AI ในอีกระดับ: ปรับขนาดผลกระทบพร้อมจัดการความเสี่ยง

AI ในอีกระดับ: ปรับขนาดผลกระทบพร้อมจัดการความเสี่ยง

เว็บไซต์

ผู้เข้าร่วมจะสำรวจความสำคัญของการประดิษฐ์และดำเนินการตามกลยุทธ์ AI และพิจารณาวิธีที่จะได้รับประโยชน์จาก AI ในขณะที่ลดความเสี่ยงที่เป็นเอกลักษณ์

การออกแบบเว็บไซต์

1 ภาพรวม เครดิต CPE | เทคโนโลยีสารสนเทศ
แม้จะมีการทดลองอย่างกว้างขวางเกี่ยวกับปัญญาประดิษฐ์ (AI) แต่บางบริษัทก็ยังพยายามอย่างหนักที่จะขยายนวัตกรรม AI อย่างมีจริยธรรมและมีความรับผิดชอบ ผู้บริหารเทคโนโลยีสามารถส่งมอบคุณค่าสูงสุดด้วย AI ได้อย่างรวดเร็วที่สุดเท่าที่จะเป็นไปได้ โดยพิจารณาถึงนัยยะของข้อมูล เทคโนโลยี ความสามารถพิเศษ และมิติรูปแบบการดำเนินงานได้อย่างไร เราจะหารือเกี่ยวกับ:
วิธีคาดการณ์ จัดลำดับความสำคัญ และจับมูลค่าของ AI สำหรับธุรกิจ
ความสามารถทางสถาปัตยกรรมที่จำเป็นในการปรับขนาด AI
AI จะส่งผลต่อแรงงานอย่างไร
องค์ประกอบของระบบกำกับดูแล AI ที่น่าเชื่อถือสำหรับนวัตกรรมที่มีความรับผิดชอบและมีจริยธรรม
​แนวคิดที่ว่ารัฐบาลควรให้ความสำคัญกับการป้องกันปัญหามากกว่าแค่ตอบสนองต่อปัญหานั้นไม่ใช่เรื่องใหม่ อย่างไรก็ตาม ในปัจจุบัน ความก้าวหน้าในการวิเคราะห์เชิงคาดการณ์ทำให้รัฐบาลจำนวนมากขึ้นสามารถแก้ไขปัญหาต่างๆ ได้
การวิเคราะห์เชิงคาดการณ์และปัญญาประดิษฐ์ (AI) ช่วยให้รัฐบาลกำหนดเป้าหมายปัญหาที่อาจเกิดขึ้นก่อนที่จะปะทุขึ้นสู่วิกฤต ความก้าวหน้าล่าสุดในการประมวลผลภาษาธรรมชาติ (NLP) แมชชีนเลิร์นนิง และการรู้จำเสียงพูดและภาพ ทำให้รัฐบาลสามารถคาดการณ์และคาดการณ์ปัญหาต่างๆ ตั้งแต่การตรวจจับการฉ้อโกงไปจนถึงการต่อสู้กับการแพร่ระบาดของฝิ่น การป้องกันเพียงหนึ่งออนซ์ก็คุ้มค่าต่อการรักษาหนึ่งปอนด์จริงๆ โดยเฉพาะอย่างยิ่งในรัฐบาล ขณะนี้มีการใช้การวิเคราะห์เชิงคาดการณ์ในด้านต่างๆ รวมถึงการป้องกัน การรักษาความปลอดภัย การดูแลสุขภาพ และบริการมนุษย์ และอื่นๆ
