Zero
(Immagine: istock)
Per 10 anni la tendenza prevalente nel business intelligence (BI) e google analytics è stato lo spostamento verso il self service. Che sta per cambiare. Nel 2018 e di là, vedremo un crescente elenco di quello che molti chiamano “smart” capacità powered by machine learning (ML) e l’intelligenza artificiale (AI). Queste caratteristiche sono sicuro che per aiutarci ad andare oltre i limiti del self-service epoca.
Come spiego nel mio ultimo rapporto, Come Macchina di Apprendimento e di Intelligenza Artificiale cambierà BI e Analytics, stiamo già iniziando a vedere delle funzionalità intelligenti in cinque aree: Data di preparazione, di scoperta, di analisi, di previsione e AI-powered prescrittivo applicazioni. La mia ricerca dettagli di investimenti realizzati da più di 20 startup e 14 stabilita BI e analytics fornitori per l’avanzamento dello stato dell’arte.
Aspettiamo un continuo vociferare di annunci in tutta 2018 e al di là di circa ML applicata alle attività di detersione e la combinazione dei dati, la scoperta di nuovi dati, e suggerendo nuove combinazioni di dati che potrebbero, a loro volta, scoprire informazioni importanti. Gli utenti Non tecnici potranno apprezzare ML-powered suggerimenti sul best-fit visualizzazioni di dati. Automatizzate le funzioni di modellazione, nel frattempo, aiuterà gli utenti non tecnici a sfruttare la potenza di analisi predittiva.
(Immagine: Ricerca)Come è noto, alcune di queste funzionalità sono già iniziando a comparire. Il mio report dettagli delle funzionalità che sono disponibili oggi, coloro che iniziano a comparire, e quelli che dovremmo aspettarci in futuro. Per esempio, il linguaggio naturale (NL) ricerca basata su parole chiave disponibile nelle intestazioni di colonna è stato con noi per anni. Alcuni venditori sono ora utilizzando i più avanzati NL funzionalità in grado di discernere, di sfumature e di intenti in frasi complete (se scritto o tradotto da voce speech-to-text di capacità). All’avanguardia, sistemi di iniziare a mantenere il contesto di query; invece di chiedere a un isolato domanda alla volta, avrete un reattivo dialogo con i dati, il drill-down e l’esplorazione a partire da una query iniziale.
Naturalmente, molti di business, gli utenti sono più interessati in azione e i risultati del lavoro di interprete report, dashboard e la visualizzazione dei dati. Questi sono gli utenti più propensi a sfruttare il crescente elenco di smart, ML – AI-powered prescrittivo applicazioni emergenti. Ecco dove il contesto delle decisioni è costruito in applicazioni di business per le vendite, il marketing, le risorse umane, supply chain, logistica, e di più. In questi casi, l’analisi dei dati può essere sintonizzato per offrire passaggi successivi consigliati o anche per automatizzare le azioni porteranno sicuramente a ottenere i risultati desiderati.
Questi emergenti capacità faranno BI, analytics e data-driven decisionale molto più accessibile, comprensibile e fruibile per gli utenti non tecnici, ma abbracciando il nuovo non sarà così facile come agitare una bacchetta magica. Ho parlato con i praticanti che sono stati sorpresi e sgomenti per vedere i dipendenti di rispondere a ML – AI-powered raccomandazioni in modi inaspettati. I commessi, per esempio, a volte ostinatamente perseguire porta ritenute meno di promettente da predictive punteggi. Qui è dove la gestione del cambiamento sarà fondamentale. Come spiego nel mio rapporto offrire trasparente e spiegabile AI che infonde fiducia sarà fondamentale per rendere i sistemi intelligenti successo. Gratuitamente un estratto dell’completo di 27 pagine di report è disponibile per il download qui.
Storie correlate
Otto dei Dati per le Decisioni Tendenze di Guardare nel 2018 Amazon Web Services Aggiunge Ancora Più Dati e ML di Servizi, Ma Quando è Abbastanza Sufficiente? Salesforce Dreamforce 2017: 4 Passaggi successivi per Einstein
Argomenti Correlati:
Big Data Analytics
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0