordelen, van het voorspellen van belastingen tot het in kaart brengen van tariefstructuren aan de hand van individuele kostenmodellen.

Logistiek en detailhandel

Cognitieve analyses zijn nuttig in elke fase van de logistieke en supply chain, van magazijnbeheer en automatisering tot verpakking en palletisering. Het analyseert gegevens van zowel interne (voorraad, verkooppunt) als externe (markttrends, weer) ecosystemen. Het doel is om de efficiëntie van de supply chain te verbeteren, de kosten te minimaliseren en waardevolle inzichten te bieden aan bedrijven, zodat ze snel kunnen reageren op de dynamisch veranderende scenario's.

Cognitieve analyse speelt ook een cruciale rol in de detailhandel. Het kan worden geïntegreerd met e-commerceplatforms om gegevens over klanten en hun koopgedrag te extraheren. Voor offline winkels kunnen cognitieve systemen retailers helpen hun voorraden te optimaliseren en meer gepersonaliseerde producten aan te bieden tegen aantrekkelijke prijzen.

Onderwijs en leren

Cognitief computergebruik kan betere resultaten opleveren voor studenten en docenten. Het kan slecht presterende scholen en leraren identificeren, de prestaties van leerlingen in specifieke disciplines voorspellen en gepersonaliseerd studiemateriaal aanbieden. 

In 2003 adopteerden de openbare scholen in Miami-Dade County in Florida Cognitive Tutor Software om feedback te geven aan leerlingen terwijl ze met problemen aan de slag gingen. Het is gebleken dat deze software veel effectiever is dan alleen het conventionele leerplan.

Bekende cognitieve analysetools

Nu u de praktische toepassingen van cognitieve analyse kent, gaan we verschillende soorten cognitieve hulpmiddelen verkennen die op verschillende gebieden worden gebruikt.

1. OpenSMILE

OpenSMILE (Open-source Speech and Music Interpretation by Large-space Extraction) extraheert automatisch functies uit audiosignalen en classificeert spraak- en muzieksignalen. Het wordt veel gebruikt voor spraakherkenning, emotieherkenning, sprekeridentificatie, akkoorddetectie en beattracking. Het kan ook de toestanden van de spreker detecteren, zoals intoxicatie, depressie of stempathologische stoornissen.

Omdat het softwareprogramma grotendeels in C++ is geschreven, draait het soepel op alle platforms, inclusief embedded platforms zoals macOS, iOS, Windows, Android, Linux en Raspberry Pi.

2. IBMWatson

IBM Watson gebruikt meer dan 100 verschillende technieken om natuurlijke taal te analyseren, relevante bronnen te vinden, hypothesen te genereren, bewijsmateriaal te evalueren en de best mogelijke antwoorden te rangschikken. Kortom, het past geavanceerde natuurlijke taalverwerking, geavanceerd redeneren, kennisrepresentatie en machine learning-algoritmen toe op het gebied van het beantwoorden van open domeinvragen.

Met Watson krijgen bedrijven toegang tot een compleet portfolio aan AI-mogelijkheden, of het nu gaat om tools voor het detecteren van opkomende trends of het ontwikkelen van applicaties voor klanten. Het bespaart tijd en automatiseert meer processen, zodat medewerkers zich kunnen concentreren op groei en nieuwe kansen.

3. NuPIC

NuPIC (Numenta Platform for Intelligent Computing) is een open-source AI-platform dat HTM-leeralgoritmen (Hierarchical Temporal Memory) implementeert. Het is geschikt voor een breed scala aan problemen, vooral voor het detecteren van afwijkingen en het voorspellen van streaminggegevensbronnen.

4. Iris van Apixio

De Verenigde Staten produceren jaarlijks ruim 1,3 miljard klinische zorgdocumenten; ongeveer 80% van deze gegevens is ongestructureerd en moeilijk toegankelijk. Dat is waar Iris van pas komt. Het is een cognitief computerplatform dat waardevolle inzichten haalt uit enorme hoeveelheden klinische gegevens en andere informatie in het gezondheidszorgsysteem.

De analyse-engine van Iris maakt gebruik van machine learning en natuurlijke taalverwerkingstechnologieën om patiëntprofielen te genereren en risico's te evalueren. Het kan vergelijkbare patiënten en gevallen groeperen om op bewijs gebaseerde patiëntgegevens te verschaffen. En omdat gegevens in de loop van de tijd veranderen, controleert het platform voortdurend de informatie van de patiënt om zorgverleners te vertellen wat wel en niet werkt.