ความคิดที่ว่ารัฐบาลควรให้ความสำคัญกับการป้องกันปัญหามากกว่าที่จะตอบสนองต่อปัญหาเหล่านี้ไม่ใช่เรื่องใหม่ 1สิ่งที่แตกต่างไปจากปัจจุบันคือความสามารถในการทำสิ่งนี้เป็นประจำ—และประสบความสำเร็จ—ผ่านความสามารถในการวิเคราะห์ชุดข้อมูลในอดีตจำนวนมหาศาลและหน้าข้อความที่ไม่มีโครงสร้างหลายล้านหน้าเพื่อระบุรูปแบบและคาดการณ์ปัญหาที่อาจเกิดขึ้น สิ่งนี้กำลังนำรัฐบาลจำนวนมากขึ้นเรื่อยๆ ในการนำทรัพยากรไปสู่การแก้ไขปัญหาก่อนที่จะเกิดขึ้น ตัวอย่างเช่น กองทัพอากาศสหรัฐฯ ได้ใช้เทคโนโลยีการบำรุงรักษาแบบคาดการณ์ล่วงหน้าเพื่อคาดการณ์ว่าเมื่อใดที่เครื่องบินจะพัง และดำเนินการเปลี่ยนและบำรุงรักษาเชิงป้องกันเพื่อหลีกเลี่ยง ซึ่งจะช่วยลดเวลาหยุดทำงานของเครื่องบินและช่วยลดค่าใช้จ่ายในการซ่อมแซมในอนาคต
ขณะนี้รัฐบาลใช้การวิเคราะห์ข้อมูลเพื่อแจ้งมาตรการป้องกันสำหรับปัญหาต่างๆ:
ลดอาชญากรรม กรมตำรวจในเมืองเดอแรม รัฐนอร์ทแคโรไลนา ใช้ AI ในการสังเกตรูปแบบและความสัมพันธ์ในกิจกรรมอาชญากรรม และเพื่อระบุจุดที่มีอุบัติการณ์อาชญากรรมสูง ซึ่งช่วยให้สามารถเข้าแทรกแซงได้เร็วขึ้น สิ่งนี้ช่วยให้อาชญากรรมรุนแรงในเมืองเดอรัมลดลง 39% ในช่วงปี 2550-2557 3ในขณะเดียวกัน แบบจำลองการทำนายของกรมตำรวจลอสแองเจลิสได้ช่วยทำนายเหตุการณ์อาชญากรรมได้แม่นยำเป็นสองเท่าของนักวิเคราะห์อาชญากรรมที่ผ่านการฝึกอบรมมาแล้ว โมเดลดังกล่าวช่วยให้แผนกสามารถตัดสินใจได้ว่าควรส่งเจ้าหน้าที่ตำรวจไปที่ใดในเมืองเพื่อป้องกันอาชญากรรม 5การวิเคราะห์เชิงคาดการณ์ยังสามารถใช้เพื่อช่วยคาดการณ์อาชญากรรมทางการเงิน เช่น การหลีกเลี่ยงภาษีและการซื้อขายโดยใช้ข้อมูลภายใน
ต่อสู้กับการค้ามนุษย์ ประมาณ 75 เปอร์เซ็นต์ของการค้าเด็กเกี่ยวข้องกับโฆษณาออนไลน์ตามการสำรวจหนึ่งครั้ง 7สำนักงานโครงการวิจัยขั้นสูงด้านกลาโหม (DARPA) โดยความร่วมมือกับผู้เชี่ยวชาญด้านเทคโนโลยีเชิงพาณิชย์ ได้พัฒนาแพลตฟอร์มที่ตรวจสอบโฆษณาออนไลน์ที่น่าสงสัยและสรุปความเชื่อมโยงระหว่างพวกเขากับกลุ่มการค้ามนุษย์ ทั้งกรมตำรวจ Fairfax County ของรัฐเวอร์จิเนียและการสืบสวนความมั่นคงแห่งมาตุภูมิในนิวออร์ลีนส์ใช้ซอฟต์แวร์ขั้นสูงนี้เพื่อระบุโฆษณาบนเว็บที่มีความเสี่ยงสูงและตรวจจับคำรหัสที่ใช้โดยผู้ค้ามนุษย์ 8ซอฟต์แวร์ประเภทนี้ช่วยให้หน่วยงานค้นหาและช่วยเหลือเหยื่อหลายล้านรายและดำเนินคดีกับผู้ค้ามนุษย์
