人工智能和(hé)機器學(xué)習如(rú)何幫助組織從大數據中獲得更好的(de)業務見解?需要了解人工智能和(hé)大數據分析的(de)下一(yī)步發展。

大數據技術并不像幾年(nián)前那樣廣受關注，但這并不意味着大數據技術沒有得到發展。如(rú)果說有什麽不同的(de)話，那就是大數據的(de)規模正在變得越來越大。

大數據曾經被認為(wèi)是一(yī)項重大挑戰。但是現在，它越來越被視(shì)為(wèi)一(yī)種理(lǐ)想狀态，尤其是在正在嘗試并實施機器學(xué)習和(hé)其他人工智能學(xué)科的(de)組織中。

Anexinet公司高(gāo)級數字策略師Glenn Gruber說，“人工智能和(hé)機器學(xué)習現在為(wèi)我們提供了使用現有大數據的(de)新機會，并利用新數據類型開發了很多新用例。我們現在擁有更多可(kě)用的(de)數據，例如(rú)圖片、視(shì)頻和(hé)語音。過去(qù)，我們可(kě)能試圖盡量減少捕獲的(de)此類數據的(de)數量，因為(wèi)我們無法對其做(zuò)太多的(de)處理(lǐ)，但是它存儲此類數據會産生巨大的(de)成本。”

人工智能如(rú)何适應大數據

大數據與人工智能之間存在着一(yī)種互惠關系：人工智能在很大程度上依賴于前者的(de)成功，同時也幫助組織以以前繁瑣或不可(kě)能的(de)方式釋放數據存儲中的(de)潛力。

Gruber說，“如(rú)今，我們需要盡可(kě)能多的(de)數據，這不僅是為(wèi)了更好地(dì)洞察我們試圖解決的(de)業務問題，而且因為(wèi)我們通過機器學(xué)習模型輸入的(de)數據越多，它們得到的(de)結果就越好。這是一(yī)個良性循環。”

AI人工智能小名片，與大數據完美結合，新一(yī)代營銷利器，快速獲客，高(gāo)效轉化，輕便管理(lǐ)，自(zì)帶流量的(de)小名片，AI數據實時分析，大大的(de)提高(gāo)營銷的(de)效率。‍‍徐志斌、黃永軒、史文祿、徐達內(nèi)、邢孔育、孫陶然、靳文戟、丁康等28位重量級人士聯袂推薦。‍‍

人工智能如(rú)何使用大數據

存儲和(hé)其他有關大數據和(hé)分析的(de)問題好像已經不再一(yī)樣。例如(rú)，Gruber指出，大數據和(hé)人工智能的(de)結合會圍繞基礎設施、數據準備和(hé)治理(lǐ)産生新的(de)需求(或強調現有需求)。但是在某些情況下，人工智能和(hé)機器學(xué)習技術可(kě)能是組織如(rú)何解決這些運營複雜性的(de)關鍵部分。

關于“更好的(de)洞察力”：人工智能和(hé)機器學(xué)習作為(wèi)當前在商業領域中最重要的(de)學(xué)科，如(rú)何幫助IT領導者實現現在或将來的(de)目标?

人工智能提供更好見解的(de)6種方式

1.人工智能正在創造新的(de)數據分析方法

大數據的(de)基本業務問題之一(yī)有時可(kě)以用一(yī)個簡單的(de)問題來概括：現在是什麽?人們已經擁有了所有這些東西，并且還會有更多的(de)東西出現，那麽如(rú)何處理(lǐ)呢(ne)?在大數據的(de)大肆宣傳和(hé)炒作中，聽到這個問題的(de)答案并不總是那麽容易。

此外，回答這個問題(或從數據中獲取見解)通常需要大量的(de)人工工作。人工智能正在創造新的(de)方法。從某種意義上說，從廣義上講，人工智能和(hé)機器學(xué)習是新方法。

從曆史上看，在分析數據時，工程師不得不使用查詢或SQL(查詢列表)。但是，随着數據重要性的(de)不斷增長(cháng)，獲得洞察力的(de)多種方法也應運而生。人工智能是查詢/SQL的(de)下一(yī)步。Alluxio公司首席執行官Steven Mih說，“過去(qù)的(de)統計模型現在已經與計算機科學(xué)融合，并已成為(wèi)人工智能和(hé)機器學(xué)習的(de)一(yī)部分。”

2.數據分析的(de)勞動強度正在降低(dī)

因此，與過去(qù)相比，管理(lǐ)和(hé)分析數據所需的(de)人工時間更少了。人們仍然在數據管理(lǐ)和(hé)分析中扮演着至關重要的(de)角色，但由于人工智能，原來可(kě)能需要幾天或幾周(或更長(cháng))的(de)過程正在加快速度。

Sungard AS公司的(de)高(gāo)級架構師Sue Clark說，“人工智能和(hé)機器學(xué)習是幫助企業分析數據的(de)工具，比員工單獨完成的(de)工作更快、更有效。”

Exasol公司首席技術官Mathias Golombek在大數據方面已觀察到一(yī)種采用兩層策略的(de)趨勢，因為(wèi)組織争辯要從中獲得任何價值所必須管理(lǐ)的(de)海量信息：存儲層和(hé)位于其之上的(de)運營分析層。

Golombek說，“這是從數據中提取見解并進行數據驅動的(de)決策的(de)地(dì)方。人工智能通過全新的(de)功能通過培訓數據做(zuò)出半自(zì)動決策來增強分析。它不适用于企業對數據存在的(de)所有問題，但是對于特定的(de)用例，它徹底改變了無需複雜的(de)人類知識就能完成規則、決策和(hé)預測的(de)方式。”

換句話說，洞察力和(hé)決策可(kě)以更快地(dì)發生。此外，IT可(kě)以将類似的(de)原理(lǐ)(使用人工智能技術來減少人工、勞動密集型負擔并提高(gāo)速度)應用于後端事物，讓人們面對現實，IT之外很少有人想知道(dào)。

Alluxio公司Mih說，“數據洞察力的(de)實時性質，加上現在無處不在的(de)事實，這将跨越不同的(de)機架、區域和(hé)雲計算，這意味着企業必須從傳統的(de)管理(lǐ)和(hé)分析數據方法中發展而來。這就是人工智能的(de)用武之地(dì)。數據工程師一(yī)次又一(yī)次地(dì)人工複制數據的(de)日子(zǐ)已經一(yī)去(qù)不複返了，在數據科學(xué)家提出要求後數周之內(nèi)就交付了數據集。”

3.人類仍然重要

與其他人一(yī)樣，Qlik Research公司副總裁Elif Tutuk将人工智能和(hé)機器學(xué)習視(shì)為(wèi)處理(lǐ)大數據的(de)強大杠杆。

Tutuk說：“人工智能和(hé)機器學(xué)習以及其他新興技術，對于幫助企業更全面地(dì)了解所有數據，為(wèi)他們提供一(yī)種在關鍵數據集之間建立聯系的(de)方式至關重要。”但是她補充說，這并不是削弱人類智慧和(hé)洞察力的(de)問題。

Tutuk說，“企業需要将人類直覺的(de)力量與機器智能相結合，以增強這些技術或增強智能。更具體地(dì)說，人工智能系統需要從數據和(hé)人類身上學(xué)習，才能實現其功能。成功地(dì)将人力和(hé)技術的(de)力量結合起來的(de)企業可(kě)以擴大從數據科學(xué)家和(hé)業務分析師那裏獲得分析的(de)關鍵見解的(de)人員，同時節省時間，并減少由于業務用戶解釋數據而導緻的(de)潛在偏見。這樣可(kě)以提高(gāo)業務運營效率，從數據中收集更快的(de)見解，并最終提高(gāo)企業生産率。”

4. 人工智能/機器學(xué)習可(kě)用于緩解常見數據問題

以下是一(yī)些沒有改變的(de)東西：數據的(de)價值與其質量密不可(kě)分。低(dī)質量意味着低(dī)價值或無價值。這就是所謂的(de)大數據與人工智能的(de)共同點。

