电子帐册:

增强数据分析超过了传统的BI流程

评估 权衡你正在考虑的技术、产品和项目的利弊。
本文是我们的基本指南的一部分:增强分析工具:业务用途、好处和障碍

增强BI工具随着较低人工劳动力的速度见解

通过人工智能、机器学习和自然语言处理,增强分析减少了传统BI工作的人工劳动,从而更快速、准确地定位和分析相关数据。

增强分析将机器学习、自然语言处理和其他人工智能功能嵌入到商业智能软件中,以帮助公民数据科学家和商业用户更快、更准确地定位相关数据,提取信息模式,为数据建模以进行分析,并解释BI见解。

AI和机器学习技术超越传统BI工具的进步允许企业发现非竞争洞察房地产网站Trulia LLC的数据科学和分析总监Sewook Wee表示,这种方法也有其局限性,特别是在预测客户的终身价值和他们的偏好方面。寻找人才的高质量分析模型所需的时间和资源增强BI分析工具跑步。“在那里,”有关技术进步和对数据的访问速度“。“增强分析的限制是一个优先级和资源分配问题。”

因此,公司应该熟悉这些方式增强分析工具可以补充BI在开始举行重大倡议之前。“避免尝试从第一天建立完美解决方案的诱惑是很重要的,”Wee警告说。从一个简单的模型开始,可以证明业务价值,学习和迭代。这些早期模型成为未来模型的关键投入。

Sewook Wee是Trulia的数据科学和分析总监缝合呜咽

Wee表示,当Trulia建立其第一个价格区间预测模型时,它只为每个用户分配了一个价格区间,这对许多客户都有效。但该公司很快发现,许多用户对不同的地理位置有不同的目标价格区间。例如,有意在旧金山湾区(San Francisco Bay Area)购买住宅的潜在买家可能会根据面积、设施、通勤距离和社区的不同,设定不同的价格目标。

识别并优先考虑洞察力

重要的是要避免试图从第一天就建立完美解决方案的诱惑。
缝合呜咽Trulia数据科学与分析总监

这可能看起来很简单,但重要的是要知道BI系统将使用增强分析工具分析或发现什么,因为自然语言处理服务需要关于洞察的指导,它正在分析和推导。

实时网络即服务提供商PubNub Inc.的创始人兼首席技术官斯蒂芬·布卢姆说:“你不能在没有指导的情况下,就指望NLP知道你在寻找什么。”“扩增分析的聪明程度取决于你的执行。”

确定需要更深入的见解的领域,然后测试和验证发现,而不是期望增强分析来取代传统的BI工具,这是一个很好的实践。那是了解。的好方法增强BI分析工具,编写正确的算法,设计更好的模型。这可能需要一些时间来开发设计和实现增强分析模型和算法的专业知识。

史蒂芬·布鲁姆,PubNub创始人兼首席技术官斯蒂芬•布卢姆

Blum建议道:“尽管NLP系统在处理和分析方面发挥了重要作用,但你的模型在增强分析的相关性方面发挥着重要作用。因此,公司将需要一个一定程度的专业知识在自然语言处理,机器学习服务和数据科学。从长远来看,Blum希望具有增强分析功能的BI供应商能够加快学习过程。

虽然人工智能和机器学习是强大的工具,但它们仍然需要专注于特定的问题来产生结果。BI和数据管理工具提供商Information Builders的产品营销副总裁Jake Freivald建议:“从人们很难的事情开始。”例如,模式的检测通常很难可视化,因为数据中有很多“噪音”,但自然语言生成可以将最相关的信息转换为易于理解的文本。

增强的分析只与您的实现一样聪明。
斯蒂芬•布卢姆PubNub创始人兼首席技术官

业务用户可能很难做到这一点理解的局限性所以Freivald说最好是让数据科学家决定要使用的模型,并通过仪表盘和可视化而不是更复杂的建模工具授予业务用户访问模型的权限。

另一种选择是外包专业知识。咨询服务可以帮助补充内部专业知识,特别是在增强分析项目的早期阶段。“这些第三方供应商不仅拥有高水平的数据科学专业知识,而且还能够在客户中跨越客户来利用数据和洞察力的组合,”搜索发现平台的首席执行官和联合创始人Eli Finkelshteyn说-Maker构造函数.IO。

寻找结合技术创新、专业知识和参考客户的合作伙伴。Finkelshteyn补充道,同样重要的是,让利益相关者经常使用新平台,并提供反馈,即使该平台没有提供出色的见解。

简化获得洞察力的途径

Mark Palmer, Tibco Software高级副总裁兼分析总经理马克。帕尔默

人工智能应用于用于查询数据的NLPSAP在SAP的产品营销高级总监Thierry Audas表示,以对话方式生成洞察力帮助企业用户加快数据集查询。相比之下,传统的BI工作流程需要更熟悉数据的建模方式以及更多时间来构建正确的查询和解释结果。

根据奥卡斯的说法,增强分析最为成功地帮助没有数据科学技能的业务用户制定双策略。例如,销售管理人员可以在不等待数据科学团队生成报告的情况下提出有针对性的问题。随着单击按钮,他们可以触发自动化机器学习算法,以进行聚类,分类和回归,以发现影响销售成功或失败的关键因素。

[B] business analysts need to better understand the statistical theory behind observation or models.商业分析师需要更好地理解观察或模型背后的统计理论。
马克。帕尔默Tibco Software高级副总裁兼分析总经理

得到增强分析工具的充分好处在美国,创建并保持数据科学家和业务分析师之间更紧密、更协作的工作关系非常重要。Tibco Software Inc.高级副总裁兼分析总经理Mark Palmer指出:“自动机器学习和增强分析是很棒的技术功能。“但业务分析师需要更好地理解观察或模型背后的统计理论,同样,数据科学团队也必须更好地理解业务环境和需求。”

一个包括一名数据科学家在内的业务分析师团队可以更好地集成和细化可视化中的模型,以解决业务问题。这些团队还可以找到新的方法,将文本分析与数据科学结合起来,创建可读的指南,帮助企业用户轻松理解指标、统计数据和其他发现。增强的BI分析工具使将BI注入数据科学或自动生成机器学习推荐成为可能。“然而,”Palmer指出,“技术无法跨越理解鸿沟,将这些统计和技术观察结果映射到业务问题上。”

下一个步骤

阅读更多关于增强学习

深入挖掘自助服务和协作商业智能

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索树液
搜索SQL.服务器
关闭