ปรับปรุงการตรวจสอบอาหาร ผู้ตรวจสอบความปลอดภัยด้านอาหารจัดลำดับความสำคัญของร้านอาหารหรือโรงแรมที่จะตรวจสอบอย่างไร พวกเขาสามารถคาดการณ์ล่วงหน้าได้ไหมว่าสถานประกอบการใดมีแนวโน้มที่จะมีปัญหาด้านความปลอดภัยของอาหารมากที่สุด? ขอบคุณการวิเคราะห์ คำตอบคือใช่มากขึ้นเรื่อยๆ ตัวอย่างเช่น เมืองของแผนกสุขภาพของลาสเวกัสใช้เทคโนโลยี AI ขั้นสูง เช่น NLP เพื่อวิเคราะห์ทวีตมากกว่า 16,000 รายการต่อวันเพื่อหาเบาะแสเกี่ยวกับอาหารเป็นพิษ (เช่น วลีเช่น “ฉันรู้สึกคลื่นไส้”) เพื่อช่วยตรวจหาสถานที่ที่มีแนวโน้ม เพื่อก่อให้เกิดอันตรายต่อสุขภาพของประชาชน
เตรียมรับภัยธรรมชาติ. รัฐบาลอินโดนีเซียได้ร่วมมือกับสตาร์ทอัพท้องถิ่นเพื่อคาดการณ์และจัดการอุทกภัย ด้วยการใช้ข้อมูลประวัติน้ำท่วมที่รวบรวมผ่านเซ็นเซอร์และแตะข้อมูลการร้องเรียนของพลเมือง จะสามารถระบุพื้นที่ที่เกิดน้ำท่วมได้ 11 หน่วยงานจัดการเหตุฉุกเฉินของจาการ์ตาใช้ข้อมูลเพื่อระบุสถานที่น้ำท่วม เร่งการตอบสนองในการจัดการน้ำท่วม และสื่อสารและแจ้งเตือนประชาชนเกี่ยวกับน้ำท่วม
ลดการเร่ร่อน ศูนย์แห่งชาติว่าด้วยคนเร่ร่อนในหมู่ทหารผ่านศึกของกระทรวงกิจการทหารผ่านศึกของสหรัฐฯ กำลังถอดรหัสข้อมูลขนาดใหญ่และพัฒนาแบบจำลองการคาดการณ์เพื่อประเมินระดับคนเร่ร่อนในอนาคต หน่วยงานทำงานเพื่อระบุว่าทหารผ่านศึกคนใดที่เสี่ยงต่อการถูกเร่ร่อน ดังนั้นจึงสามารถใช้มาตรการป้องกันที่เหมาะสมได้
ทำนายการโจมตีทางไซเบอร์ การวิเคราะห์เชิงคาดการณ์สามารถกรองข้อมูลชุดใหญ่เพื่อระบุโค้ดที่เป็นอันตราย รูปแบบผิดปกติ และภัยคุกคามเครือข่ายเพื่อช่วยคาดการณ์การโจมตีทางไซเบอร์ สิ่งนี้ทำให้รัฐบาลสามารถใช้แนวทางเชิงรุกมากกว่าที่จะตอบโต้ 14 In-Q-Tel ซึ่งเป็นบริษัทร่วมทุนที่ไม่แสวงหากำไรของชุมชนข่าวกรองของสหรัฐอเมริกา ลงทุนใน Cylance บริษัทที่ใช้เทคโนโลยีที่ได้รับการสนับสนุนจาก AI เพื่อตรวจจับและป้องกันภัยคุกคามทางไซเบอร์ Cylance ใช้ AI ในการพิจารณาว่าไฟล์ใดปลอดภัย ไฟล์ใดเป็นอันตราย จากนั้นทำงานเพื่อทำให้ไฟล์ที่ประสงค์ร้ายเป็นกลางก่อนที่จะดำเนินการโจมตี
