2020年商业详解：从商业智能到人工智能
发布时间：2021-06-10 12:19:58 所属栏目：大数据 来源：互联网
导读：传统的商业智能已经不能满足企业数据的数量、多样性和速度性的要求，现在是让新的人工智能工具来弥补不足的时候了。 人类每天都在产生海量的数据。不仅数据的总量在增加，数据的类型也在增加，而且存储和生成数据的应用程序也在增加。以往采用的商业智能工具
|
传统的商业智能已经不能满足企业数据的数量、多样性和速度性的要求，现在是让新的人工智能工具来弥补不足的时候了。
人类每天都在产生海量的数据。不仅数据的总量在增加，数据的类型也在增加，而且存储和生成数据的应用程序也在增加。以往采用的商业智能工具无法处理大量数据，并且它们还发现难以处理来自新应用程序的数据;为了使原有的商业智能工具适合新的应用程序，通常需要进行大量的人工调整。因此，使用商业智能工具的企业可能会错过现在可用的数据驱动的见解。
探索人工智能和商业智能之间的六个主要区别
传统的商业智能已经不能满足企业数据的数量、种类和速度的要求，现在是让新的人工智能工具来弥补不足的时候了。但是，这种新一代工具与以前的工具有何不同?
(1)数据收集与整合
在未来五年，80%的数据将是非结构化的数据。这些数据无法在数据库中分类，因此很难标记、搜索和编辑。使用传统的商业智能工具，非结构化数据位于孤岛中，并且即使有的话也要对其进行缓慢的分析。数据科学家通常会花费大约80%的时间准备这些数据，然后才能对其进行分析。
使用现代的商业智能工具，准备工作将更快、更加自动化。无论企业需要分析哪种数据，这些新工具都可以在一个无缝的数据湖中对它们进行排序和分类，从而使孤岛成为过去。这些工具是自助服务，使数据科学家可以在数小时或数天之内开始接收可操作的情报，而无需参与IT运营。
(2)指标覆盖率
传统的关键绩效指标(人工设置和研究的关键绩效指标)仅覆盖组织中正在使用的指标的3%。实际上，对于现代企业而言，只有3%关键绩效指标的规模较小。
如果在面向用户的应用程序中出现问题，则很有可能会以企业当前未涵盖的指标来出错。只要企业监控的关键绩效指标不会下降，就无法检测到错误或中断，直到客户告知企业这些错误。相比之下，任何组织都不可能人工监控其所有关键绩效指标，因此采用人工智能可以解决这个问题。无论企业生成多少个指标，其数量级无关紧要。他们能够一次提取数百万个指标，并且在出现问题时仍可以提供即时反馈。
(3)阈值和基准
传统的人工警报实践要求数据科学家为关键绩效指标设置阈值。当关键绩效指标低于某个阈值或高于某一个阈值时，它会触发警报。不幸的是，即使在正常行为期间，指标也往往会出现不可预测的涨跌。即使企业将基线设置为高于和低于这些阈值，这也降低了在设置的阈值内仍可能发生异常行为的可能性。
这种做法也忽略了季节性，季节性是在每天、每周或每月的周期中某些指标的正常变化。在传统的商业智能程序中，所有的季节性看起来都是异常的，会导致大量的误报和漏报。
现代分析平台采用完全自主的方法进行基准划分。他们依靠机器学习算法来学习指标的正常行为并确定其基准，从而无需进行人工阈值处理。
 （编辑：肇庆站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
