Maria Korolov

數(shù)據(jù)科學(xué)正日益大眾化：過去需要數(shù)據(jù)科學(xué)家花幾個月時間準(zhǔn)備的工作，數(shù)據(jù)敏銳的業(yè)務(wù)用戶可能在幾天內(nèi)就能整理出來。

那些希望在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)方面有所收獲的企業(yè)轉(zhuǎn)而求助于看起來“不大可能的老朋友”——商業(yè)智能（BI）系統(tǒng)，主要是用于分析過去的性能，目前正在通過人工智能進(jìn)行改造，以便將預(yù)測功能引入到其報(bào)告功能中。

Symphony Post Acute Network就是這樣的一個組織。這家醫(yī)療保健公司在伊利諾斯州、印第安納州和威斯康星州的28家醫(yī)療保健機(jī)構(gòu)中擁有5000張病床，希望利用人工智能和機(jī)器學(xué)習(xí)更好地護(hù)理每年從膝蓋手術(shù)或者接受透析等治療過程中康復(fù)的8萬多名患者。例如，深埋在患者體內(nèi)的醫(yī)療內(nèi)核可以用來指示患者是否有跌倒的風(fēng)險，從而需要額外的預(yù)防措施。

找到某個數(shù)據(jù)點(diǎn)或者數(shù)據(jù)細(xì)微模式的這些指標(biāo)，是機(jī)器學(xué)習(xí)理想的應(yīng)用情形。但是構(gòu)建模型并不是一件簡單的工作。

Symphony的數(shù)據(jù)科學(xué)和分析主管Nathan Patrick Taylor說：“我被預(yù)測方面的問題狂轟濫炸。即使我醒著的所有時間都花在構(gòu)建機(jī)器學(xué)習(xí)模型上，我也沒有辦法解決所有問題。”

為此，該公司又聘請了兩位數(shù)據(jù)科學(xué)家。Taylor說：“聘請他們并不便宜。但是，我們卻并未得到想要的回報(bào)。這非常得困難，而且很昂貴?！?/p>

所以兩年前，Symphony開始尋找業(yè)務(wù)替代解決方案——求助于那些已經(jīng)建好了機(jī)器學(xué)習(xí)模型并能馬上使用的供應(yīng)商?，F(xiàn)在，該公司取出數(shù)據(jù)倉庫中收集的數(shù)據(jù)，通過其供應(yīng)商DataRobot基于云計(jì)算的人工智能引擎發(fā)送數(shù)據(jù)，結(jié)果每四個小時就會把結(jié)果傳回公司的Microsoft PowerBI儀表盤中。Taylor說：“我和我的首席信息官立刻都能得到這些數(shù)據(jù)，我們都非常驚喜。看起來很神奇。”

目前，240名醫(yī)生和護(hù)士在他們的PowerBI儀表盤上獲得了預(yù)測和建議，而他們可以通過平板電腦和智能手機(jī)訪問儀表盤。例如，很有可能摔倒的患者會被自動標(biāo)記上樓梯圖標(biāo)。用救護(hù)車圖標(biāo)來標(biāo)記有可能再次入院的高?；颊?。

把人工智能注入到商業(yè)智能中

Taylor說，再次入院率對于Symphony來說是個大問題。醫(yī)院和保險公司關(guān)注再次入院率，每次重新入院的費(fèi)用都高達(dá)13500美元。他說，“這可不是一筆小數(shù)目?！?/p>

為了弄清楚DataRobot的預(yù)測是否有用，Symphony開始在其他一些設(shè)備上應(yīng)用了DataRobot，并進(jìn)行了為期6個月的研究，以查看再次入院率有什么不同。他說：“即使是只變化了1%，那也是相當(dāng)不錯的?！?/p>

Taylor說：這一比率的確下降了——從21%降到了大約18.8%?！斑@是很大的進(jìn)步。這說服了我們的首席執(zhí)行官?！?/p>

今天，該公司開始采用同樣的方法來處理與保險公司的合同。他說：“如果我們不能很好地為服務(wù)計(jì)費(fèi)，那就是隨意扔錢?！?/p>

第一次安裝花了大約20個小時，涉及到連接數(shù)據(jù)輸入和建立學(xué)習(xí)模型。他說，現(xiàn)在，如果有人想要新類型的預(yù)測，會在大約6到8個小時內(nèi)設(shè)置好一種全新的學(xué)習(xí)模型，在三個工作日內(nèi)部署完畢。

