人工智能和機(jī)器學(xué)習(xí)如何幫助組織從大數(shù)據(jù)中獲得更好的業(yè)務(wù)見解?需要了解人工智能和大數(shù)據(jù)分析的下一步發(fā)展。

大數(shù)據(jù)技術(shù)并不像幾年前那樣廣受關(guān)注，但這并不意味著大數(shù)據(jù)技術(shù)沒有得到發(fā)展。如果說有什么不同的話，那就是大數(shù)據(jù)的規(guī)模正在變得越來越大。

大數(shù)據(jù)曾經(jīng)被認(rèn)為是一項(xiàng)重大挑戰(zhàn)。但是現(xiàn)在，它越來越被視為一種理想狀態(tài)，尤其是在正在嘗試并實(shí)施機(jī)器學(xué)習(xí)和其他人工智能學(xué)科的組織中。

Anexinet公司高級(jí)數(shù)字策略師Glenn Gruber說，“人工智能和機(jī)器學(xué)習(xí)現(xiàn)在為我們提供了使用現(xiàn)有大數(shù)據(jù)的新機(jī)會(huì)，并利用新數(shù)據(jù)類型開發(fā)了很多新用例。我們現(xiàn)在擁有更多可用的數(shù)據(jù)，例如圖片、視頻和語音。過去，我們可能試圖盡量減少捕獲的此類數(shù)據(jù)的數(shù)量，因?yàn)槲覀儫o法對(duì)其做太多的處理，但是它存儲(chǔ)此類數(shù)據(jù)會(huì)產(chǎn)生巨大的成本?！?/p>

人工智能如何適應(yīng)大數(shù)據(jù)

大數(shù)據(jù)與人工智能之間存在著一種互惠關(guān)系：人工智能在很大程度上依賴于前者的成功，同時(shí)也幫助組織以以前繁瑣或不可能的方式釋放數(shù)據(jù)存儲(chǔ)中的潛力。

Gruber說，“如今，我們需要盡可能多的數(shù)據(jù)，這不僅是為了更好地洞察我們?cè)噲D解決的業(yè)務(wù)問題，而且因?yàn)槲覀兺ㄟ^機(jī)器學(xué)習(xí)模型輸入的數(shù)據(jù)越多，它們得到的結(jié)果就越好。這是一個(gè)良性循環(huán)?！?/p>

人工智能如何使用大數(shù)據(jù)

存儲(chǔ)和其他有關(guān)大數(shù)據(jù)和分析的問題好像已經(jīng)不再一樣。例如，Gruber指出，大數(shù)據(jù)和人工智能的結(jié)合會(huì)圍繞基礎(chǔ)設(shè)施、數(shù)據(jù)準(zhǔn)備和治理產(chǎn)生新的需求(或強(qiáng)調(diào)現(xiàn)有需求)。但是在某些情況下，人工智能和機(jī)器學(xué)習(xí)技術(shù)可能是組織如何解決這些運(yùn)營復(fù)雜性的關(guān)鍵部分。

關(guān)于“更好的洞察力”：人工智能和機(jī)器學(xué)習(xí)作為當(dāng)前在商業(yè)領(lǐng)域中最重要的學(xué)科，如何幫助IT領(lǐng)導(dǎo)者實(shí)現(xiàn)現(xiàn)在或?qū)淼哪繕?biāo)?

人工智能提供更好見解的6種方式

1.人工智能正在創(chuàng)造新的數(shù)據(jù)分析方法

大數(shù)據(jù)的基本業(yè)務(wù)問題之一有時(shí)可以用一個(gè)簡單的問題來概括：現(xiàn)在是什么?人們已經(jīng)擁有了所有這些東西，并且還會(huì)有更多的東西出現(xiàn)，那么如何處理呢?在大數(shù)據(jù)的大肆宣傳和炒作中，聽到這個(gè)問題的答案并不總是那么容易。

此外，回答這個(gè)問題(或從數(shù)據(jù)中獲取見解)通常需要大量的人工工作。人工智能正在創(chuàng)造新的方法。從某種意義上說，從廣義上講，人工智能和機(jī)器學(xué)習(xí)是新方法。

從歷史上看，在分析數(shù)據(jù)時(shí)，工程師不得不使用查詢或SQL(查詢列表)。但是，隨著數(shù)據(jù)重要性的不斷增長，獲得洞察力的多種方法也應(yīng)運(yùn)而生。人工智能是查詢/SQL的下一步。Alluxio公司首席執(zhí)行官Steven Mih說，“過去的統(tǒng)計(jì)模型現(xiàn)在已經(jīng)與計(jì)算機(jī)科學(xué)融合，并已成為人工智能和機(jī)器學(xué)習(xí)的一部分?！?/p>

2.數(shù)據(jù)分析的勞動(dòng)強(qiáng)度正在降低

因此，與過去相比，管理和分析數(shù)據(jù)所需的人工時(shí)間更少了。人們?nèi)匀辉跀?shù)據(jù)管理和分析中扮演著至關(guān)重要的角色，但由于人工智能，原來可能需要幾天或幾周(或更長)的過程正在加快速度。

Sungard AS公司的高級(jí)架構(gòu)師Sue Clark說，“人工智能和機(jī)器學(xué)習(xí)是幫助企業(yè)分析數(shù)據(jù)的工具，比員工單獨(dú)完成的工作更快、更有效。”

Exasol公司首席技術(shù)官M(fèi)athias Golombek在大數(shù)據(jù)方面已觀察到一種采用兩層策略的趨勢(shì)，因?yàn)榻M織爭辯要從中獲得任何價(jià)值所必須管理的海量信息：存儲(chǔ)層和位于其之上的運(yùn)營分析層。

Golombek說，“這是從數(shù)據(jù)中提取見解并進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的決策的地方。人工智能通過全新的功能通過培訓(xùn)數(shù)據(jù)做出半自動(dòng)決策來增強(qiáng)分析。它不適用于企業(yè)對(duì)數(shù)據(jù)存在的所有問題，但是對(duì)于特定的用例，它徹底改變了無需復(fù)雜的人類知識(shí)就能完成規(guī)則、決策和預(yù)測(cè)的方式?！?/p>

換句話說，洞察力和決策可以更快地發(fā)生。此外，IT可以將類似的原理(使用人工智能技術(shù)來減少人工、勞動(dòng)密集型負(fù)擔(dān)并提高速度)應(yīng)用于后端事物，讓人們面對(duì)現(xiàn)實(shí)，IT之外很少有人想知道。

Alluxio公司Mih說，“數(shù)據(jù)洞察力的實(shí)時(shí)性質(zhì)，加上現(xiàn)在無處不在的事實(shí)，這將跨越不同的機(jī)架、區(qū)域和云計(jì)算，這意味著企業(yè)必須從傳統(tǒng)的管理和分析數(shù)據(jù)方法中發(fā)展而來。這就是人工智能的用武之地。數(shù)據(jù)工程師一次又一次地人工復(fù)制數(shù)據(jù)的日子已經(jīng)一去不復(fù)返了，在數(shù)據(jù)科學(xué)家提出要求后數(shù)周之內(nèi)就交付了數(shù)據(jù)集。”

3.人類仍然重要

與其他人一樣，Qlik Research公司副總裁Elif Tutuk將人工智能和機(jī)器學(xué)習(xí)視為處理大數(shù)據(jù)的強(qiáng)大杠桿。

Tutuk說：“人工智能和機(jī)器學(xué)習(xí)以及其他新興技術(shù)，對(duì)于幫助企業(yè)更全面地了解所有數(shù)據(jù)，為他們提供一種在關(guān)鍵數(shù)據(jù)集之間建立聯(lián)系的方式至關(guān)重要?！钡撬a(bǔ)充說，這并不是削弱人類智慧和洞察力的問題。

Tutuk說，“企業(yè)需要將人類直覺的力量與機(jī)器智能相結(jié)合，以增強(qiáng)這些技術(shù)或增強(qiáng)智能。更具體地說，人工智能系統(tǒng)需要從數(shù)據(jù)和人類身上學(xué)習(xí)，才能實(shí)現(xiàn)其功能。成功地將人力和技術(shù)的力量結(jié)合起來的企業(yè)可以擴(kuò)大從數(shù)據(jù)科學(xué)家和業(yè)務(wù)分析師那里獲得分析的關(guān)鍵見解的人員，同時(shí)節(jié)省時(shí)間，并減少由于業(yè)務(wù)用戶解釋數(shù)據(jù)而導(dǎo)致的潛在偏見。這樣可以提高業(yè)務(wù)運(yùn)營效率，從數(shù)據(jù)中收集更快的見解，并最終提高企業(yè)生產(chǎn)率?！?/p>

4. 人工智能/機(jī)器學(xué)習(xí)可用于緩解常見數(shù)據(jù)問題

以下是一些沒有改變的東西：數(shù)據(jù)的價(jià)值與其質(zhì)量密不可分。低質(zhì)量意味著低價(jià)值或無價(jià)值。這就是所謂的大數(shù)據(jù)與人工智能的共同點(diǎn)。

Ness Digital工程公司首席技術(shù)官M(fèi)oshe Kranc說，“關(guān)于機(jī)器學(xué)習(xí)的對(duì)話總是回到企業(yè)數(shù)據(jù)的質(zhì)量上。如果數(shù)據(jù)質(zhì)量差，那么從中獲得的任何見解都將無法得到信任。機(jī)器學(xué)習(xí)項(xiàng)目80%的時(shí)間都花在了清理和準(zhǔn)備數(shù)據(jù)上。”

一切舊的東西似乎又是新的。但這個(gè)問題的解決方案(可能還有其他類似的解決方案)可能已經(jīng)出現(xiàn)。

Kranc說，“幸運(yùn)的是，可以使用機(jī)器學(xué)習(xí)來清理機(jī)器學(xué)習(xí)數(shù)據(jù)。機(jī)器學(xué)習(xí)算法可以檢測(cè)異常值和缺失值，找到用稍微不同的術(shù)語描述同一實(shí)體的重復(fù)記錄，將數(shù)據(jù)規(guī)范化為通用術(shù)語?！?/p>

5.分析變得更具預(yù)測(cè)性和規(guī)范性

在過去，數(shù)據(jù)分析比事后分析更為重要，事后分析就是“已經(jīng)發(fā)生的事情。”未來的預(yù)測(cè)本質(zhì)上仍是歷史分析。人工智能和機(jī)器學(xué)習(xí)正在幫助開拓一個(gè)新領(lǐng)域：“將要發(fā)生的事情?；蛘咧辽偈恰翱赡馨l(fā)生的事情”。此外，還可以教會(huì)機(jī)器學(xué)習(xí)算法基于前瞻性的見解做出決策或采取行動(dòng)。

Sparkhound公司分析部門總經(jīng)理Sean Werick說?！叭缃?，人工智能正在通過使用預(yù)測(cè)分析，以更準(zhǔn)確的方式將大數(shù)據(jù)決策進(jìn)一步推進(jìn)。傳統(tǒng)上，大數(shù)據(jù)決策是基于過去和現(xiàn)在的數(shù)據(jù)點(diǎn)，通常會(huì)導(dǎo)致線性的投資回報(bào)率。借助人工智能，這一比例已達(dá)到史詩級(jí)和指數(shù)級(jí)。利用人工智能的規(guī)范性分析有可能提供全公司的前瞻性戰(zhàn)略見解，有助于推動(dòng)業(yè)務(wù)發(fā)展?！?/p>

Werick指出，這是一個(gè)“在走路之前需要學(xué)會(huì)爬行”的過程。根據(jù)Werick的說法，使用人工智能根據(jù)不準(zhǔn)確或不充分的數(shù)據(jù)做出預(yù)測(cè)性或規(guī)定性的商業(yè)決策可能會(huì)產(chǎn)生“災(zāi)難性”的后果。

Werick說，“隨著分析成熟度模型的每一個(gè)進(jìn)展，對(duì)業(yè)務(wù)的價(jià)值都會(huì)增加：從流程和數(shù)據(jù)映射開始，到描述性分析，到預(yù)測(cè)性分析，最后，到規(guī)定性分析?！?/p>

6.人工智能和大數(shù)據(jù)的下一步是什么?

如果大多數(shù)團(tuán)隊(duì)仍在學(xué)習(xí)爬行(或行走)，那可能沒問題，因?yàn)槿斯ぶ悄芎痛髷?shù)據(jù)的結(jié)合才剛剛開始揭示其可能性。

Scale Venture Partners公司合伙人Andy Vitus看到了更智能的企業(yè)軟件的巨大前景。他認(rèn)為，許多商業(yè)應(yīng)用程序仍顯示其模擬DNA。

Vitus說，“大多數(shù)商業(yè)應(yīng)用程序仍然使用紙質(zhì)表單和分類賬的設(shè)計(jì)語言構(gòu)建。這意味著，對(duì)于企業(yè)捕獲和存儲(chǔ)的所有數(shù)據(jù)，用戶仍在花費(fèi)大量的時(shí)間費(fèi)力地通過無休止的報(bào)告來尋找有用的信息。

智能軟件將利用所有這些數(shù)據(jù)來解決問題并提供場景和答案，而不僅僅是美觀的報(bào)告。從工程的角度來看，智能企業(yè)應(yīng)用程序?qū)⒁髮蝹€(gè)人工智能/機(jī)器學(xué)習(xí)系統(tǒng)連接到其他系統(tǒng)，以便它們可以相互通信并相互學(xué)習(xí)。企業(yè)最終將從存儲(chǔ)的所有數(shù)據(jù)中獲得可觀的投資回報(bào)?！?/p>

那是基本的承諾：人工智能是一種不斷發(fā)展的手段，可以回答有關(guān)大數(shù)據(jù)的基本問題。那么現(xiàn)在怎么辦?

Alluxio公司的Mih說，“這只是一個(gè)開始，未來將有新的技術(shù)來分析數(shù)據(jù)以獲得實(shí)時(shí)洞察力，但獲得見解的方式將有所改進(jìn)?！?/p>