人工智能将成为是商业智能系统(BI)的重要驱动力

多年来,有很多关于“自助式”商业智能BI)的产品,虽然每隔几个月我都会有新的发现,但不幸的是,BI工具仍然是分析师的舞台。一线决策者虽然可以看到可视化的图表,甚至可以看到数据源。但接近人的思考方式,类似“如果…怎么办”,“是什么原因导致”这样的分析,仍需要由分析师或开发人员来处理。

虽然行业内许多人坚称,解决商业问题的方法,是让一线决策者像“数据科学家”一样思考,但其实,商业智能产品在商业应用中仍难以很好的实践。同程序员和分析师无法进行商业决策一样,一线的决策者也无法去做数据分析或软件开发类的工作。我们需要做的,是利用技术来帮助一线决策者解决两个主要的技术问题。

第一个挑战是近几十年来一直谈到的:信息获取。企业有那么多的软件系统,甚至本地化部署系统也存在数据及源数据的沟通、转换、协调等问题。这也是为什么数据仓库得以尝试并取得成功。而云和移动设备的加入,意味着更复杂的信息源网络,找到他们并梳理出相互之间的关联关系,会是当下一项持续的挑战。

第二,我们虽然不会要求一线决策者会敲代码,但程序员在研发产品时,必须要了解一线决策者、即使用者们的试用场景和需求。通常一线决策者在浏览可视化图表的时候,会蹦出新的思路和想法,这就意味着需要进行进一步的分析,而如何告诉程序,需要更多的数据来进行分析,是当下很多仪表盘上做不到的。为什么呢?数据的合作与合规性也是问题的一部分。当合规没有得到很好的处理,很有可能出现的问题便是:要么一线决策者会看到过多的数据,要么就会限制他们看到极少的数据。当然,还有一种简单的可能,就是当这个想法出现之前,一线决策者和程序员都不认为这部分数据的存在是必要的。

伴随着交互问题一同出现的,是管理者如何实现在被允许的权限下自助获取系统中的信息。通常这样的应用程序都会有复杂的接口。最近我看到的一个产品演示,它仍然需要使用者浏览数据库名称列表,但通过隐藏字段名称,这个产品没有每次都告诉使用者这些数据意味着什么?这就没限制数据思考观察维度和表达意义,给予了使用者更多的思考空间。此外,产品还可以实现像人类思路一样的探索式分析。这两个功能,都完全符合一线决策者、分析师在使用时的业务场景。虽然我还没有看到公司展示已经成型的产品实物,但展示的这两个功能,都利用了AI技术。

链接信息源

数据源分布在企业、本地和云中,需要耗费大量的成本跟踪所有内容,管理链接系统信息的源数据,并让应用程序可以访问这些信息。同许多其他技术挑战一样,AI提供了自动化重复的能力,来处理低级别的源数据识别和来源分析等任务。

一个强大的机器学习(ML)系统可以研究连接到网络的计算机和设备,询问数据源,对信息进行分类,并通过指定用于访问该信息的控制操作来为使用者提供所需要的信息。与正在设计的用于网络安全和风险管理的ML系统相关联,可以帮助平衡信息访问的竞争需求,并保持遵守隐私政策和法规。

与一线操作者沟通

从主要参与者到初创企业的智能系统都开始将ML集成到仪表板和其他可视化工具中。一种姗姗来迟的方法,是令软件具备对结果进行适当可视化的能力。如同上文中提到的那样,停止要求一线决策者了解不同图表的细节,不要像分析师那样思考。利用机器学习对不同图表进行解释和可视化的展示,帮助人们拓展更多的想法,高效找到他们想要的分析、调查结果。

利用AI技术提升商业分析软件的智能性,也是智慧图谱(IGraph)平台的目标。在IGraph平台上,一方面我们利用知识图谱技术,用接近人类语义表达的形式来关联和融合多源和非结构化数据,从而更容易实现相关性分析与数据挖掘。另一方面通过实时图计算技术,实现"搜索+探索"的知识获取,即使数据小白去也能快速找到数据背后的答案,让人人都成为分析师。

本文部分来源:福布斯

 

新原顶级域名

便捷获取资讯请用微信扫码关注:

+++扫描二维码或搜索“中知网”、”k35-cn“,关注“中知网”官方微信+++

+++扫描二维码或搜索“天府互联”或“tyfoonet",关注“+互联网”生态+++

您可以选择一种方式赞助本站

中知网

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: