Infor 大中華區(qū)解決方案咨詢總監(jiān) 鹿崇

根據(jù)Gartner 的分析，商業(yè)智能（BI）生產(chǎn)線已經(jīng)斷裂。在普通的組織中，BI 的利用率僅為30%。上述利用率指的是使用BI 系統(tǒng)的所有用戶，包括：系統(tǒng)管理員、生成報告的分析師、以及利用報告來改善決策的商業(yè)用戶。BI 系統(tǒng)低利用率意味著普通雇員被排除在系統(tǒng)之外，無法利用數(shù)據(jù)來作出更好的決策。不可否認的一點是，如果無法充分利用數(shù)據(jù)資產(chǎn)制定決策，經(jīng)營績效與企業(yè)創(chuàng)新也將蒙受不良影響。

那么，BI 作業(yè)線對低利用率又將產(chǎn)生什么積極影響呢？如今，BI 作業(yè)線仍然高度依賴于擁有不同技能的各個工種間的相互協(xié)作，生成報告或分析儀表盤，協(xié)助商業(yè)用戶作出更好的決策。但是，這一過程漫長且昂貴。此外，由于生產(chǎn)線工人無法完全理解業(yè)務等因素，BI 作業(yè)線最后提交給商業(yè)用戶的報告可能會不完整，或晦澀難懂。例如，商業(yè)用戶常常會提出許多報告內容范圍之外的問題。當出現(xiàn)上述情況時，商業(yè)用戶往往會產(chǎn)生挫敗感、并提出更多的數(shù)據(jù)及分析需求。因此，BI 作業(yè)線則需再次啟動運作。

圖1 當今的BI 系統(tǒng)：業(yè)務問題的提出涉及到諸多崗位與任務

由于商業(yè)用戶滿意度不足，這一生產(chǎn)線限制了BI 的利用率。除此之外，因為數(shù)據(jù)量與數(shù)據(jù)復雜程度急速增長、且所有組織都需要前所未有的、快速的可執(zhí)行洞察來保持競爭力，現(xiàn)有的生產(chǎn)線并不具有可拓展性。隨著AI 使用機器學習自動化技術的主流的到來，不同的軟件性能，特別是BI的性能都將得以提升。在現(xiàn)有系統(tǒng)已經(jīng)了解所需獲取數(shù)據(jù)內容的前提下，AI 將賦予系統(tǒng)處理分析數(shù)據(jù)、為商業(yè)用戶直接提供最佳的可執(zhí)行洞察的能力。從此之后，商業(yè)用戶將無需對數(shù)據(jù)進行切塊，或提出更多的數(shù)據(jù)需求來解答業(yè)務問題。換而言之，AI 能夠快速為商業(yè)用戶提供他們所需的答案以實現(xiàn)BI 生產(chǎn)線的現(xiàn)代化、擴大BI 與數(shù)據(jù)分析的范圍并提升兩者的價值。

圖2 AI 賦能BI 系統(tǒng)產(chǎn)生答案

麥肯錫表示：通過使用AI 技術提升產(chǎn)品組合，技術公司可能會實現(xiàn)高達10%的收入增長。那AI 又是怎么運用到BI 技術解決方案當中呢？由于AI 具有預測下一步能夠采取的最佳措施或行動的能力，AI 不僅能夠促進BI 生產(chǎn)線實現(xiàn)自動化，而且還能夠消除過程中的人類偏見，以提供最佳的可執(zhí)行洞察方案。對于BI 供應商來說，被AI 賦能的BI 將止步于“訪問與報告”階段的客戶推動到“數(shù)據(jù)分析”階段。

AI 與BI 系統(tǒng)兩者均通過機器學習實現(xiàn)預測。這一共同點也意味著BI 行業(yè)能在成功使用并應用AI 技術的潮流中搶占先機。如今，BI 供應商已經(jīng)在產(chǎn)品中采用AI 技術來實現(xiàn)數(shù)據(jù)準備、數(shù)據(jù)發(fā)現(xiàn)與數(shù)據(jù)科學。因此，在BI 生產(chǎn)線對IT、數(shù)據(jù)工程師、BI 管理員、分析師以及數(shù)據(jù)科學家依賴程度減少的情況下，客戶能感受到洞察質量的提高與時間的縮短。

圖3 Davenport 與Harris 分析競爭中的“商業(yè)智能與分析”

閱讀文章《AI 提高BI 性能的6 大領域》，了解Forrester 的立場。

面臨著AI 技術的創(chuàng)新以及未來更多新技術的涌現(xiàn)，這一文章回避了以下問題：有了能夠為業(yè)務問題提供最佳答案的AI 后，BI 行業(yè)能夠徹底改變，并實現(xiàn)BI 生產(chǎn)線的現(xiàn)代化嗎？

為了更好理解AI 的影響，我們不妨回顧一下BI 工具的演進史，了解它們是如何解決數(shù)據(jù)與分析挑戰(zhàn)、這些工具的不同、以及AI 解決BI 固有問題的潛力：可執(zhí)行洞察的時機。

圖4 AI 賦能BI：企業(yè)用戶向系統(tǒng)提出問題

BI 問題的癥結并未改變

1865 年，理查德·米勒·德文斯（Richard Millar Devens）提出了“商業(yè)智能”（BI）一詞。他用這個詞來描述銀行家通過收集信息并根據(jù)這些信息，先于競爭對手采取行動，從而實現(xiàn)獲利的行為。在當代社會中，BI 是使用相關技術收集并分析數(shù)據(jù)、將其轉化成有用信息，并在實際競爭發(fā)生前采取行動的行為。

在1970 年，也就是BI 概念誕生不到100 年后，埃德加·科德（Edgar Codd）意識到BI 存在的一大問題：只有那些具備專業(yè)技能的人，才能將數(shù)據(jù)轉化成可用的信息。當時，多源數(shù)據(jù)通常以“數(shù)據(jù)孤島“的方式儲存，研究報告呈碎片化，彼此脫節(jié)，且可以作出多種不同的解讀。隨后，埃德加發(fā)表文章，提出建立“關聯(lián)式數(shù)據(jù)庫模型”以解決上述問題。

然而到了2018 年，同樣的問題仍然存在。BI 工具的報告模式仍然要求資深分析師必須完全理解業(yè)務，才能集合正確的報告與儀表盤，為企業(yè)的決策制定者提供有價值的信息。但是，企業(yè)的決策制定者往往需要準備的報告內容外的更多信息，否則，他們在作出決策之前，可能要花費過多的時間分析解讀信息。以下是按照時間序列呈現(xiàn)的BI 領域的創(chuàng)新。這些創(chuàng)新措施旨在使數(shù)據(jù)和分析結果變得更為可用、更具效率與價值。

圖5 隨著時間的推移，BI 與分析試圖增加可操作洞察力的范圍

AI 能夠突破諸多BI 限制，打破過往魔咒，變革BI 產(chǎn)業(yè)嗎？

誠然，通過智能自動化技術為企業(yè)用戶提供精準、可實施洞察，AI 具有大幅減少甚至消除手工作業(yè)的優(yōu)勢。但是，我們目前還處于完全自動化的初期。此外，出于好奇的天性，人類目前仍想知道AI 目前還不一定會提供的預測背后的原因。

此外，由于機器出現(xiàn)故障的可能性仍然存在，因此AI不能完全取代所有的手工作業(yè)。人類還需在這一過程中扮演一定的作用。例如，癌癥診斷結果的偏差會導致重大的情感抑郁、引起不必要的測試甚至導致死亡。在臨床領域，AI對于協(xié)助醫(yī)務人員作出決策或為內科醫(yī)生提供診斷指導具有重大意義，但是AI 并不能提供診斷的最終答案。

圖6 用于建造與部署預測模型的亞馬遜機器學習技術

AI 并非是人與機器間的你爭我奪。相反，AI 是人與機器共同協(xié)作，探索BI 以及數(shù)據(jù)分析的更多可能性。當BI 中運用了最先進的AI 技術時，供應商將能為用戶提供更加智能的指導，并為他們提供更快速更科學的可執(zhí)行洞察。

Infor 曾在去年推出提供企業(yè)級行業(yè)專用人工智能（AI）平臺——Coleman，作為為應用程序提供支持的普適性平臺，Coleman 對數(shù)據(jù)進行挖掘，并利用強大的機器學習技術優(yōu)化庫存管理、運輸路線和預測性維護等流程；Coleman 還提供AI 驅動的建議，幫助用戶更迅速地做出更明智的業(yè)務決策。

不僅如此，Coleman 還可作為智能AI 合作伙伴，進一步完善用戶的工作。Coleman 使用自然語言處理和圖像識別技術來聊天、聽、說，并能夠識別圖像，幫助人們更有效地使用技術。Coleman 在Infor CloudSuite 中處理海量數(shù)據(jù)，自動搜索和收集函數(shù)，能夠承擔一個用戶每周20%的工作量，顯著提高了工作效率。