摘要:根据调研机构的预测,到2025年,在全球范围内,人们每天将产生463艾字节的数据。而相比之下,在2020年初,人们每天大约产生44泽字节的数据。如果企业试图自己管理这些数据,这将是一项难以管理的任务。但人工智能技术让这成为可能,因为人工智能模型的工作速度要比人类快得多,而且它们不需要休息。 |
根据调研机构的预测,到2025年,在全球范围内,人们每天将产生463艾字节的数据。而相比之下,在2020年初,人们每天大约产生44泽字节的数据。如果企业试图自己管理这些数据,这将是一项难以管理的任务。但人工智能技术让这成为可能,因为人工智能模型的工作速度要比人类快得多,而且它们不需要休息。
人工智能如何改变商业智能
虽然人工智能在商业智能中可以做的大部分事情,但使用人工智能的主要好处是速度、一致性和准确性。AtScale公司创始人兼首席技术官DavidP.Mariani表示:“在所有领域,人工智能通过自动化耗时、重复的任务,并确保这些任务的执行一致性,增强了人类独自完成的任务。”
Marani进一步解释了人工智能在几个不同类别的数据管理中支持人类的方式。他解释说,“在数据准备领域,人工智能可以自动匹配、标记、连接和注释数据,人工智能还可以自动进行数据质量检查,并为提高数据完整性提出建议。对于商业智能,人工智能可以发现隐藏的趋势和人们可能看不到的表面见解。通过自动化的细分、聚类和突出关键驱动因素,人工智能可以更快地引导人类进行洞察。”
然而,人类也有局限性,这使得人工智能更适合大数据管理。人工智能模型可以无休止地24小时工作,而且处理时间是一致的。SenecaGlobal公司高级副总裁MikeO’Malley举了一个例子。人工智能算法可以分析人类需要数年甚至更长时间才能完成的数据集。以人类基因组计划为例。科学家们在1990年开始研究这个项目,并于2003年完成。花了13年的时间,才在抗击遗传疾病的科学上取得了显著的进步。现在,使用人工智能的数据科学家可以在24小时内重复这一过程。
O'Malley还解释说,如果没有人工智能,管理大数据是不可能的。他说,“人类可以重复过程,但要成功地扩展过程,就需要更多训练有素的高技能人才,通常是数据科学家,而这类人才在全球范围内供不应求。”
这些熟练员工的短缺,加上许多员工在新冠疫情之后面临的工作倦怠,意味着专家数据科学家比以往任何时候都更难找到。虽然人工智能不能取代这些职位,但它可以减轻这些人员的工作负担,或者让企业在没有他们的情况下也能获得一些见解。
构建非结构化数据
像自然语言处理、文本分析和情感分析这样的机器学习程序将非结构化数据的定性性质转化为定量。这些模型从客户评论和社交媒体帖子中抓取文本,并对企业获得的不同类型的反馈提供洞察。
例如,人工智能可能会接受这样的客户评论:“新的报告功能一开始总是崩溃,但客户支持非常有帮助,并很快回复了我。”
在推出一个新特性之后,这种结构化数据是很有帮助的。企业可以从询问新功能的调查或评论中获得定性数据,找出有多少人喜欢或不喜欢它。然后,他们可以深入研究一小部分非结构化数据,以确定需要修复的内容。
包含人工智能的商业智能工具
越来越多的商业智能供应商将人工智能构建到他们的工具中,因为他们看到了人工智能可以提供的好处。以下是一些包括人工智能在内的商业智能工具。
(1)AtScale
AtScale在数据准备、数据科学和商业智能中使用人工智能,在没有人工输入的情况下提供有价值的见解。Marani表示,AtScale可以使用人工智能创建聚合表,根据最终用户的查询行为加速性能。这就是AtScale如何提供针对数十亿行数据的思维查询速度。实时连接提供对数据的实时访问,为企业提供最相关和最新的信息,以作为预测和决策的基础。企业可以运行“假设”分析,并使用拖放构建器创建新的可视化模型。
(2)Qlik
Qlik使用强大的人工智能模型来构建可访问的数据可视化。交互式图表和表格会随着数据的更改或增加而自动更新。自然语言处理简化了查询过程,帮助用户更快地找到他们想要的东西。基于云计算的平台还可以构建有吸引力的、易于阅读的报告,并允许企业安排它们自动交付。这款移动应用程序响应迅速,甚至还提供离线分析,因此用户可以随时做出决定。
(3)ThoughtSpot
ThoughtSpot通过人工智能为企业提供个性化的见解。开放API允许开发人员将平台与其他SaaS应用程序连接起来,以实现实时数据的可见性。一些操作完成了开发人员的工作,但任何专业水平的用户都可以使用该平台获得可操作的见解。开发人员可以使用低代码平台构建交互式数据应用程序,而非技术人员可以使用ThoughtSpot自行回答查询。
利用人工智能进行可操作的洞察
人工智能可以大规模分析数据,从结构化和非结构化数据中提供可操作的见解。它可以比人类工作得更快,并且不需要休息,可以提供更快的结果和预测。如果企业想确保能从自己拥有的数据中获得最大的收益,应该考虑使用包括人工智能的商业智能工具。
编辑:Harris