“Untuk menggunakan Amazon Personalize, misalnya, customer perlu melakukan input data, dengan meng-upload historical log data, dari lokal atau cloud, atau melakukan ingestion menggunakan AWS SDK. Setelah itu, customer hanya perlu mengakses dashboard yang akan memulai training (model) secara otomatis tanpa perlu menyiapkan infrastruktur apa pun,” terang Donnie.
Ia juga menjelaskan, Amazon Personalize dapat langsung melakukan training terhadap data milik pelanggan karena solusi ini membekal AutoML, yaitu sebuah mekanisme untuk mengotomatisasi dari awal hingga akhir siklus implementasi, termasuk deployment machine learning terhadap sebuah problem.
“Amazon Personalize secara otomatis memilih algoritme yang pas berdasarkan data yang diupload oleh customer. Personalize juga akan melakukan training, hingga deployment untuk inferencial dan mengimplementasi feedback loop untuk meng-update dataset,” tutur Donnie.
Salah satu pengguna Personalize adalah Lotte Mart. Solusi AWS dimanfaatkan untuk meningkatkan loyalitas pelanggan dan mendorong tingkat pembelian melalui layanan rekomendasi berbentuk kupon. Lottemart dapat meningkatkan respon konsumen terhadap produk yang direkomendasikan hingga 5x dan pembelian produk baru hingga 40%.
ML Services Akselerasi Siklus Implementasi
Di lapisan berikutnya, AWS menawarkan machine learning services dengan Amazon SageMaker sebagai layanan utama. Layanan ini menurut Donnie disediakan AWS untuk memudahkan para machine learning engineer dan data scientist menjalankan proses end to end building, training, deploying, monitoring, dan retraining model machine learning.
Di jajaran layanan ini, AWS menyediakan Amazon SageMaker Studio Lab, sebuah layanan yang menawarkan opensource jupyter notebook dengan environment siap pakai, termasuk dalam hal pilihan CPU atau GPU dengan framework yang populer dan storage sampai dengan 15GB.
Contoh machine learning services lainnya adalah Amazon SageMaker Canvas. Layanan ini memudahkan business analyst dan domain expert untuk menghasilkan prediksi machine learning tanpa keharusan memiliki pengetahuan tentang machine learning sebelumnya.
Salah satu pelanggan yang telah memanfaatkan SageMaker adalah Qoala, sebuah perusahaan startup yang berkecimpung di bidang teknologi asuransi atau insurtech. Qoala bermitra dengan ritel dan perusahaan asuransi untuk menghadirkan produk asuransi mikro yang inovatif ke pasaran.
“Untuk dapat meningkatkan operasional dan platform Qoala, termasuk untuk tujuan manajemen polis asuransi dan validasi dokumen, kami membutuhkan fondasi berupa infrastruktur teknologi yang dapat diskalakan. Ini yang dapat disediakan oleh AWS,” ucap Martin Hong, CTO Qoala.
Cara Qoala Manfaatkan Machine Learning
Teknologi Qoala memungkinkan perusahaan asuransi mitra mengotomatisasi pengambilan keputusan selama pemrosesan klaim. Pemeriksaan gambar atau video yang diunggah dilakukan oleh teknologi computer vision dan didukung oleh model machine learning. Misalnya, perusahaan dapat menganalisis video dan mengidentifikasi adanya goresan permukaan, penyok, atau kerusakan.