商业信息

数据驱动企业的技术见解
评估 衡量您正在考虑的技术,产品和项目的优缺点。

增强分析显示了隐藏的事物

增强分析的兴起使企业能够找到数据中的相关性,这可能是运营效率和成本节约的关键差异。

一个合理的人可以假设长期生病的医疗费用高于典型的青少年,而降低成本的最佳方式是首先检查患有疾病的人的关心的各个方面。但这种类型的假设 - 忽略了隐藏因素的那种 - 可以将公司带到错误的道路上。

一位美国健康保险公司遇到了这种情况,同时使用Salesforce的AI注入的分析工具,爱因斯坦发现的成本管理。保险公司的首席财务官总是根据患者的疾病跟踪成本指标 - 该人的病人,Costlier在员工,设备和其他因素方面的关心。该公司决定使用增强的分析来看看他们是否忽略了任何东西。大数据被摄取和送入算法和模型并行运行以探索驱动成本的所有可能的组合和排列,并解释了Gartner分析师Rita Sallam,他在增强分析的方式转变时领导了最近的网络研讨会

令人惊讶的是,保险公司发现12岁以下的儿童是最大的成本司机,因为其合同允许救护车公司每人在车辆中收取费用,并且儿童通常至少有一位父母陪伴他们到医院。

“他们永远不会发现他们继续以他们总是这样的方式看待他们的数据,”Sallam在网络研讨会期间说。“他们的假设是恶病人倾向于推动成本 - 而且与之有关系 - 但他们最大的成本司机是他们从未想过寻找的东西,因为这样做会对他们所拥有的关系进行手工探索必须提前了解。“

这个例子清楚地表明收集如何浩大数据量可以使其变得困难,如果不是不可能的话,可以查看所有可能的相关性。Sallam分享了另一个突出的例子,从Gartner取出双烘烤,其中分析软件供应商接受了美国阿片类药物危机上的公共数据集,并被要求找到该数据中最重要的见解。一个小的增强分析供应商被称为故事。在七月的工作日收购 - 是唯一一个自动生成顶级趋势清单的公司,包括通过特定药物处方使用的海洛因最危险的航线。

Stories.bi的增强分析软件还透露了哪些国家通过开始扭转阿片类药物危机的政府计划拯救生命。罗德岛出现在上面 - 结果似乎是奇怪的,因为国家的整体阿片类药物滥用趋势仍然向上。然后,当公司谷歌断“rie”这句话时,这是啊,它产生了一项独特的治疗计划,由罗德岛校正部于2016年被启动,其结果与海洛因死亡人数的下降相关,Sallam解释说网络研讨会

“将增强的分析与使用基于视觉的BI探索工具进行了比较,以发现洞察力是,与[传统的BI]方法有关,您必须了解关系,如果您不知道数据之间的关系,您不会探索它,“Sallam在面试中说。“这是缺点,特别是随着更多变化的数据变得更大。”

AI注入的分析工具

传统的BI涉及手动探索和准备数据,手动测试模型,在数据中查找模式并与商业领袖分享这些模式。那些分析的人有权决定重要的东西,而他们普拉维视野之外的任何东西都是未审查的。

与BI.相比,增强分析提高了整体速度和准确性,因为可以分析更多数据,可能会降低数据偏差。数据发现和准备更快,因为算法应用于数据自动搜索模式,虽然自动选择功能,模型和代码。使用自然语言进程叙述洞察,或创建可视化以显示重要的内容。

高级分析预测

方法业务分析包括AI在分析过程本身内。例如,通过增强分析,您可以提出有关销售额下降的问题,以从您通常不会考虑的区域派生地区的洞察力。

Sallam表示,在数据科学方面,SAS和较新的软件供应商等传统供应商如DataRobot等较新的软件供应商,Sallam表示,分析过程和建筑模型添加了AI。Outlier AI,Beyondcore(由Salesforce获得),经验系统(由Tableau获得),Qlik,Microsoft和其他BI供应商也投入了增强的分析能力和优惠不同级别的功能

“用户体验将在未来几年内转换相当多,”Sallam指出。“如果您正在处理分析供应商,请监控其对此能力的路线图。”

与任何分析工具一样,增强分析软件需要大量的良好,质量数据与正在分析的业务领域相关,如果您没有数据基础架构,Sallam添加,则不会获得分析。“我不会建议人们在驾驶增强分析之前在数据湖中拥有完美的数据;你可以从一个较小的数据集开始,以证明解决业务价值的价值,”她说。“我鼓励组织开始。第一英里是最难的。”

自动化毕怀疑

虽然增强的分析可以揭示令人难以置信的有价值的信息,但数据分析师必须在使用这些黑匣子系统时保持健康的怀疑。一个,如果你馈送算法偏置数据Sallam表示,这并不代表全频谱,然后您将无法获得正确的结果。“不良数据,无论是手动探索还是以自动化的方式探索,导致不良洞察力甚至危险的见解,”她警告说。

这不是一个问题如果AI辅助商业智能工具将成为规范 - 但是什么时候

Sallam鼓励公司通过后卫验证数据和算法的准确性;看看历史数据,看看这些系统如何预测现实。专家数据科学家应该能够查看模型,测试它并扩展它以获得模型的准确性的信任。

Sallam解释说:“它真的关于模型中的透明度 - 通过测试来证明价值,并能够源验证结果,”Sallam解释说。“这与任何分析工具都一样。如果你想出了人们不期望或不想听到的结果,他们希望看到你是如何得到的。”

数据素养她说,对增强的分析来说也是至关重要的,因此数据科学团队以外的人们了解如何负责任地使用数据,并知道如何处理他们所赋予的洞察力。

并作为AI自动化改变了技术工作的方式,它也改变了人们的工作方式。Sallam建议公司规划工人角色,责任和技能的可能变化。

“你可能必须投资数据素养,新的数据治理政策,”她建议。“这里的思想是看看这不仅仅是如何影响你的工具,还可以看出你的流程和技能。”

我们不需要增强分析来帮助我们得出结论,这不是一个问题如果AI辅助BI工具将成为规范 - 但是什么时候。继续阅读,了解有关在未来几年满足业务挑战所需的工具,技术和技能的更多信息。

第1条第6条

深入了解人工智能和分析

获取更多商业信息

访问我们所有的背部问题 查看全部
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