找到這些跡象，可能是單個(gè)數(shù)據(jù)點(diǎn)或數(shù)據(jù)的細(xì)微模式，是機(jī)器學(xué)習(xí)的一個(gè)完美用例。但是建立模型并不是一件簡(jiǎn)單的工作。

　　我被有關(guān)預(yù)測(cè)的問(wèn)題狂轟轟炸，Symphony的數(shù)據(jù)科學(xué)和分析主管內(nèi)森帕特里克泰勒（Nathan Patrick Taylor）說(shuō)。即使我把每一個(gè)醒著的時(shí)間都花在構(gòu)建機(jī)器學(xué)習(xí)模型上，我也不可能做到這些。

　　于是公司又雇傭了兩位數(shù)據(jù)科學(xué)家。而且他們不便宜，泰勒（Taylor）說(shuō)。但我們沒(méi)有得到我們需要的回報(bào)。這是非常困難和昂貴的。

　　因此，兩年前，Symphony開(kāi)始關(guān)注商業(yè)替代品，那些已經(jīng)擁有機(jī)器學(xué)習(xí)模型的供應(yīng)商已經(jīng)準(zhǔn)備好了。現(xiàn)在，該公司將已經(jīng)收集到的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中，通過(guò)來(lái)自其供應(yīng)商DataRobot的基于云計(jì)算的AI引擎發(fā)送數(shù)據(jù)，結(jié)果每四個(gè)小時(shí)就會(huì)傳回公司的Microsoft Power BI儀表盤(pán)。泰勒（Taylor）說(shuō)：我馬上就收到了，我的CIO也收到了，我們都被炸飛了。它看起來(lái)像魔法。

　　今天，240名醫(yī)生和護(hù)士在他們的PowerBI儀表盤(pán)上獲得了預(yù)測(cè)和推薦，他們可以通過(guò)平板電腦和智能手機(jī)訪問(wèn)。因此，例如，高危患者會(huì)被自動(dòng)標(biāo)記為樓梯圖標(biāo)。高危患者再入院時(shí)被標(biāo)記為救護(hù)車圖標(biāo)。

　　將AI注入BI

　　泰勒（Taylor）說(shuō)，重新入院率對(duì)Symphony來(lái)說(shuō)是一件大事。醫(yī)院和保險(xiǎn)公司考慮的是重新調(diào)整的費(fèi)率，每一次重新調(diào)整的費(fèi)用會(huì)使公司損失13500美元。那不是一筆微不足道的錢，他說(shuō)。

　　為了弄清楚DataRobot的預(yù)測(cè)是否有用，Symphony最初僅推出Data Robot的某些功能，并進(jìn)行了為期6個(gè)月的研究，以查看是否有不同的結(jié)果。他說(shuō)：如果能改變1%，那你就做得很好了。

　　泰勒（Taylor）說(shuō)，確實(shí)有所改善，重新入院率從21%上升到18.8%。這是一個(gè)重大的進(jìn)步，他說(shuō)。這贏得了我們的CEO。

　　如今，該公司開(kāi)始采用同樣的方法來(lái)看待與保險(xiǎn)公司簽訂的合同。他說(shuō)：如果我們不能正確地為服務(wù)付費(fèi)，我們就會(huì)為此付出更高昂的代價(jià)。

　　最初的安裝花費(fèi)了大約20個(gè)小時(shí)，涉及到連接數(shù)據(jù)和建立學(xué)習(xí)模型。現(xiàn)在，如果有人想要新的預(yù)測(cè)，一個(gè)全新的學(xué)習(xí)模式需要6到8個(gè)小時(shí)的時(shí)間來(lái)建立，他說(shuō)，在三個(gè)工作日內(nèi)傳播。

　　此外，他說(shuō)，現(xiàn)有的模型可以在任何時(shí)候進(jìn)行再培訓(xùn)。例如，法規(guī)可能改變，或者醫(yī)務(wù)人員可以開(kāi)始使用新的程序。此外，模型可能隨著時(shí)間推移而漂移。泰勒（Taylor）每三個(gè)月重新培訓(xùn)一次模型，或者每當(dāng)有重大的政策轉(zhuǎn)變的時(shí)候。如果有很大的變化，學(xué)習(xí)模式可能只需要在新政策生效后的數(shù)據(jù)上進(jìn)行培訓(xùn)。

