人工(gōng)智能和機器學習如何幫助組織從大(dà)數據中(zhōng)獲得更好的業務見解?需要了解人工(gōng)智能和大(dà)數據分(fēn)析的下(xià)一(yī)步發展。

大(dà)數據技術并不像幾年前那樣廣受關注，但這并不意味着大(dà)數據技術沒有得到發展。如果說有什麽不同的話(huà)，那就是大(dà)數據的規模正在變得越來越大(dà)。

大(dà)數據曾經被認爲是一(yī)項重大(dà)挑戰。但是現在，它越來越被視爲一(yī)種理想狀态，尤其是在正在嘗試并實施機器學習和其他人工(gōng)智能學科的組織中(zhōng)。

Anexinet公司高級數字策略師Glenn Gruber說，“人工(gōng)智能和機器學習現在爲我(wǒ)(wǒ)們提供了使用現有大(dà)數據的新機會，并利用新數據類型開(kāi)發了很多新用例。我(wǒ)(wǒ)們現在擁有更多可用的數據，例如圖片、視頻(pín)和語音。過去(qù)，我(wǒ)(wǒ)們可能試圖盡量減少捕獲的此類數據的數量，因爲我(wǒ)(wǒ)們無法對其做太多的處理，但是它存儲此類數據會産生(shēng)巨大(dà)的成本。”

人工(gōng)智能如何适應大(dà)數據

大(dà)數據與人工(gōng)智能之間存在着一(yī)種互惠關系：人工(gōng)智能在很大(dà)程度上依賴于前者的成功，同時也幫助組織以以前繁瑣或不可能的方式釋放(fàng)數據存儲中(zhōng)的潛力。

Gruber說，“如今，我(wǒ)(wǒ)們需要盡可能多的數據，這不僅是爲了更好地洞察我(wǒ)(wǒ)們試圖解決的業務問題，而且因爲我(wǒ)(wǒ)們通過機器學習模型輸入的數據越多，它們得到的結果就越好。這是一(yī)個良性循環。”

AI人工(gōng)智能小(xiǎo)名片，與大(dà)數據完美結合，新一(yī)代營銷利器，快速獲客，高效轉化，輕便管理，自帶流量的小(xiǎo)名片，AI數據實時分(fēn)析，大(dà)大(dà)的提高營銷的效率。‍‍徐志(zhì)斌、黃永軒、史文祿、徐達内、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(gōng)智能如何使用大(dà)數據

存儲和其他有關大(dà)數據和分(fēn)析的問題好像已經不再一(yī)樣。例如，Gruber指出，大(dà)數據和人工(gōng)智能的結合會圍繞基礎設施、數據準備和治理産生(shēng)新的需求(或強調現有需求)。但是在某些情況下(xià)，人工(gōng)智能和機器學習技術可能是組織如何解決這些運營複雜(zá)性的關鍵部分(fēn)。

關于“更好的洞察力”：人工(gōng)智能和機器學習作爲當前在商(shāng)業領域中(zhōng)最重要的學科，如何幫助IT領導者實現現在或将來的目标?

人工(gōng)智能提供更好見解的6種方式

1.人工(gōng)智能正在創造新的數據分(fēn)析方法

大(dà)數據的基本業務問題之一(yī)有時可以用一(yī)個簡單的問題來概括：現在是什麽?人們已經擁有了所有這些東西，并且還會有更多的東西出現，那麽如何處理呢?在大(dà)數據的大(dà)肆宣傳和炒作中(zhōng)，聽(tīng)到這個問題的答案并不總是那麽容易。

此外(wài)，回答這個問題(或從數據中(zhōng)獲取見解)通常需要大(dà)量的人工(gōng)工(gōng)作。人工(gōng)智能正在創造新的方法。從某種意義上說，從廣義上講，人工(gōng)智能和機器學習是新方法。

從曆史上看，在分(fēn)析數據時，工(gōng)程師不得不使用查詢或SQL(查詢列表)。但是，随着數據重要性的不斷增長，獲得洞察力的多種方法也應運而生(shēng)。人工(gōng)智能是查詢/SQL的下(xià)一(yī)步。Alluxio公司首席執行官Steven Mih說，“過去(qù)的統計模型現在已經與計算機科學融合，并已成爲人工(gōng)智能和機器學習的一(yī)部分(fēn)。”

2.數據分(fēn)析的勞動強度正在降低

因此，與過去(qù)相比，管理和分(fēn)析數據所需的人工(gōng)時間更少了。人們仍然在數據管理和分(fēn)析中(zhōng)扮演着至關重要的角色，但由于人工(gōng)智能，原來可能需要幾天或幾周(或更長)的過程正在加快速度。

Sungard AS公司的高級架構師Sue Clark說，“人工(gōng)智能和機器學習是幫助企業分(fēn)析數據的工(gōng)具，比員(yuán)工(gōng)單獨完成的工(gōng)作更快、更有效。”

Exasol公司首席技術官Mathias Golombek在大(dà)數據方面已觀察到一(yī)種采用兩層策略的趨勢，因爲組織争辯要從中(zhōng)獲得任何價值所必須管理的海量信息：存儲層和位于其之上的運營分(fēn)析層。

