你好,游客 登錄
背景:
閱讀新聞

2020年商業分析:從商業智能到人工智能

[日期:2019-11-08] 來源:企業網D1Net  作者: [字體: ]

  傳統的商業智能已經不能滿足企業數據的數量、多樣性和速度性的要求,現在是讓新的人工智能工具來彌補不足的時候了。

  人類每天都在產生海量的數據。不僅數據的總量在增加,數據的類型也在增加,而且存儲和生成數據的應用程序也在增加。以往采用的商業智能工具無法處理大量數據,并且它們還發現難以處理來自新應用程序的數據;為了使原有的商業智能工具適合新的應用程序,通常需要進行大量的人工調整。因此,使用商業智能工具的企業可能會錯過現在可用的數據驅動的見解。

  探索人工智能和商業智能之間的六個主要區別

  傳統的商業智能已經不能滿足企業數據的數量、種類和速度的要求,現在是讓新的人工智能工具來彌補不足的時候了。但是,這種新一代工具與以前的工具有何不同?

  (1)數據收集與整合

  在未來五年,80%的數據將是非結構化的數據。這些數據無法在數據庫中分類,因此很難標記、搜索和編輯。使用傳統的商業智能工具,非結構化數據位于孤島中,并且即使有的話也要對其進行緩慢的分析。數據科學家通常會花費大約80%的時間準備這些數據,然后才能對其進行分析。

  使用現代的商業智能工具,準備工作將更快、更加自動化。無論企業需要分析哪種數據,這些新工具都可以在一個無縫的數據湖中對它們進行排序和分類,從而使孤島成為過去。這些工具是自助服務,使數據科學家可以在數小時或數天之內開始接收可操作的情報,而無需參與IT運營。

  (2)指標覆蓋率

  傳統的關鍵績效指標(人工設置和研究的關鍵績效指標)僅覆蓋組織中正在使用的指標的3%。實際上,對于現代企業而言,只有3%關鍵績效指標的規模較小。

  如果在面向用戶的應用程序中出現問題,則很有可能會以企業當前未涵蓋的指標來出錯。只要企業監控的關鍵績效指標不會下降,就無法檢測到錯誤或中斷,直到客戶告知企業這些錯誤。相比之下,任何組織都不可能人工監控其所有關鍵績效指標,因此采用人工智能可以解決這個問題。無論企業生成多少個指標,其數量級無關緊要。他們能夠一次提取數百萬個指標,并且在出現問題時仍可以提供即時反饋。

  (3)閾值和基準

  傳統的人工警報實踐要求數據科學家為關鍵績效指標設置閾值。當關鍵績效指標低于某個閾值或高于某一個閾值時,它會觸發警報。不幸的是,即使在正常行為期間,指標也往往會出現不可預測的漲跌。即使企業將基線設置為高于和低于這些閾值,這也降低了在設置的閾值內仍可能發生異常行為的可能性。

  這種做法也忽略了季節性,季節性是在每天、每周或每月的周期中某些指標的正常變化。在傳統的商業智能程序中,所有的季節性看起來都是異常的,會導致大量的誤報和漏報。

  現代分析平臺采用完全自主的方法進行基準劃分。他們依靠機器學習算法來學習指標的正常行為并確定其基準,從而無需進行人工閾值處理。

  (4)檢測和警報

  建立具有人工警報的傳統商業智能系統自然是一個結果,那就是警報太多。警報疲勞是一個現實問題。在某些應用中,信息安全人員每天可能會遇到100多萬次警報。這使得分析師很難區分緊急情況和數據中的噪音。

  在人工智能驅動的報告中沒有人工閾值。警報是“真實的”警報——在度量標準中是真正異常行為。即使只靠這種行為,這種行為也大大減少了誤報。然而,人工智能的發展遠不止于此。現代的商業智能工具使企業能夠只對嚴重的偏差發出警報,從而使企業的響應團隊只關注最重要的事情。

  (5)根本原因分析

  異常不會自行發生。使用傳統的儀表板,企業可能看到在監視的3%指標中出現的一個異常。不幸的是,企業將無法看到其他地方出現的異常。反過來,這意味著企業需要更長的時間來了解異常發生的位置以及如何解決。

  相比之下,自主分析會報告每個警報的完整場景。如果在相關指標中同時發生兩個異常,則企業的警報將反映出來。如果這些異常恰好與補丁程序、設備故障或黑色星期五同時發生,則企業的報告也將反映出來。這使得檢測和應對異常更加容易。

  (6)預測

  預測與異常檢測不同,但是對于傳統的商業智能來說,同樣存在困難。準備用于預測的數據需要花費很長時間,而不幸的是,當企業需要提前而不是推遲預測時。由于傳統分析工具受其可以接受的分析數量的限制,因此企業的預測將無法考慮所有可能影響業務的指標。簡而言之,企業會得到一個不太準確的預測,需要更長的準備時間。

  借助自主分析,企業可以在需要時獲得所需的預測。自主分析不僅可以在幾秒鐘內提供預測,而且每次進行預測時都會變得更加準確。該模型將自動將其預測與隨后發生的事件進行比較,然后根據判斷的對與錯來完善其結論——它運行的時間越長,變得越準確。

  企業需要什么樣的人工智能?

  自主分析程序消除了數據和分析之間的矛盾。在采用傳統的解決方案的情況下,數據無法到達應有的位置,在處理之前需要對其進行處理對于工作人員或有限的工具來說,它已經變得太龐大,無法處理,而且它的度量標準也出人意料地發生了變化。簡而言之,數據太大,變化太快,傳統工具無法處理。

  商業智能領域的解決方案正在將人工智能功能添加到其現有產品中,但并非每個解決方案都是一樣的。現有企業正在零散添加解決方案,而這還沒有完整的人工智能項目。其他供應商提供異常檢測功能,但僅針對基礎設施數據提供功能,這無法提供企業所需的完整信息。

 

  只有完全自主的異常檢測和預測解決方案才能為企業提供處理大量數據所需的規模和速度。無論是經驗豐富的數據分析師還是經驗不足的業務用戶,這些工具都將幫助企業在不斷變化的競爭環境中獲得所需的切實可行的見解。





收藏 推薦 打印 | 錄入:admin | 閱讀:
本文評論   查看全部評論 (0)
表情: 表情 姓名: 字數
點評:
       
評論聲明
  • 尊重網上道德,遵守中華人民共和國的各項有關法律法規
  • 承擔一切因您的行為而直接或間接導致的民事或刑事法律責任
  • 本站管理人員有權保留或刪除其管轄留言中的任意內容
  • 本站有權在網站內轉載或引用您的評論
  • 參與本評論即表明您已經閱讀并接受上述條款
捕鱼达人之深海狩猎玩