IBM Watson Studio maakt datagedreven werken écht makkelijker

De voordelen van datagedreven werken zijn inmiddels breed bekend. De combinatie van betrouwbare data, machine learning (ML) en AI biedt organisaties waardevolle inzichten. Trends zijn beter te voorspellen en nieuwe processen continu te optimaliseren. Dit alles zoveel mogelijk geautomatiseerd. Dat klinkt prachtig, maar in de praktijk blijkt het nog niet eenvoudig. IBM Watson Studio biedt een omgeving die de inzet van ML en AI écht makkelijker maakt. In deze ontwikkelomgeving zet je dataprojecten veel eenvoudiger op; flexibel, schaalbaar en tegen lagere kosten. Zo ligt de focus volledig bij het creëren van de datagedreven oplossing.

Niemand twijfelt meer aan de potentie van ML, AI en data science. De toepassing is echter complex en kostbaar. Voor elke AI-, ML of data science-toepassing moet een complete omgeving ingericht worden, inclusief database, hardware en software. Dat vormt de basis om de code voor de AI-modellen te maken, elke keer weer opnieuw. Deze aanpak is niet alleen tijdrovend en kennisintensief, ook de kosten kunnen flink oplopen. IBM Watson Studio ondervangt deze uitdagingen. Deze betaalbare ontwikkelomgeving is los beschikbaar, maar ook als onderdeel van IBM Cloud Pak for Data.

Eenvoudig code schrijven

Simpel gesteld is het een omgeving waarmee je meer kan doen met je data. Watson Studio biedt een ontwikkelomgeving met een complete toolbox, inclusief connecties met databases, flexibele hardware en programmeertooling. Je logt in en kan aan de slag, individueel of als team. Het is een collaboration-platform waarin je met verschillende ontwikkelaars gestructureerd en gecoördineerd kan samenwerken, bijvoorbeeld met DevOps of Github-integratie. Code schrijven met programmeertalen zoals Python, R of Scala is eenvoudiger door al bestaande notebooks te gebruiken en hier samen in te werken. Zo bouw je samen sneller effectieve oplossingen.

Makkelijk schalen

Een voorbeeld van het programmeergemak en de schaalbaarheid van Watson Studio is een lopend project voor fraudedetectie. Dit proces is gebaseerd op data van gebruikers en gedrag. Met data-analyse is het mogelijk om potentiele fraude te detecteren. Dit biedt onder andere de kans om risicogebruikers te classificeren. Deze classificatie kan aanleiding geven voor customer service om actie te ondernemen. Dit proces richt je snel in binnen IBM Watson Studio en is vervolgens makkelijk op te schalen. Extra capaciteit bijschakelen is dan gebaseerd op pay-per-use.

Een eigen omgeving bouwen

Het principe van de use cases voor datagedreven werken is steeds hetzelfde: data ophalen, bewerken en informatie creëren. Je brengt verschillende databronnen samen, bijvoorbeeld uit een database, cloud storage of een datalake. Die data koppel je aan een database en met notebooks binnen Watson Studio bouw je AI- of machine learning-modellen om voorspellingen of berekeningen te doen. De presentatie kan onder andere via IBM Cognos. Doordat zo veel assets voorgeconfigureerd zijn, stel je je eigen omgeving in een handomdraai samen en past die zo nodig snel aan.

Blijven experimenteren

Een ander voorbeeld dat de flexibiliteit van IBM Watson Studio onderstreept, is het opzetten van een digital twin van een magazijn. Het doel is de order pick-route te optimaliseren. Die tijdwinst bespaart geld en leidt tot betere service. Het opzetten van een digitale versie van het magazijn is een slimme manier om zonder hoge kosten te experimenteren. De eerste laag is het ophalen en combineren van de data in Watson Studio. In dit project bleek een DB2 Warehouse de beste keuze voor de dataopslag. Hiervoor is al een voorgeconfigureerde connectie aanwezig. De drie hoofdstappen – data prepareren, algoritme toepassen voor de snelste route en datavisualisatie – kunnen ontwikkeld worden binnen de notebooks die Watson Studio aanbiedt. Deze data is het fundament om de juiste code tot een AI-oplossing te combineren. De notebooks staan centraal in de verwerking van de data die gebruikt wordt in de digital twin. Deze data is vervolgens gemakkelijk te koppelen met het IBM Cognos Analytics dashboard.

Naast de snelheid van ontwikkelen is het prettig dat de capaciteit die nodig is om de stappen te ondersteunen, direct beschikbaar is. Bovendien geldt hiervoor het pay-per-use principe. Hierdoor kan je zo nodig snel met nieuwe datasets van variabele grootte rekenen. Dit biedt de kans looproutes continu te optimaliseren met de stroom bestellingen.

Sneller tot de kern

De flexibiliteit en snelheid die Watson Studio biedt, geeft dataprojecten een kickstart. Voor elk project kan je snel de beste componenten selecteren en ontwikkelen op basis van bestaande elementen. Het resultaat is dat er minder tijd nodig is voor het opzetten en configureren van een omgeving. De ontwikkelfase kan meteen starten. Zo is de inzet van AI, ML en data science echt een kwestie van klikken en aan de slag. Je komt sneller tot de kern zonder beperkingen en tegen reële kosten.