5. Aila van Enterra Solutions

Aila combineert geavanceerde wiskunde en kunstmatige intelligentie om problemen te redeneren en op te lossen op een manier die vergelijkbaar is met die van mensen. Het kan de interne en externe gegevens van het bedrijf analyseren, conclusies trekken en op verzoek waardevolle inzichten produceren. In tegenstelling tot traditionele bedrijfsanalyses kan Aila de grote, multivariate wereld van Big Data aan.

Het kan enkele van de lastigste vragen beantwoorden —

• Zijn er mogelijkheden om volgend jaar de uitgaven binnen marktsegmenten te verschuiven om de ROI te verbeteren?
• Zijn de serviceniveaudoelstellingen van onze klanten in gevaar? Zo ja, hoe kan ik dat risico beperken?

6. Ignio Cheetah van TCS

Ignio Cheetah is een cognitieve automatiseringsproductsuite voor IT-activiteiten en werklastbeheer. Het kan onmiddellijk abnormale IT-omstandigheden detecteren en voorspellen die aandacht behoeven, valse waarschuwingen verminderen, soortgelijke of gecorreleerde gebeurtenissen verzamelen en waarschuwingen prioriteren op basis van de zakelijke impact. En omdat het systeem leert van zijn eigen ervaringen, wordt het met de tijd beter.

Ignio wordt al gebruikt door veel grote bedrijven, waaronder Fortune 500- en Global 2000-bedrijven, die vernieuwers en leiders zijn op hun respectieve terreinen. Het platform beheert autonoom meer dan 1,5 miljoen technologiebronnen voor meer dan 50 klanten.

7. Cortex-certificaat

Cortex Certifai zorgt ervoor dat de machine learning-modellen vrij zijn van algoritmische vooroordelen om scheve besluitvorming en redenering te verminderen. Het genereert een samengestelde vertrouwensscore, genaamd AI Trust Index, die geautomatiseerde modellen meet op basis van gegevenskwaliteit, prestaties, robuustheid, eerlijkheid, verklaarbaarheid en naleving.

Deze Trust Index helpt bedrijven bij het evalueren van de afwegingen en de gebruikelijke strijd tussen prestaties en risico. Belanghebbenden kunnen in elke evaluatieparameter duiken om potentiële verbeteringen te vinden. Het kan worden toegepast op elk black-box-model, inclusief statistische modellen, voorspellende modellen en machine learning-modellen.

8. SparkCognition EPP

SparkCognition EPP maakt gebruik van eigen AI- en machine learning-algoritmen om te voorkomen dat nooit eerder geziene cyberaanvallen de bedrijfsactiviteiten verstoren en om phishing-bedreigingen uit pdf's, documenten en direct-to-memory PowerShell-aanvallen te identificeren. De lichtgewicht cognitieve agent leert de typische gedragspatronen van alle eindpunten binnen een bedrijf kennen en waarschuwt het beveiligingsteam over mogelijke aanvallen.

Het systeem kan goed worden geïntegreerd binnen de bestaande beveiligingsarchitectuur en biedt naadloze bewerkingen op de achtergrond voor maximaal 100.000 beheerde eindpunten met macOS, Linux of Windows. Het is bewezen dat het beter presteert dan conventionele en next-gen aanbieders van eindpuntbescherming.

Recente onderzoeken

Cognitief computergebruik heeft de afgelopen tien jaar veel datawetenschappers en onderzoekers aangetrokken. De recente onderzoeken omvatten:

Het detecteren van psychofysiologische parameters voor een cognitief-emotioneel conflict 

Russische onderzoekers hebben een platform ontwikkeld om op afstand gediagnosticeerde parameters te identificeren (met behulp van video-messaging-tools zoals Skype), die objectief de aanwezigheid van een cognitief-emotioneel conflict tijdens een dialoog kunnen aantonen. Dit platform maakt gebruik van neurale netwerken om de emotionele reacties van mensen automatisch in de videogegevens te markeren.

Een ACT-R computationeel cognitief model

Hoewel het mentale rotatievermogen een cruciale ruimtelijke redeneervaardigheid is in de menselijke cognitie, is er heel weinig bekend over hoe het werkt bij het spelen van videogames. Italiaanse onderzoekers hebben mentale rotatie gemodelleerd (via een op ACT-R gebaseerd cognitief model) om te analyseren of en onder welke omstandigheden een dergelijke vaardigheid wordt gebruikt in het TetrisTM-spel. De uitkomsten laten significante inzichten zien in de activering van mentale rotatie tijdens speldynamiek.

