Hyperautomation, een term die steeds vaker opduikt in gesprekken over de evolutie van automatisering, belooft een revolutie teweeg te brengen in procesautomatisering met Artificial Intelligence (AI). Maar wat houdt hyperautomation precies in? Hoe is deze geavanceerde vorm van automatisering ontstaan? En belangrijker nog, hoe kunnen organisaties deze benutten? 

Wil je meer over Python weten? In de training Python voor Data Science Advanced leer je de ins-and-outs van de programmeertaal Python. De training is een vervolg op de Python voor Data Science Fundamentals-training. In dit blog vertelt docent Peter Anema je meer over de training Python voor Data Science Advanced. 

Je kunt SQL op twee manieren uitspreken: als ‘Sequel’ of als losse letters in een afkorting: ‘Es Ku El’. SQL is net als de programmeertaal C ontwikkeld in de zeventiger jaren. In de daaropvolgende jaren groeide de taal C door naar C++ en C#. Bij SQL gebeurde dat niet. Dat wil niet zeggen dat de zoektaal gedateerd is. Juist niet, want door zijn robuustheid is SQL bijzonder stabiel en bovendien makkelijk om te leren. Zo makkelijk, dat je geen technische kennis nodig hebt om de basis van SQL te begrijpen en met SQL te werken.

Wat is process mining? RPA software ontwikkelt zich twee kanten op: het automatiseert steeds meer repetitieve taken, zoals het controleren van formulieren of betalingsgegevens. Aan de andere kant analyseert RPA software steeds vaker zelf welke taken het nog meer van mensen kan overnemen. Dit wordt process mining genoemd. Ook UiPath RPA software doet dit. Artificial Intelligence (AI) is steeds vaker onderdeel van RPA software. Daardoor wordt RPA software zelflerend. Dat betekent dat de software werkprocessen kan monitoren, analyseren en op basis daarvan leert en aanbevelingen doet. Met de informatie die RPA software verzamelt en verwerkt, kan process mining software aangeven welke taken een RPA oplossing medewerkers nog meer uit handen kan nemen.

Wat maakt een NoSQL databases zo geschikt voor big data mining? In een NoSQL database kan je uiteenlopende datatypen opslaan. Dat maakt een NoSQL database heel flexibel. Bovendien kan je deze NoSQL databases makkelijk uitbreiden als er meer data bijkomt. Het maakt niet uit hoeveel big data je in de NoSQL databases opslaat. Ook bij grote aantallen big data en veel dataverkeer, blijft de reactiesnelheid uitstekend. NoSQL is daardoor bij uitstek geschikt voor de cloud en voor agile werkomgevingen waar veel wijzigingen plaatsvinden. Steeds meer IT’ers zien de voordelen van NoSQL databases. Logisch dat deze databases steeds populairder worden. Betekent dat dat je jouw oude SQL database al kunt afschrijven? Nee. Daar zou ik nog even mee wachten.

De mogelijkheden van data science Weersvoorspellingen, fileverwachtingen, digitale persoonlijke assistenten en tips van streaming services – data science brengt vele voordelen met zich mee. “Maar het gebruik van data science heeft ook een paar diepe valkuilen. Als je data science inzet, moet je goed opletten om daar niet in te lopen. Voorbeelden van data science valkuilen zijn de manier waarop de algoritmes van de Belastingdienst door etnische profilering de toeslagenaffaire veroorzaakten en de wijze waarop het bedrijf Cambridge Analytica Facebook data misbruikte om diverse verkiezingen te beïnvloeden”, licht Anema toe. “Een data science algoritme moet geen black box worden: als data scientist moet je altijd weten hoe een algoritme werkt, anders volgt het data science algoritme zijn eigen pad, met alle gevolgen van dien.”

Waarom kan je niet meer zonder Artificial Intelligence kennis? Ontwikkelingen op het gebied van data en Artificial Intelligence gaan razendsnel. En stilstand staat op het vlak van Artificial Intelligence zeker gelijk aan achteruitgang. Kijk maar eens naar het succes van datagedreven-bedrijven die Artificial Intelligence gebruiken, zoals AirBnB, Netflix of Greenwheels. Soms beseffen mensen zich niet helemaal hoe belangrijk kennis van data en Artificial Intelligence is bij het boeken van zakelijk succes. In de Artificial Intelligence trainingen van Computrain maken we je daarvan bewust en leer je hoe jij maximaal voordeel uit Artificial Intelligence kunt halen.

Wat is datagedreven werken? Als je datagedreven werkt, ben je in staat om ruwe data te vertalen naar businessinzichten en op basis daarvan betere, gerichte beslissingen te nemen. Maar hoe filter jij waardevolle informatie uit die gigantische berg aan data? Dat is de eerste vraag die je jezelf moet stellen wanneer je datagedreven wilt gaan werken. Om datagedreven te werken, heb je dus slimme tools nodig, zoals en business intelligence oplossingen (BI) met Artificial Intelligence (AI) en machine learning functionaliteit.