此外，公司隨時都能夠?qū)ΜF(xiàn)有的模型進(jìn)行重新訓(xùn)練。例如，法規(guī)可能會改變，或者醫(yī)務(wù)人員可能開始使用新的程序。還有模型會隨時間而改變。Taylor每三個月或者每當(dāng)有重大政策轉(zhuǎn)變時，會重新訓(xùn)練一次模型。如果發(fā)生重大變化，只需要在新政策生效后針對輸入數(shù)據(jù)來訓(xùn)練學(xué)習(xí)模型。

他說，管理系統(tǒng)不再需要訓(xùn)練有素的數(shù)據(jù)科學(xué)家，但確實(shí)需要有統(tǒng)計(jì)學(xué)基礎(chǔ)知識的員工。在Symphony，公司還使用R程序來建立模型。

DataRobot還支持開箱即用式的Python。據(jù)DataRobot的產(chǎn)品營銷總監(jiān)Colin Priest，使用其他語言的用戶也可以使用任何Rest API感知語言來調(diào)用DataRobot Rest API，這包括Java、C#、SAS、JavaScript以及Visual Basic。

人工智能的下一步是自助服務(wù)

Forrester Research副總裁兼首席分析師Boris Evelson認(rèn)為：“人工智能已經(jīng)大眾化了。直到最近，它還需要數(shù)據(jù)科學(xué)家來編寫代碼。今天，通過這些業(yè)務(wù)智能系統(tǒng)，我可以找到并點(diǎn)擊幾個數(shù)據(jù)點(diǎn)，選擇我想要預(yù)測的變量——比如客戶的購買傾向，就會自動生成這些預(yù)測模型?！?/p>

他說，過去需要一名數(shù)據(jù)科學(xué)專家花幾個月來整合完成的工作，現(xiàn)在一名理解數(shù)據(jù)并使用Excel的員工在幾天內(nèi)就能完成。

他說：“營銷人員利用這些來預(yù)測和處理客戶行為，企業(yè)經(jīng)理用來觀察和預(yù)測風(fēng)險，供應(yīng)鏈上的人們則用來查看和優(yōu)化物流?！?/p>

據(jù)最近Forrester對全球決策者的調(diào)查，增強(qiáng)數(shù)據(jù)、分析和洞察平臺是人工智能技術(shù)的三大應(yīng)用情形之一。包括IBM、Oracle和微軟在內(nèi)的所有業(yè)務(wù)智能大供應(yīng)商，都在這一領(lǐng)域加大了投入。

如果感覺花8個小時建立一個機(jī)器學(xué)習(xí)新模型的時間有點(diǎn)太長，那么還有更容易的選擇。很快，用戶將自動獲得最常見的預(yù)測類型，得到建議，擁有內(nèi)置的圖像識別和自然語言處理功能——正如Gartner預(yù)測的那樣，未來兩年內(nèi)，自然語言生成和人工智能將成為90%現(xiàn)代業(yè)務(wù)智能平臺的標(biāo)配。

為文本分析和視覺分析裝上商業(yè)智能

SpringBoard.ai的首席執(zhí)行官Bruce Molloy指出，利用自然語言處理功能，用戶可以在需要信息的時候提出一些簡單的英語問題?！拔艺J(rèn)為這是很自然的演進(jìn)?！?/p>

他說，領(lǐng)域越窄，平臺獲得的相關(guān)數(shù)據(jù)就越多，供應(yīng)商就更容易添加人工智能功能。會計(jì)平臺，或者像Salesforce這樣的客戶關(guān)系管理系統(tǒng)，已經(jīng)有了他們所需要的數(shù)據(jù)，并且存儲了一些用戶最有可能問的問題。他說，“采用了Salesforce之后，看看他們做什么會很有意思。已經(jīng)對其作出了一些限制，部分工作已經(jīng)完成了。他們已經(jīng)確定這些觀點(diǎn)非常重要，而且他們把人工智能能力放在首位?！?/p>

