Mendapatkan Uang dengan Machine Learning!

“Bagaimana mendapatkan uang dari machine learning?”


Pertanyaan diatas sering terlintas di benak banyak orang, pada dasarnya skill ini dapat digunakan untuk mendapatkan pekerjaan di berbagai bidang seperti, machine learning engineer, data analyst ataupun data scientist. Mungkin cara tersebut yang menjadi acuan orang pada umumnya.

Tetapi ada opsi lainnya.

Dalam artikel ini kita akan membahas beberapa opsi yang dapat dijadikan pilihan, untuk mendapatkan penghasilan melalui machine learning.

Dengan banyaknya data yang tersedia pada zaman sekarang, ada berbagai peluang yang bisa dimanfaatkan dari data-data tersebut, kita hanya perlu memikirkan dan menemukan pertanyaan yang sesuai, pertanyaan tersebut merupakan sebuah pertanyaan yang bahkan seorang pengusaha pun akan membayar untuk mendapatkan jawabannya.

Dampak Pertama

Sebelum kita lanjut pada domain contoh, pertama-tama awali dengan metodologi.

Seperti masalah machine learning pada umumnya, kita melewati beberapa proses untuk mengaplikasikan machine learning. Tetapi disini kita harus memilih domain dan pertanyaan dimana terdapat sebuah market sebagai jawabannya.

  • Dimulai dengan pertanyaan dalam doman (Mendefinisikan masalah dengan baik). Pilihlah pertanyaan yang mempunyai dampak pada domain. Buatlah berbagai eksperimen dengan model ideal yang dapat membuat perfect prediction.
  • Kumpulkan data yang dibutuhkan untuk menjawab pertanyaan (pemilihan data).
  • Menyiapkan data agar sesuai untuk pemodelan (data persiapan)
  • Pastikan untuk memulai dengan model yang paling sederhana dan menggunakannya sebagai dasar pemodelan.
  • Sesuaikan model berperforma terbaik dan gunakan metode seperti thresholding dan ensemble untuk mendapatkan hasil maksimal dari model yang dipilih.
  • Presentasikan hasil eksperimen atau jalankan sistem dan amati.

Idealnya, semakin akurat kita menjawab pertanyaan, semakin besar hasil yang kita terima.

Startup


Jika kita memiliki bisnis atau web startup sendiri, maka kita harus berusaha keras untuk memanfaatkan data yang sudah dikumpulkan. Hal yang lumrah menjalankan sejumlah data collection services di web startup, seperti KissMetrics, Google Analytics, dsb. Bagaimana data ini dapat digunakan untuk mempengaruhi laba kita?

Dari pengalaman penulis, hal tersebut lebih cocok sebagai pekerjaan data analis dibandingkan machine learning, tetapi kita selalu dapat memecahkan model regresi untuk melihat apakah memiliki penawaran lebih banyak dibandingkan model kuintil sederhana.

Berikut adalah beberapa ide di berbagai bidang yang dapat kita amati:
  • Customer Conversions: Modelkan fitur pelanggan yang berkonversi atau tidak berkonversi.
  • Up-sell and Cross-sell: Modelkan fitur pelanggan yang berkonversi pada penawaran up-sell atau cross-sell.
  • Acquisition Strategies: Model nilai pelanggan dengan strategi akuisisi mereka.
  • Retention Strategies: Model ROI strategi retensi pelanggan.
  • Customer Churn: Modelkan ciri-ciri pelanggan dapat beralih atau tidak.

Mulailah dari dampak pada bottom-line dan kerjakan kembali pertanyaan yang perlu diajukan untuk membuat keputusan. Setelah Anda dapat menjawab pertanyaan dan membuat prediksi untuk pelanggan baru tertentu, luangkan waktu untuk merancang dan menguji strategi intervensi yang dapat digunakan untuk mempengaruhi atau memanfaatkan prediksi tersebut.


Keuangan dan Perjudian


Pilihan yang jelas untuk menghasilkan uang dengan pembelajaran mesin adalah keuangan dan perjudian. Penulis tidak menyarankan area ini. Penulis pikir hal ini bisa menjadi sirene yang sangat berbahaya. Seperti perangkap lalat Venus, mereka memikat programmer dan praktisi pembelajaran mesin dan mencernanya.


Ringkasan


Kami menyentuh empat area yang dapat kita pikirkan untuk menghasilkan uang dari Machine learning: bisnis sendiri, data sosial, keuangan, dan perjudian, serta kompetisi. 
Metode terbaik yang kita temukan adalah menemukan orang dengan masalah yang dapat kita jawab dengan data yang mudah diakses (yaitu konsultasi). Apakah kita menghasilkan uang menggunakan Machine Learning atau apakah kita memiliki ide untuk menghasilkan uang dengan Machine Learning?


Komentar

Posting Komentar

Postingan populer dari blog ini

Digaji melalui Machine Learning

 Pendekatan yang Dapat Kamu Pakai untuk Menjadi Konsultan Machine Learning Apa kamu mau menjadi ahli machine learning dan dibayar untuk itu? Berhati-hatilah dengan apa yang kamu inginkan. Pada postingan ini, penulis menguraikan blue print yang dapat kamu gunakan untuk mempelajari machine learning secukupnya untuk membantu kebutuhan dan bisnis kecil dan start-up.  Tidak mudah, kamu harus bekerja keras keluar dari zona nyaman. Kamu harus mulai berbicara pada orang di dunia nyata! Blueprint  Blueprint yang disajikan dalam postingan ini akan mengubahmu dari yang asalnya hanya sekedar tertarik menjadi berdedikasi tinggi ingin menjadi mampu dan percaya diri bekerja menyelesaikan permasalahan UMKM.  Blueprint ini adalah sebagai berikut: Membangun fondasi Membangun portofolio Memberikan solusi Sesuai dengan background dan minat, kamu dapat membuat roadmap sesuai dengan kebutuhan. Sebenarnya, kita hanya tertarik pada penerapan machine learning. Kita hanya tertarik pada teori dan alat sebanyak m
Baca selengkapnya

Menerapkan Proses Machine Learning!

Proses Sistematis  Bekerja Melalui Masalah Pemodelan Prediktif Yang Memberikan Hasil Di Atas Rata-Rata Seiring waktu, dengan mengerjakan masalah penerapan  machine learning , kita dapat mengembangkan pola atau proses untuk mendapatkan hasil yang baik dengan cepat. Setelah selesai dikembangkan,  kita dapat menggunakan kembali proses ini di berbagai proyek. Semakin baik  sebuah proses, semakin cepat kita  bisa mendapatkan hasil yang diharapkan. Dalam posting ini, penulis ingin berbagi tentang kerangka proses  untuk menyelesaikan masalah pada machine learning . Kita dapat menggunakan ini sebagai template pada proyek yang lainnya. 5 Langkah Proses Sistematis Penulis sering menggunakan proses 5 langkah: Tentukan Masalah Siapkan Data Algoritma Spot Check Tingkatkan Hasil Presentasikan Hasil Kerja Ada banyak fleksibilitas dalam proses ini. Misalnya, tahap "menyiapkan data" biasanya dipecah menjadi analisis data (meringkas dan membuat grafik) dan menyiapkan data (menyiapkan sampel u
Baca selengkapnya