Ness Digital工程公司首席技術官Moshe Kranc說，“關于機器學(xué)習的(de)對話總是回到企業數據的(de)質量上。如(rú)果數據質量差，那麽從中獲得的(de)任何見解都将無法得到信任。機器學(xué)習項目80%的(de)時間都花在了清理(lǐ)和(hé)準備數據上。”

一(yī)切舊(jiù)的(de)東西似乎又是新的(de)。但這個問題的(de)解決方案(可(kě)能還有其他類似的(de)解決方案)可(kě)能已經出現。

Kranc說，“幸運的(de)是，可(kě)以使用機器學(xué)習來清理(lǐ)機器學(xué)習數據。機器學(xué)習算法可(kě)以檢測異常值和(hé)缺失值，找到用稍微不同的(de)術語描述同一(yī)實體的(de)重複記錄，将數據規範化為(wèi)通用術語。”

5.分析變得更具預測性和(hé)規範性

在過去(qù)，數據分析比事後分析更為(wèi)重要，事後分析就是“已經發生的(de)事情。”未來的(de)預測本質上仍是曆史分析。人工智能和(hé)機器學(xué)習正在幫助開拓一(yī)個新領域：“将要發生的(de)事情。或者至少是“可(kě)能發生的(de)事情”。此外，還可(kě)以教會機器學(xué)習算法基于前瞻性的(de)見解做(zuò)出決策或采取行動。

Sparkhound公司分析部門總經理(lǐ)Sean Werick說。“如(rú)今，人工智能正在通過使用預測分析，以更準确的(de)方式将大數據決策進一(yī)步推進。傳統上，大數據決策是基于過去(qù)和(hé)現在的(de)數據點，通常會導緻線性的(de)投資回報率。借助人工智能，這一(yī)比例已達到史詩級和(hé)指數級。利用人工智能的(de)規範性分析有可(kě)能提供全公司的(de)前瞻性戰略見解，有助于推動業務發展。”

Werick指出，這是一(yī)個“在走路之前需要學(xué)會爬行”的(de)過程。根據Werick的(de)說法，使用人工智能根據不準确或不充分的(de)數據做(zuò)出預測性或規定性的(de)商業決策可(kě)能會産生“災難性”的(de)後果。

Werick說，“随着分析成熟度模型的(de)每一(yī)個進展，對業務的(de)價值都會增加：從流程和(hé)數據映射開始，到描述性分析，到預測性分析，最後，到規定性分析。”

6.人工智能和(hé)大數據的(de)下一(yī)步是什麽?

如(rú)果大多數團隊仍在學(xué)習爬行(或行走)，那可(kě)能沒問題，因為(wèi)人工智能和(hé)大數據的(de)結合才剛剛開始揭示其可(kě)能性。

Scale Venture Partners公司合夥人Andy Vitus看到了更智能的(de)企業軟件的(de)巨大前景。他認為(wèi)，許多商業應用程序仍顯示其模拟DNA。

Vitus說，“大多數商業應用程序仍然使用紙質表單和(hé)分類賬的(de)設計語言構建。這意味着，對于企業捕獲和(hé)存儲的(de)所有數據，用戶仍在花費大量的(de)時間費力地(dì)通過無休止的(de)報告來尋找有用的(de)信息。

智能軟件将利用所有這些數據來解決問題并提供場景和(hé)答案，而不僅僅是美觀的(de)報告。從工程的(de)角度來看，智能企業應用程序将要求将單個人工智能/機器學(xué)習系統連接到其他系統，以便它們可(kě)以相互通信并相互學(xué)習。企業最終将從存儲的(de)所有數據中獲得可(kě)觀的(de)投資回報。”

那是基本的(de)承諾：人工智能是一(yī)種不斷發展的(de)手段，可(kě)以回答有關大數據的(de)基本問題。那麽現在怎麽辦?

Alluxio公司的(de)Mih說，“這隻是一(yī)個開始，未來将有新的(de)技術來分析數據以獲得實時洞察力，但獲得見解的(de)方式将有所改進。”現在，AI智能小名片已經做(zuò)到了這一(yī)點！！！

掃碼創建小名片