Golombek說，“這是從數據中(zhōng)提取見解并進行數據驅動的決策的地方。人工(gōng)智能通過全新的功能通過培訓數據做出半自動決策來增強分(fēn)析。它不适用于企業對數據存在的所有問題，但是對于特定的用例，它徹底改變了無需複雜(zá)的人類知(zhī)識就能完成規則、決策和預測的方式。”

換句話(huà)說，洞察力和決策可以更快地發生(shēng)。此外(wài)，IT可以将類似的原理(使用人工(gōng)智能技術來減少人工(gōng)、勞動密集型負擔并提高速度)應用于後端事物(wù)，讓人們面對現實，IT之外(wài)很少有人想知(zhī)道。

Alluxio公司Mih說，“數據洞察力的實時性質，加上現在無處不在的事實，這将跨越不同的機架、區域和雲計算，這意味着企業必須從傳統的管理和分(fēn)析數據方法中(zhōng)發展而來。這就是人工(gōng)智能的用武之地。數據工(gōng)程師一(yī)次又(yòu)一(yī)次地人工(gōng)複制數據的日子已經一(yī)去(qù)不複返了，在數據科學家提出要求後數周之内就交付了數據集。”

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(gōng)智能和機器學習視爲處理大(dà)數據的強大(dà)杠杆。

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

Tutuk說，“企業需要将人類直覺的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(tǐ)地說，人工(gōng)智能系統需要從數據和人類身上學習，才能實現其功能。成功地将人力和技術的力量結合起來的企業可以擴大(dà)從數據科學家和業務分(fēn)析師那裏獲得分(fēn)析的關鍵見解的人員(yuán)，同時節省時間，并減少由于業務用戶解釋數據而導緻的潛在偏見。這樣可以提高業務運營效率，從數據中(zhōng)收集更快的見解，并最終提高企業生(shēng)産率。”

4. 人工(gōng)智能/機器學習可用于緩解常見數據問題

以下(xià)是一(yī)些沒有改變的東西：數據的價值與其質量密不可分(fēn)。低質量意味着低價值或無價值。這就是所謂的大(dà)數據與人工(gōng)智能的共同點。

Ness Digital工(gōng)程公司首席技術官Moshe Kranc說，“關于機器學習的對話(huà)總是回到企業數據的質量上。如果數據質量差，那麽從中(zhōng)獲得的任何見解都将無法得到信任。機器學習項目80%的時間都花在了清理和準備數據上。”

一(yī)切舊(jiù)的東西似乎又(yòu)是新的。但這個問題的解決方案(可能還有其他類似的解決方案)可能已經出現。

Kranc說，“幸運的是，可以使用機器學習來清理機器學習數據。機器學習算法可以檢測異常值和缺失值，找到用稍微不同的術語描述同一(yī)實體(tǐ)的重複記錄，将數據規範化爲通用術語。”

5.分(fēn)析變得更具預測性和規範性

在過去(qù)，數據分(fēn)析比事後分(fēn)析更爲重要，事後分(fēn)析就是“已經發生(shēng)的事情。”未來的預測本質上仍是曆史分(fēn)析。人工(gōng)智能和機器學習正在幫助開(kāi)拓一(yī)個新領域：“将要發生(shēng)的事情。或者至少是“可能發生(shēng)的事情”。此外(wài)，還可以教會機器學習算法基于前瞻性的見解做出決策或采取行動。

Sparkhound公司分(fēn)析部門總經理Sean Werick說。“如今，人工(gōng)智能正在通過使用預測分(fēn)析，以更準确的方式将大(dà)數據決策進一(yī)步推進。傳統上，大(dà)數據決策是基于過去(qù)和現在的數據點，通常會導緻線性的投資(zī)回報率。借助人工(gōng)智能，這一(yī)比例已達到史詩級和指數級。利用人工(gōng)智能的規範性分(fēn)析有可能提供全公司的前瞻性戰略見解，有助于推動業務發展。”

Werick指出，這是一(yī)個“在走路之前需要學會爬行”的過程。根據Werick的說法，使用人工(gōng)智能根據不準确或不充分(fēn)的數據做出預測性或規定性的商(shāng)業決策可能會産生(shēng)“災難性”的後果。

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

6.人工(gōng)智能和大(dà)數據的下(xià)一(yī)步是什麽?

如果大(dà)多數團隊仍在學習爬行(或行走)，那可能沒問題，因爲人工(gōng)智能和大(dà)數據的結合才剛剛開(kāi)始揭示其可能性。

Scale Venture Partners公司合夥人Andy Vitus看到了更智能的企業軟件的巨大(dà)前景。他認爲，許多商(shāng)業應用程序仍顯示其模拟DNA。

Vitus說，“大(dà)多數商(shāng)業應用程序仍然使用紙(zhǐ)質表單和分(fēn)類賬的設計語言構建。這意味着，對于企業捕獲和存儲的所有數據，用戶仍在花費(fèi)大(dà)量的時間費(fèi)力地通過無休止的報告來尋找有用的信息。

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

那是基本的承諾：人工(gōng)智能是一(yī)種不斷發展的手段，可以回答有關大(dà)數據的基本問題。那麽現在怎麽辦?

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

掃碼創建小(xiǎo)名片