ป้องกันการทารุณกรรมเด็กและการเสียชีวิต รัฐโอคลาโฮมาใช้ AI เพื่อทำนายว่าคดีสวัสดิการเด็กคดีใดที่มีความเสี่ยงสูงที่จะเสียชีวิตได้ แบบจำลองนี้พิจารณาจากปัจจัยหลายประการ เช่น ประวัติในอดีต สถานะสุขภาพจิต บันทึกของผู้ปกครอง และการละเมิดระหว่างรุ่น กรณีที่มีความเสี่ยงสูงจะถูกตั้งค่าสถานะเพื่อให้ผู้ดูแลคดีจัดลำดับความสำคัญ
ต่อต้านการก่อการร้าย รัฐบาลกำลังพยายามอย่างยิ่งที่จะเจาะขุมทรัพย์ของข้อมูลโซเชียลมีเดียที่ไม่มีโครงสร้าง ตัวอย่างเช่น โครงการ Horizon 2020 ของสหภาพยุโรปได้เปิดตัวโครงการที่เรียกว่า RED (Real-time Early Detection) Alert ซึ่งมุ่งเป้าไปที่การต่อต้านการก่อการร้ายโดยใช้ NLP เพื่อตรวจสอบและวิเคราะห์การสนทนาทางโซเชียลมีเดีย RED Alert ได้รับการออกแบบมาเพื่อให้การแจ้งเตือนล่วงหน้าเกี่ยวกับการโฆษณาชวนเชื่อที่อาจเกิดขึ้นและสัญญาณของสงคราม โดยการระบุเนื้อหาออนไลน์ที่โพสต์โดยกลุ่มหัวรุนแรง
ป้องกันอุบัติเหตุ ทีม Behavioral Insights (BIT) ของสหราชอาณาจักรใช้การวิเคราะห์เชิงคาดการณ์เพื่อลดอุบัติเหตุบนท้องถนนใน East Sussex ได้พัฒนาอัลกอริธึมตามข้อมูลที่เก็บรวบรวมมาเป็นเวลากว่าทศวรรษ ซึ่งช่วยให้ทีมคาดการณ์ได้ว่าผู้ขับขี่ประเภทใดมีความเสี่ยงที่จะเกิดอุบัติเหตุร้ายแรง ทีมงานพบว่าชาวบ้านที่เคยถูกจับได้ว่าขับรถเร็วมักมีส่วนร่วมในอุบัติเหตุ ในการตอบสนอง ทีมงานได้ปรับเปลี่ยนประกาศที่ส่งไปยังผู้กระทำความผิดที่ถูกจับได้ว่าขับรถเร็วเพื่อชักชวนให้พวกเขาปฏิบัติตามขีดจำกัดความเร็ว การแทรกแซงช่วยลดการกระทำผิดซ้ำ 20 เปอร์เซ็นต์

เว็บแอพพลิเคชั่น

ในอนาคต การใช้การวิเคราะห์เชิงคาดการณ์แบบ AI ของรัฐบาลมีแนวโน้มที่จะได้รับแรงผลักดันหากหน่วยงานสามารถเอาชนะความท้าทายบางอย่างได้ ซึ่งรวมถึงการปิดช่องว่างของทักษะ ความลำเอียงของอัลกอริทึม การปรับสมดุลการลงทุนในความสามารถใหม่ๆ เมื่อเทียบกับการลงทุนด้านปฏิบัติการที่มีอยู่ และความเฉื่อยขององค์กรของการใช้การวิเคราะห์ อย่างไรก็ตาม ด้วยการกำกับดูแลที่เข้มแข็ง ความเป็นผู้นำที่มุ่งมั่น การให้ความสำคัญกับการสรรหาและการพัฒนาผู้มีความสามารถ และแนวทางการจัดการแบบใหม่ รัฐบาลสามารถปรับขนาดการใช้การวิเคราะห์เชิงคาดการณ์ได้ต่อไป
สัญญาณข้อมูล
ร้อยละสามสิบสี่ของหัวหน้าเจ้าหน้าที่ข้อมูลในรัฐบาลสหรัฐฯ ใช้แบบจำลองการคาดการณ์