Cognitieve analyse voor detectie van afwijkingen 

De wetenschappers van het Centre for Research and Technology Hellas, een van de grootste onderzoekscentra in Griekenland, hebben een cognitief analyseplatform ontwikkeld dat vindingrijke machinegegevens kan verwerken, analyseren en exploiteren om de groeiende eisen van de productie-industrie te ondersteunen. Het is in staat complexe afwijkingen te monitoren en onvoorziene omstandigheden aan te pakken. Bovendien maakt de gebruikersinterface gebruik van geavanceerde visualisatietechnieken om informatie op een effectieve manier te presenteren.

Wat is de toekomst van Cognitieve Analytics?

Volgens het Research and Markets-rapport zal de omvang van de markt voor cognitieve analyses tegen 2030 40,8 miljard dollar bedragen, en groeien met een samengesteld jaarlijks percentage (CAGR) van 38%.

Verwacht wordt dat China in 2030 een marktomvang van 6 miljard dollar zal bereiken. Andere belangrijke markten zijn Japan, Canada en Duitsland, die naar verwachting tijdens de prognoseperiode met respectievelijk 33%, 32% en 25% zullen groeien.

De belangrijkste groeimotoren van de markt zijn onder meer de adoptie van big data en cloud computing-technologieën, evenals de introductie van geavanceerde analysetechnieken, die de vraag naar efficiënte cognitieve analyseoplossingen stimuleren.

Lezen:Kunstmatige intelligentie versus machine learning versus deep learning | Het verschil

Veelgestelde vragen

Hoeveel soorten analyses zijn er?

Moderne data-analyse kan worden onderverdeeld in vijf categorieën:

• Beschrijvende analyse:is de eenvoudigste vorm van analyse die beschrijft wat er is gebeurd en wat er momenteel gebeurt.
• Diagnostische analyses:gaat nog een stap verder door te beantwoorden waarom dit is gebeurd. Het vergelijkt naast elkaar bestaande trends en bepaalt waar mogelijk de relaties tussen variabelen.
• Voorspellende analyses:voorspelt toekomstige trends en geeft antwoord op wat er in de nabije toekomst zou kunnen gebeuren. Het analyseert gegevens uit het verleden en het heden om voorspellingen te doen over toekomstige trends.
• Prescriptieve analyses:houdt rekening met verschillende factoren en stelt bruikbare conclusies voor. Het helpt gebruikers datagestuurde beslissingen te nemen.
• Cognitieve analyse:combineert de kracht van statistiek, kunstmatige intelligentie en machinaal leren om enorme hoeveelheden gegevens te verwerken en de context te begrijpen. Het biedt nieuwe mogelijkheden om ongebruikte gegevensbronnen te ontginnen, ingewikkelde patronen te ontdekken en gepersonaliseerde services te bieden.

Waarom zouden marktanalisten cognitieve analyses gebruiken?

Omdat steeds meer apparaten elke seconde gegevens genereren, wordt het steeds uitdagender om alle informatie die op servers en daarbuiten is opgeslagen te verzamelen, verwerken en analyseren.

Cognitieve analyse pakt deze uitdagingen aan:het maakt gebruik van geavanceerde statistieken en AI-modellen om verborgen patronen in enorme hoeveelheden uiteenlopende gegevens te identificeren. In tegenstelling tot conventionele analyses, waarbij informatie uit gestructureerde gegevens in specifieke domeinen wordt gehaald, hanteert cognitieve analyse een bredere en flexibelere benadering van gegevensontdekking. Het werkt op een manier die vergelijkbaar is met die van mensen:het interpreteert gegevens, begrijpt de context ervan en ontdekt patronen en trends.

Wat is het verschil tussen Cognitive Computing en AI?

Kunstmatige intelligentie bestaat uit algoritmen die zijn getraind om nauwkeurige resultaten te produceren. Deze algoritmen leren van voortdurend veranderende gegevens en zelfcorrectiemethoden om slimme beslissingen te nemen.

Cognitief computergebruik bootst het menselijk denken na en past zich aan het menselijk redeneren aan. Het heeft tot doel complexe problemen op te lossen op een manier die vergelijkbaar is met hoe mensen ze benaderen. Daarentegen richten AI-modellen zich op het vinden van nieuwe en mogelijk efficiëntere manieren om problemen op te lossen, waarbij ze soms zelfs beter presteren dan menselijke methoden.

Lees meer:

• 13 beste datawetenschapsbedrijven ter wereld
• 13 beste voorspellende analysesoftware
• 12 beste tools voor machinaal leren