Ich glaube, jeder hat die Erfahrung gemacht, dass, wenn eine Organisation ihre eigene Transformation durch Daten und Technologie vorantreiben möchte, es nicht ausreicht, sich allein auf technische Experten zu verlassen, um das Ziel zu erreichen. Auch andere „Amateure“ oder Laien müssen in die Anwendungsentwicklung, Datenanalyse und automatisierte Arbeitsabläufe eingebunden werden. Viele Unternehmen haben eigene Versuche dieser Art der Erkundung unternommen, und AT&T ist offensichtlich besser darin, die Fähigkeiten aller Mitarbeiter zu erkunden und gemeinsame Anstrengungen zur Bewältigung von Datenwissenschafts- und Automatisierungsproblemen zu nutzen.
Diese Denkweise beruht auf einer grausamen Tatsache: Kein Unternehmen verfügt über genügend professionelle Datenwissenschaftler und Automatisierungsexperten und kann daher nicht alle Analyse- und KI-Arbeiten durchführen, die für eine erfolgreiche Transformation erforderlich sind. Andy Markus, Chief Data Officer von AT&T, sagte, der Telekommunikationsriese arbeite daran, KI und Automatisierung in den Kern seines Geschäfts zu integrieren. Nach der Ausgliederung von WarnerMedia Anfang 2022 verfügt AT&T nicht mehr über die Eigenschaften eines Unterhaltungsgeschäfts und ist zu einem reinen Telekommunikationsunternehmen geworden, das über reichlich Daten und Talente verfügt, die in der Lage sind, Informationen zu gewinnen. Vielleicht ist die kollektive Erkundung nicht für jedes Unternehmen das Richtige, aber für AT&T passt es auf jeden Fall gut. Neben Hunderten von professionellen Datenwissenschaftlern und Automatisierungsexperten beschäftigt AT&T auch viele weitere normale Entwickler im Personal.
AT&T hatte schon immer eine datenzentrierte Unternehmenskultur und das Unternehmen hat hart daran gearbeitet, Mitarbeiter dazu zu ermutigen, Modelle des maschinellen Lernens zur Durchführung von Datenanalysen zu verwenden. Mark Austin, Direktor für Datenwissenschaft, KI und Automatisierung bei AT&T, sagte in einem Interview, dass das Ziel des Unternehmens darin bestehe, alle Aspekte der Machine-Learning-Pipeline zu unterstützen, einschließlich der Suche nach geeigneten Daten, der Datenbeschaffung und der Entwicklung der Daten zum Aufbau der erforderlichen Funktionen. Erstellen von Modellen, Bereitstellen von Modellen in der Produktion, Überwachen der Modellleistung im Laufe der Zeit und effektive Implementierung der Modellverwaltung. Wie bei den meisten Unternehmen nehmen die ersten drei Inhaltsbereiche 80 % der Zeit eines Entwicklers in Anspruch, und AT&T arbeitet hart daran, diesen Prozentsatz zu reduzieren.
Zu diesem Zweck hat AT&T mit H2O.ai, einem Anbieter von KI-Cloud-Plattformdiensten, zusammengearbeitet, um einen Feature-„Speicher“ für häufig verwendete Quelldaten und abgeleitete Daten einzurichten und so den Bedarf an extrem zeitaufwändiger Datensortierung zu reduzieren. Data-Science-Experten und Amateure schwärmen gleichermaßen von seiner Wirksamkeit. Weniger als ein Jahr nach dem Start des Feature Stores wurden mehr als 26.000 Features für professionelle und Amateur-Datennutzer geöffnet. Darüber hinaus werden Data-Science-Modelle häufig mit Pinnacle-Projekten abgeglichen, einem Crowdsourcing-Programm für interne Wettbewerbe, das Kaggle ähnelt. Austin erklärte, dass dieser Wettbewerbsmechanismus die Modellleistung im Durchschnitt oft um fast 30 % verbessern kann. Der Prozess umfasst nicht nur eine Reihe von Crowdsourcing-AutoML-Lösungen, sondern integriert auch innovative Algorithmen und Integrationen von Hunderten von AT&T-Datenwissenschaftlern und -Ingenieuren.
Beliebte Popularisierung der Automatisierung
Im Laufe der Zeit hat die Prozessautomatisierung einen enormen Mehrwert für AT&T geschaffen. Austin sagte, dass die flexible Kombination von Roboterimplementierungslösungen jedes Jahr etwa 17 Millionen Minuten manueller Vorgänge einspart, einen durchschnittlichen Jahresumsatz von Hunderten Millionen Dollar generiert und eine bis zu 20-fache Kapitalrendite erzielt.