人工智能之所以有強(qiáng)勁的發(fā)展，是由越來越強(qiáng)的處理能力、更智能的算法、云計(jì)算和標(biāo)準(zhǔn)接口推動的。例如，DataRobot同時發(fā)揮了云計(jì)算和標(biāo)準(zhǔn)REST的API的優(yōu)勢，除了PowerBI、Tableau、Qlik、Excel、R Shiny之外，還支持Trifacta、Alteryx和Domino Data Labs業(yè)務(wù)智能系統(tǒng)，以及很多其他的儀表盤工具。

人工智能驅(qū)動的業(yè)務(wù)智能儀表盤工具處理的各種數(shù)據(jù)比以前更為廣泛。例如，Symphony不只是查看患者病歷中的硬指標(biāo)，還會查看醫(yī)生和護(hù)士記錄的患者病情進(jìn)展情況。

咨詢公司Publicis.Sapient的數(shù)據(jù)和人工智能全球主管Josh Sutton說，以非結(jié)構(gòu)化格式保存了很多信息，這些信息會帶來有用的深度分析結(jié)果和預(yù)測。但不僅僅是文本。

Sutton說：“非結(jié)構(gòu)化數(shù)據(jù)是商業(yè)智能的基礎(chǔ)，而非結(jié)構(gòu)化數(shù)據(jù)的最大來源之一是視覺圖像?！崩?，營銷部門參考客戶在社交媒體上分享的照片，分析他們怎樣與產(chǎn)品進(jìn)行互動，從而獲益。

超越描述性分析

國際數(shù)據(jù)公司的認(rèn)知和人工智能系統(tǒng)研究主管David Schubmehl認(rèn)為，預(yù)測和深度分析只是人工智能添加到業(yè)務(wù)智能儀表盤的第一步。人工智能驅(qū)動的儀表盤可以提供用戶下一步具體行動的意見或者建議，甚至能夠?yàn)橛脩敉瓿蛇@些行動。

他說：“如果小部件銷售數(shù)量下降了，它可能會指出這對今后意味著什么，以及您現(xiàn)在應(yīng)該怎么做?！?/p>

這讓業(yè)務(wù)智能更有價值。

他說：“我認(rèn)為，這就是為什么這么多人都使用這類工具的原因?！崩?，Salesforce剛剛發(fā)布了一項(xiàng)重大聲明，即它的Einstein預(yù)測在預(yù)測智能方面每天能夠做出10億多次預(yù)測，這有助于人們關(guān)閉新業(yè)務(wù)，確定新的業(yè)務(wù)線索，創(chuàng)建可采取行動的功能。他說：“我認(rèn)為這是一個信號，說明人們不僅僅需要描述性的業(yè)務(wù)分析。我們還處于非常早期的階段。在未來兩三年內(nèi)，我們可能會完全成熟起來。人們才剛剛開始了解人工智能和機(jī)器學(xué)習(xí)能夠帶來什么。”

埃森哲的人工智能高級首席負(fù)責(zé)人兼全球主管Rumman Chowdhury指出，人工智能尤其還沒有常識判斷力。

她說：“我們還處在弱人工智能世界中。”即使某一個平臺內(nèi)置了一個人工智能模型并能夠馬上使用，用戶仍然必須理解正在使用的數(shù)據(jù)，以及與當(dāng)前問題的相關(guān)性。

她說：“你不得不去衡量自己得到的輸出是否合適。我不知道我們能否會在某些領(lǐng)域完全取代人類的判斷。我也不知道我們是否能夠?qū)崿F(xiàn)實(shí)際決策的完全自動化——甚至我們是不是應(yīng)該這樣做?！?/p>

Maria Korolov過去20年一直涉足新興技術(shù)和新興市場。

原文網(wǎng)址

https：//www.cio.com/article/3268965/business-intelligence/new-ai-tools-make-bi-smarter-and-more-useful.html