Har du bestämt dig för att tillämpa maskininlärning i verksamheten? Kul, då tar vi en titt på hur just du kan komma igång.

Vilka förutsättningar behöver finnas för att komma igång?

I den första delen av den här bloggserien snuddade vi vid några tillämpningar som lämpar sig väl att angripa med maskininlärning. För att välja tillämpning är det dock några förutsättningar som behöver vara uppfyllda för att komma igång.

Det första och viktigaste är att organisationen är mottaglig för den förändring det innebär att gå över till en datadriven verksamhet. En datadriven verksamhet är en verksamhet där data dagligen lagras och är underlag för beslut (och statistik, rapporter, dashboards, etc.).

Dessutom behöver vi ha data av hög kvalitet som vi kan använda som underlag för vår tillämpning. Exakt vilket data vi behöver och hur det ska vara strukturerat beror på tillämpningen.

Börja i liten skala

Som första tillämpning är det bra att börja i liten skala. På så sätt kan vi relativt snabbt få ett resultat att utvärdera och vi minimerar risken att vi spenderar resurser på något som rinner ut i sanden.

Ett lämpligt första steg är att genomföra en analys av data inom något av verksamhetens områden. En första analys som kan automatiseras är kategorisering av något fenomen eller beteende i vår verksamhet.

Låt oss ta ärendehantering som exempel. Tänk om vi kunde hantera inkommande ärenden automatiskt och skicka dem till rätt avdelning direkt, istället för att alla ärenden hamnar i en gemensam inkorg där de ska plockas upp och kategoriseras manuellt.

Hur skulle det gå till och vad krävs för att komma igång? Det behöver inte vara så komplicerat. Ett första steg är att titta på vad ett ärende består av och vad en kategorisering innebär. Ett ärende beskrivs typiskt av flera parametrar. Här är ett exempel på tänkbara parametrar för ett ärende:

  • Rubrik
  • Ärendebeskrivning
  • Vem som skapade ärendet
  • Status och datum/tid för varje statusövergång
  • Antal bifogade filer (t.ex. skärmdumpar)
  • Ärendekategori

När vi manuellt kategoriserar nyregistrerade ärenden så tittar vi typiskt på ärendets rubrik och beskrivning. Vi sorterar ut vissa nyckelord och skickar ärendet till rätt avdelning. Detta skulle kunna göras automatiskt om vi har tillgång till gamla ärenden som vi kan använda för att lära en ”maskin” att göra denna sortering automatiskt. Maskinen i detta fall är en liten programmodul som med hjälp av en algoritm lär sig att kategorisera nya ärenden baserat på information om gamla, redan kategoriserade ärenden.

Processen att gå från idé till färdig tillämpning kan förenklat delas in några separata steg.

modell-fyra-steg Process maskininlärning

Det här låter ju spännande, hur går jag vidare?

I nästa del ska vi titta på ett enkelt exempel av en första tillämpning av automatisk kategorisering. Då kommer vi också titta lite mer på vad som krävs av dataunderlaget för vår tillämpning.

Läs även första delen i bloggserien:

Del 1: Kom igång med maskininlärning

Vi på Multisoft hjälper dig gärna med att komma igång vare sig det gäller ett specifikt fall, eller rent allmänt för att göra en genomlysning av verksamhetens data inom olika områden inom just din verksamhet. Läs mer om hur vi jobbar med AI.

Guide: Så kommer du enkelt igång med AI

Ladda ned dokument

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed tempus pulvinar orci nec fringilla.

Relaterade inlägg

MDR-blogg
Blogg
31 maj 2021

Så får du stöd för att möta upp mot MDR-kraven

Den 26:e maj trädde den nya EU‍-‍förordningen om medicintekniska produkter...
Blogg - Rutiner i all ära , men sitter ni fast
Blogg
22 februari 2021

Rutiner i all ära, men sitter ni fast?

Det är lätt att fastna i ekorrhjulet och ”så här har vi alltid gjort”. Det fungerar - et...

Om Multisoft

Revolutionerande low code platform

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed tempus pulvinar orci nec fringilla. Nam molestie sed enim quis volutpat. Phasellus ipsum tortor, porta id magna ac, bibendum vulputate.

Om oss

start_5050_2