Analyse und KI sind ebenfalls Projekte, für die Austin verantwortlich ist, und er freut sich auch gespannt auf die Möglichkeit, maschinelles Lernen und KI-Funktionen in die robotergestützte Prozessautomatisierung zu integrieren. Sein Team hat mehrere RPA-Implementierungen entwickelt, die die Verarbeitung natürlicher Sprache, die optische Zeichenerkennung (OCR) und die auf maschinellem Lernen basierende Entscheidungsfindung abdecken. Es gibt viele Unternehmen, die gerne von „intelligenter Automatisierung“ sprechen, aber AT&T ist eines der wenigen Unternehmen, das dieses Ziel tatsächlich erreichen kann.
Technische Fähigkeiten der Mitarbeiter entwickeln
• Verwenden Sie bis zu sieben verschiedene AutoML-Tools gleichzeitig und konkurrieren Sie miteinander, um herauszufinden, welche Option das qualitativ hochwertigste Modell erstellt.
• Einige AutoML-Tools können direkt an der Produktionsbereitstellung ausgewählter Modelle teilnehmen.
• Können durch Maschinen verwendet werden verschiedene wiederverwendbare Datensätze;
• Bereitstellung eines intuitiven semantischen Suchtools, z. B. zur Rückgabe aller „abwanderungsbezogenen Funktionen“
• Bereitstellung eines maschinellen Lern- und Betriebstools „Watchtower für MLOps+“, das nicht nur Daten und KI überwachen kann ( (traditionell als MLOps bekannt) und verfolgt gleichzeitig den gesamten Satz an Aktivitäten (Anwendungen, API-Aufrufe usw.) über die gesamte Geschäftspipeline.
Im Hinblick auf die technische Automatisierung nutzt AT&T Microsoft Power Automate als Tool-Benchmark, was die Hürde für eine nationale Beteiligung deutlich senkt. Dieses Tool kann in Microsoft Office-Tools, PowerBI und sogar Azure-Modelle für maschinelles Lernen integriert werden. AT&T unterhält außerdem einen „Bot Marketplace“-Robotermarkt, auf dem normale Mitarbeiter entwickelte Automatisierungslösungen auswählen und bei Bedarf Konfigurationsanleitungen vom Automation Center of Excellence erhalten können. Jeden Monat kommen etwa 75 neue wiederverwendbare Automatisierungskomponenten auf den Markt.
AT&T fördert außerdem aktiv den Community-Aufbau und konzentriert sich auf die menschliche Grundlage für die gemeinsame Erforschung von Datenwissenschaft und Automatisierung. Im Hinblick auf die Datenwissenschaft hat das Unternehmen ein „AI Popular Forum“ eingerichtet, um jede Woche Online-Demonstrationen zu organisieren, Lösungen für spezifische Probleme auszutauschen und den Teilnehmern entwickelte Funktionen bekannt zu geben. Die Veranstaltung zieht jede Woche etwa 200 Mitarbeiter an, von denen die meisten keine professionellen Datenwissenschaftler sind und viele von ihnen nicht einmal wissen, wie man programmiert. AT&T hat außerdem eine Reihe von Online-Schulungsmaterialien zusammengestellt, die alle Aspekte der Datenwissenschaft abdecken, mit insgesamt 575 Kursen zur Auswahl und bietet offizielle Zertifizierungen für verschiedene Anbieter-Tools.
Der Aufbau der Automatisierungs-Community umfasst im Wesentlichen die Bereitstellung von 40 Stunden Schulungen für Mitarbeiter, die teilnehmen möchten. Darüber hinaus veranstaltet das Automation Center of Excellence jährlich einen „Automation Summit“, auf dem interne Teams ihre Automatisierungsprojekte vorstellen und teilen können.
Derzeit stehen einige Unternehmen und professionelle KI-Entwickler der Rolle gewöhnlicher Teilnehmer bei Modellbildungs- und Automatisierungslösungen immer noch skeptisch gegenüber. Allerdings hat AT&T durch konkrete Maßnahmen bewiesen, dass es in der Lage sein wird, die Machbarkeit festzustellen und wirtschaftlichen Wert zu schaffen, solange es den einfachen Mitarbeitern die richtigen Werkzeuge und Ressourcen zur Verfügung stellt. Angesichts eines angespannten Arbeitsmarktes im Bereich Datenwissenschaft und Automatisierung beweist AT&T, dass eine gut geplante Onboarding-Strategie Ersatztalente schaffen kann, um die Lücke zu schließen.
Das obige ist der detaillierte Inhalt vonAT&T erforscht kollektive Praktiken in den Bereichen Datenwissenschaft und Automatisierung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