　　他說(shuō)，管理這個(gè)系統(tǒng)不再需要一個(gè)受過(guò)高度訓(xùn)練的數(shù)據(jù)科學(xué)家，但它確實(shí)需要具備統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)的人。在Symphony，公司還使用R代碼建立模型。

　　Data Robot也支持Python的退出。Data Robot的產(chǎn)品營(yíng)銷總監(jiān)Colin Priest說(shuō)，使用其他語(yǔ)言的客戶也可以使用任何RestAPI感知的語(yǔ)言來(lái)調(diào)用DataRobotRestAPI，包括Java、C#、SAS、JavaScript和Visual Basic。

　　人工智能（AI）的下一步是自助服務(wù)

　　人工智能已經(jīng)實(shí)現(xiàn)了民主化，弗雷斯特研究公司（Forrester Research）副總裁兼首席分析師鮑里斯o埃文斯（Boris Evelson）表示。直到最近，它還需要一個(gè)數(shù)據(jù)科學(xué)家來(lái)編寫(xiě)代碼。今天，有了這些商業(yè)智能系統(tǒng)，我可以點(diǎn)擊幾個(gè)數(shù)據(jù)點(diǎn)，選擇我想預(yù)測(cè)的變量--就像客戶購(gòu)買的傾向--這些預(yù)測(cè)模型將會(huì)自動(dòng)生成。

　　他說(shuō)，過(guò)去需要一個(gè)數(shù)據(jù)科學(xué)專業(yè)的專業(yè)人士用幾個(gè)月來(lái)組裝的東西，現(xiàn)在可以由一個(gè)能夠理解數(shù)據(jù)和使用Excel工作的人在幾天內(nèi)搭建起來(lái)。

　　他說(shuō)：市場(chǎng)營(yíng)銷人員利用這一點(diǎn)來(lái)預(yù)測(cè)和處理客戶的行為，業(yè)務(wù)經(jīng)理們用它來(lái)觀察和預(yù)測(cè)風(fēng)險(xiǎn)，供應(yīng)鏈人員利用它來(lái)觀察和優(yōu)化物流。

　　根據(jù)Forrester最近對(duì)全球決策者的調(diào)查，改進(jìn)數(shù)據(jù)、分析或洞察平臺(tái)是人工智能技術(shù)的三大用例。所有主要的BI供應(yīng)商，包括IBM、Oracle和Microsoft，都在這方面努力工作。

　　如果8個(gè)小時(shí)聽(tīng)起來(lái)太長(zhǎng)，無(wú)法建立一個(gè)新的機(jī)器學(xué)習(xí)模型，那么就會(huì)有更容易的選擇。很快，用戶將能夠得到最常見(jiàn)類型的自動(dòng)預(yù)測(cè)，得到建議，內(nèi)置的圖像識(shí)別和自然語(yǔ)言處理。Gartner預(yù)測(cè)，自然語(yǔ)言生成（NLG）和人工智能（AI）在未來(lái)兩年將是90%的現(xiàn)代商業(yè)智能平臺(tái)的一個(gè)標(biāo)準(zhǔn)特性。

　　為文本和視覺(jué)分析配備BI

　　SpringBoard。ai的首席執(zhí)行官Bruce Molloy說(shuō)，自然語(yǔ)言處理（NLP）會(huì)讓用戶在需要信息的時(shí)候，通過(guò)問(wèn)一些簡(jiǎn)單的英語(yǔ)問(wèn)題得到答案。我認(rèn)為這是自然進(jìn)化的。

　　他說(shuō)，領(lǐng)域越窄，平臺(tái)的相關(guān)數(shù)據(jù)越多，供應(yīng)商就越容易添加人工智能。會(huì)計(jì)平臺(tái)，或者Salesforce這樣的客戶關(guān)系管理系統(tǒng)，已經(jīng)擁有了他們需要的數(shù)據(jù)，并且有一些用戶最可能會(huì)問(wèn)的問(wèn)題。他說(shuō)：有了Salesforce，看看他們做什么會(huì)很有意思。它已經(jīng)受到限制，而且工作已經(jīng)部分完成了。他們已經(jīng)確定這些觀點(diǎn)是重要的，而且他們可以將AI的能力放在首位。

