LEVERAGING MACHINE LEARNING MODELS TO BOOST THE MANIPULATION OF UNSTRUCTURED DECISIONS AND UNSTRUCTURED DATA IN DIGITAL BUSINESS FIRMS

Аңдатпа

Қазіргі қарқынды дамып келе жатқан цифрлық ортада бизнес-ұйымдар толық емес ақпарат, жоғары деңгейдегі белгісіздік және тұрақты өзгерістер жағдайында қабылданатын көптеген құрылымдалмаған шешімдермен бетпе-бет келуде. Осы зерттеудің негізгі мақсаты — машиналық оқыту (ML) модельдерінің ауқымды әрі әртүрлі деректер жиынтықтарынан құнды ақпаратты алу мүмкіндіктерін зерттеу және талдау. Бұл, өз кезегінде, құрылымдалмаған орта жағдайында шешім қабылдау үдерістерінің тиімділігін арттыруға және бизнес-ұйымдар жобаларының сәтсіздікке ұшырау ықтималдығын төмендетуге мүмкіндік береді. Зерттеу әдіснамасы аралас тәсілге негізделген және заманауи ғылыми әдебиеттерді талдауды, сондай-ақ екі практикалық кейсті егжей-тегжейлі зерттеуді қамтиды: қаржы саласындағы JPMorgan Chase және авиация саласындағы Airbus. Зерттеу нәтижелері машиналық оқытуды қолдану қарастырылған екі жағдайда да тиімділіктің айтарлықтай артқанын көрсетті. JPMorgan Chase компаниясында алаяқтық операцияларды анықтау дәлдігі 70 %-дан 92 %-ға дейін өсті, ал жалған оң нәтижелердің үлесі 50 %-дан 8 %-ға дейін төмендеді. Алаяқтық операцияларды анықтауға кететін уақыт екі күнге дейінгі көрсеткіштен бір минуттан аз уақытқа дейін қысқарды. Бұл операциялық шығындардың шамамен 35 %-ға төмендеуіне ықпал етті. Авиация саласында да осындай оң нәтижелер байқалды. Airbus компаниясында машиналық оқыту негізіндегі болжамды техникалық қызмет көрсету технологияларын қолдану күтпеген ақаулар санын 60 %-ға қысқартуға, техникалық қызмет көрсету шығындарын 40 %-ға төмендетуге және әуе флотының қолжетімділік деңгейін 29 %-ға арттыруға мүмкіндік берді. Жүргізілген талдау машиналық оқытуды неғұрлым күрделі және құрылымдалмаған міндеттерді шешу кезінде сарапшыларды қолдайтын құрал ретінде қарастыру қажет екенін көрсетеді. Яғни, машиналық оқыту адамды шешім қабылдау үдерісінен толықтай алмастыруға емес, адамның сараптамалық мүмкіндіктерін толықтыруға бағытталуы тиіс. Зерттеуде сонымен қатар түсіндірмелі жасанды интеллектті (XAI) дамыту, деректерді басқару тетіктерін жетілдіру және машиналық оқыту модельдерін адам қатысатын шешім қабылдау үдерістерімен тиімді интеграциялау қажеттілігі сияқты негізгі болашақ міндеттер мен басым бағыттар айқындалған. Бұл қазіргі бизнес-ұйымдардың қызметіне машиналық оқыту технологияларын тиімді, сенімді және жауапты түрде енгізуді қамтамасыз етуге мүмкіндік береді.