Ash Center ที่มหาวิทยาลัยฮาร์วาร์ดได้ระบุเรื่องราวความสำเร็จมากกว่า200เรื่องที่เกี่ยวข้องกับการใช้ข้อมูลและการวิเคราะห์ทั่วทั้งเมือง เคาน์ตี รัฐ และรัฐบาลกลางในสหรัฐอเมริกา
ประหยัดเงิน 1.5 พันล้านดอลลาร์ในการชำระเงิน Medicare ด้วยการใช้เครื่องมือวิเคราะห์เชิงคาดการณ์
จากการสำรวจของ Gartner พบว่า43% ของ CIO ของรัฐบาลใน 89 ประเทศมีแนวโน้มที่จะเพิ่มการลงทุนด้านเทคโนโลยีในระบบธุรกิจอัจฉริยะและการวิเคราะห์ข้อมูลในปี 2019
ก้าวไปข้างหน้า
สร้างกระบวนการกำกับดูแลข้อมูลในการรวบรวม การจัดเก็บ และการใช้ข้อมูลสำหรับการวิเคราะห์เชิงคาดการณ์
อย่ารอที่จะสร้างชุดข้อมูลขนาดใหญ่ก่อนทำการวิเคราะห์ เริ่มต้นด้วยข้อมูลใดก็ตามที่คุณมี
พิจารณาว่าเทคโนโลยี AI ใด (แมชชีนเลิร์นนิง, NLP, คอมพิวเตอร์วิทัศน์ ฯลฯ) ที่เหมาะสมกับกรณีการใช้งานของคุณ
ฝึกอบรมผู้ใช้แบบจำลองการคาดการณ์ของคุณเกี่ยวกับวิธีการตัดสินใจโดยพิจารณาจากผลลัพธ์ของแบบจำลอง ให้ผลลัพธ์ของแบบจำลองแก่ผู้ใช้ปลายทางในอินเทอร์เฟซที่ใช้งานง่ายและมีส่วนร่วม
พิจารณาลงทุนในบริการวิเคราะห์ที่ช่วยให้ทีมวิเคราะห์ของคุณพัฒนาการเรียนรู้ของเครื่องและแบบจำลองการวิเคราะห์เชิงคาดการณ์ได้ง่ายขึ้น
จัดการกับการเปลี่ยนแปลงขององค์กรในเชิงรุกเนื่องจากพนักงานบางคนอาจต่อต้านการเปลี่ยนไปใช้การตัดสินใจเชิงคาดการณ์ที่ขับเคลื่อนด้วยข้อมูลมากขึ้น
ประโยชน์ที่ได้รับ
ตรวจสอบให้แน่ใจว่ามีการแทรกแซงและป้องกันตั้งแต่เนิ่นๆ
เปิดใช้งานการใช้ทรัพยากรที่ดีขึ้น และ
เพิ่มประสิทธิภาพของโปรแกรมภารกิจสำคัญ
ปัจจัยเสี่ยง
ขาดทักษะที่เพียงพอในการปกครอง
ความกังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูล
ความซับซ้อนและการเข้าถึงข้อมูล และ
ศักยภาพของอคติอัลกอริธึม
การวิเคราะห์และการจัดการข้อมูล
การวิเคราะห์และการจัดการข้อมูลของ Deloitte ช่วยลูกค้าในการออกแบบ สร้าง และดำเนินการองค์กรที่ขับเคลื่อนด้วยข้อมูลเชิงลึก โดยช่วยเพิ่มมูลค่าที่เป็นไปได้ของการวิเคราะห์และข้อมูลเพื่อส่งมอบความเป็นเลิศในการดำเนินงาน ผลิตภัณฑ์และบริการใหม่ ความคล่องตัวในการแข่งขัน และการเติบโต บริการการวิเคราะห์และการจัดการข้อมูล (AIM) นำเสนอแนวทางแบบบูรณาการกับข้อเสนอโซลูชันที่หลากหลายของเรา รวมถึง: กลยุทธ์การกำหนดรูปร่าง การจัดการข้อมูล การส่งข้อมูล การปรับปรุงประสิทธิภาพ การเพิ่มประสิทธิภาพข้อมูลเชิงลึก การขยายความฉลาด ความสามารถในการสร้าง และการจัดการสภาพแวดล้อม
