Machine Learning

Vid Machine Learning hjälper vi till att lösa problem eller optimera flöden som har mycket stora mängder data att studera. Vi börjar med att identifiera och kvantifiera problemet, här är den kvantitativa delen så klart viktig men det är också viktigt att vi får så djup insikt i de kvalitativa aspekterna också under datainsamlingsperioden. Givet att det finns tillräckligt med data för att påbörja ett projekt så börjar vi att applicera data på problemet. Är datan av den kvalitet att den går att få insikter ur så är nästa steg att använda sig av flera algoritmer för att utröna mönster ur datan. Man kan behöva komplettera med mer data utifrån de mönster man hittar men också gå djupare in i analysen för att som en detektiv hitta insikter som kan vara användbara i att lösa problemet. I ett lyckat projekt har man nu fått fram ett par insikter som understöds av data och tillsammans skapar de en handlingsplan som måste presenteras på ett pedagogiskt sätt för att den ska implementeras. När implementationen genomförts är det viktigt att resultatpåverkan säkerställs.