　　對(duì)人工智能的推動(dòng)是由更強(qiáng)大的處理能力、更智能的算法、云計(jì)算和標(biāo)準(zhǔn)接口驅(qū)動(dòng)的。例如，DataRobot利用了云計(jì)算和標(biāo)準(zhǔn)RestAPIs，允許它支持Trifacta、Alteryx和Domino數(shù)據(jù)實(shí)驗(yàn)室業(yè)務(wù)智能系統(tǒng)，除了PowerBI、Tableau、Qlik、Excel、R和其他許多儀表板工具。

　　人工智能的商業(yè)智能儀表板也可以處理比以前更廣泛的各種數(shù)據(jù)。例如，Symphony不僅僅是看病人記錄中的硬數(shù)字，也看醫(yī)生和護(hù)士記錄的東西。

　　咨詢公司Publicis.Sapient的全球數(shù)據(jù)和人工智能主管喬什.薩頓（Josh Sutton）表示，在非結(jié)構(gòu)化格式中存儲(chǔ)了大量信息，這些信息可能會(huì)導(dǎo)致有用的見(jiàn)解或預(yù)測(cè)。不僅僅是文本。

　　非結(jié)構(gòu)化數(shù)據(jù)的最大來(lái)源之一是視覺(jué)圖像，這是商業(yè)智能的一個(gè)來(lái)源，薩頓（Sutton）說(shuō)。例如，營(yíng)銷部門可以通過(guò)分析用戶在社交媒體上分享的照片，來(lái)分析他們的客戶是如何與產(chǎn)品互動(dòng)的。

　　超越描述性分析

　　但國(guó)際數(shù)據(jù)（International Data）的認(rèn)知和人工智能系統(tǒng)研究主管David Schubmehl說(shuō)，預(yù)測(cè)和洞察力只是人工智能增加商業(yè)智能儀表板的第一步。AI驅(qū)動(dòng)的儀表板還可以提供建議或建議用戶下一步應(yīng)該做的具體操作，甚至可以為用戶提供這些操作。

　　他說(shuō)：如果銷售數(shù)量下降，它可能會(huì)說(shuō)這對(duì)未來(lái)意味著什么，以及你現(xiàn)在應(yīng)該怎么做。

　　這使得BI更有價(jià)值。

　　他說(shuō)：我認(rèn)為這就是為什么這么多人都在采用這類工具。例如，Salesforce剛剛發(fā)布了一項(xiàng)重大聲明，即它的愛(ài)因斯坦預(yù)測(cè)最近已經(jīng)超過(guò)了10億次預(yù)測(cè)，這是一種以規(guī)范的方式幫助人們關(guān)閉新業(yè)務(wù)，識(shí)別新線索，創(chuàng)造面向行動(dòng)的能力。我認(rèn)為這是一個(gè)指標(biāo)，人們想要的不僅僅是描述性的商業(yè)分析。

　　他說(shuō)，我們還處在早期階段。在未來(lái)兩三年內(nèi)，我們可能會(huì)完全成熟。人們才剛剛開(kāi)始了解人工智能和機(jī)器學(xué)習(xí)的可能性。

　　埃森哲（Accenture）負(fù)責(zé)人工智能的高級(jí)主管、全球主管魯曼·喬杜里（Rumman Chowdhury）表示，尤其如此，人工智能仍然沒(méi)有常識(shí)。

　　她說(shuō)：我們生活在一個(gè)狹窄的人工智能世界里。即使一個(gè)特定的平臺(tái)有內(nèi)置的人工智能模型，用戶仍然需要了解正在使用的數(shù)據(jù)，以及它與當(dāng)前問(wèn)題的相關(guān)性。

　　她說(shuō)：你必須確保你認(rèn)為自己得到的產(chǎn)出是合適的。我不知道我們是否會(huì)在某些方面完全取代人類的判斷。我不知道我們是否能夠完全自動(dòng)化真正的決策--或者即使我們應(yīng)該這樣做。

　　聲明:版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載

　　作者：瑪麗亞·科爾洛夫（Maria Korolov）