[NPC4]นักลงทุนสถาบันอสังหาริมทรัพย์เผชิญกับสภาพแวดล้อมที่ท้าทาย
ปัจจัยหลายประการดูเหมือนจะจำกัดการเติบโตและความสามารถในการทำกำไรสำหรับนักลงทุนสถาบันด้านอสังหาริมทรัพย์ ต้องเผชิญกับความเสี่ยงและการแข่งขันที่สูงขึ้น นักลงทุนด้านอสังหาริมทรัพย์เพื่อการพาณิชย์ (CRE) ได้โพสต์ผลตอบแทนเฉลี่ยต่อปีติดลบในปี 2561 ทั้งทั่วโลก (-5.6 เปอร์เซ็นต์) และในสหรัฐอเมริกา (-4.1 เปอร์เซ็นต์) 1ในการเปรียบเทียบ ผลตอบแทนประจำปีเฉลี่ยอยู่ที่ร้อยละ 6.4 และร้อยละ 6.9 ทั่วโลกและในสหรัฐอเมริกาตามลำดับในช่วงปี 2557-2560 2การสำรวจนักลงทุนสถาบัน Global Real Estate Institutional Investor ประจำปี 2561 ของ Deloitte เกี่ยวกับนักลงทุนสถาบัน 500 รายทั่วโลก ดูเหมือนจะแสดงให้เห็นว่าผู้ตอบแบบสอบถามยังคงมุ่งมั่นที่จะ CRE ในฐานะสินทรัพย์ประเภทหนึ่ง: 97 เปอร์เซ็นต์ของผู้ตอบแบบสอบถามวางแผนที่จะเพิ่มภาระผูกพันด้านทุนของพวกเขาจนถึงปี 2019 อย่างไรก็ตาม การตัดสินใจลงทุนของพวกเขามีแนวโน้มที่จะถูกท้าทาย ตามตลาดทางภูมิศาสตร์ ผู้เช่า และความเสี่ยงด้านการเงิน/อัตราดอกเบี้ย (ดูรูปที่ 1) การเลือกตั้งประธานาธิบดีสหรัฐปี 2020 ยังมีกระแสต่อต้านเพิ่มขึ้น ภัยคุกคามที่อาจเกิดขึ้นจากภาษีการค้า เส้นอัตราผลตอบแทนที่แบนราบ และการชะลอตัวของเศรษฐกิจโลก เพื่อตอบสนองต่อความท้าทายที่อาจเกิดขึ้นเหล่านี้ นักลงทุนกำลังมองหาวิธีใหม่ในการปรับปรุงประสิทธิภาพและประสิทธิผล
นักลงทุนและผู้จัดการการลงทุนสามารถใช้การวิเคราะห์ข้อมูลและปัญญาประดิษฐ์ (AI) ในกระบวนการจัดหา การจัดการ และการจัดการพอร์ตโฟลิโอที่มีอยู่เพื่อจัดการความเสี่ยงและความซับซ้อนที่เพิ่มขึ้นอย่างมีประสิทธิภาพมากขึ้น และลดค่าธรรมเนียมและแรงกดดันด้านมาร์จิ้น ปัจจุบันมีข้อมูลมากขึ้นกว่าที่เคยเป็นเมื่อไม่กี่ปีที่ผ่านมา ข้อมูลต่างๆ เช่น ค่าเช่าสุทธิที่มีผล สเปรดการเช่า ค่าคอมมิชชันสัญญาเช่า ความต้องการของตลาด และข้อมูลผู้เช่าได้กลายเป็นที่เข้าถึงได้และละเอียดยิ่งขึ้น 3นอกจากนี้ยังมีการใช้ชุดข้อมูลทางเลือกจากเซ็นเซอร์ IoT, โซเชียลมีเดีย, ข้อมูลเชิงพื้นที่ และภาพถ่ายดาวเทียมเพิ่มมากขึ้น และรูปแบบใหม่ของโซลูชันการวิเคราะห์ที่สนับสนุนโดย AI สามารถช่วยให้ผู้จัดการการลงทุนควบคุมข้อมูลที่กว้างขึ้นนี้เพื่อตัดสินใจอย่างชาญฉลาดได้เร็วขึ้นและแม่นยำยิ่งขึ้น
อะไรที่ทำให้บริษัทนักลงทุนไม่สามารถนำการวิเคราะห์ข้อมูลมาใช้ได้
จนถึงปัจจุบัน ผู้จัดการและนักลงทุน CRE ส่วนใหญ่ยังคงทำการตัดสินใจแบบฮิวริสติก หรือการตัดสินใจตามสัญชาตญาณ ทำไม? บางที หลายคนอาจไม่ทราบถึงชุดข้อมูลที่หลากหลาย ขาดความสามารถในการวิเคราะห์เพื่อสร้างข้อมูลเชิงลึก และ/หรือไม่สามารถต้านทานการเปลี่ยนแปลงได้ บางคนอาจไม่แน่ใจว่าจะเริ่มจากตรงไหน คนอื่นอาจไม่ทราบว่าควรเพิ่มทักษะและความสามารถใหม่ใดเพื่อเริ่มต้น นี่คืออุปสรรคสำคัญบางประการ:
ขาดความตระหนักเกี่ยวกับชุดข้อมูลใหม่และเทคนิคการวิเคราะห์ ตามเนื้อผ้า การจัดหาข้อมูลที่เกี่ยวข้องกับอสังหาริมทรัพย์และตลาดที่สม่ำเสมอและแม่นยำนั้นเป็นงานที่ยาก ไม่มีมาตรฐานอุตสาหกรรมที่ยอมรับกันทั่วไปและนำมาใช้อย่างกว้างขวางเกี่ยวกับคำจำกัดความของข้อมูลและการกำกับดูแล ด้วยเหตุนี้ การรวบรวมข้อมูล การวิเคราะห์ และการรายงานจึงอยู่ที่ระดับพื้นผิวและต้องใช้ความพยายามอย่างมากจากมนุษย์ ซึ่งมักจะส่งผลให้เกิดคลังข้อมูลและทำให้มีเวลาจำกัดในการวิเคราะห์ข้อมูลในระดับที่ละเอียดยิ่งขึ้น ผู้จัดการสามารถใช้เวลามากถึง 80 เปอร์เซ็นต์ในการรวบรวมหรือจัดการข้อมูลเพื่อให้พร้อมสำหรับการวิเคราะห์ ความไร้ประสิทธิภาพของกระบวนการในปัจจุบันเหล่านี้ทำให้นักลงทุนสถาบันและผู้จัดการบางคนไม่สามารถสำรวจแหล่งข้อมูลใหม่ๆ ตลอดจนเครื่องมือและความสามารถในการวิเคราะห์เชิงลึก
[NPC5]ความสามารถในการวิเคราะห์ที่จำกัด นักลงทุนและผู้จัดการมีความสามารถจำกัดในการจัดหา รวบรวม และวิเคราะห์ชุดข้อมูลขนาดใหญ่จากหลายแหล่ง พวกเขาต้องการพรสวรรค์ เครื่องมือ และเทคโนโลยีที่เหมาะสมเพื่อใช้ประโยชน์จากการวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพเพื่อตัดสินใจลงทุน และปฏิบัติตามข้อกำหนดการรายงานและการจัดการความเสี่ยงที่เข้มงวดยิ่งขึ้น