Nul
(Billede: istock)
For 10 år den fremherskende tendens i business intelligence (BI) og analytics har været bevæge sig i retning af selvbetjening. Det handler om at ændre. I 2018 og derefter, at vi vil se en voksende liste af, hvad mange kalder “smart” kapaciteter drevet af machine learning (ML) og kunstig intelligens (AI). Disse funktioner er sikker på at hjælpe os med at bevæge sig ud over grænserne af self-service æra.
Som jeg forklarede i et af mine seneste rapport, Hvor maskinindlæring Og Kunstig Intelligens Vil Ændre BI-og Analytics, er vi allerede begyndt at se smart kapaciteter inden for fem områder: Data prep, discovery, analyse, forudsigelse, og AI-drevet præskriptive applikationer. Min forskning detaljer investeringer, der gøres af mere end 20 nystartede og 14, der er etableret BI-og analytics-leverandører til at fremme state of the art.
Forventer en stabil trommehvirvel af meddelelser i hele 2018 og uden om ML anvendes til opgaver, herunder rengøring og kombinere data, opdage nye data, og forslag til nye kombinationer af data, der kan til gengæld afsløre vigtige indsigter. Ikke-teknisk virksomhed brugere vil sætte pris på ML-drevne forslag på best-fit-data visualiseringer. Automatiske modellering funktioner, i mellemtiden, vil bidrage til ikke-tekniske brugere i erhvervslivet indpasses i kraft af predictive analytics.
(Billede: Forskning)Som nævnt, er nogle af disse muligheder er allerede begyndt at dukke op. Min rapport detaljer om, hvilke kapaciteter der er til rådighed i dag, er dem, der begynder at optræde, og dem, vi skal forvente i fremtiden. For eksempel, naturlige sprog (NL) forespørge baseret på søgeord, der findes i kolonne overskrifter har været med os i år. Nogle leverandører bruger nu mere avancerede NL kapaciteter, der kan skelne nuancer og hensigt i hele sætninger (uanset om de er skrevet eller oversat fra at stemme med tale-til-tekst-kapacitet). På forkant, systemer er begyndt at bevare forbindelse med forespørgsler; i stedet for at spørge en isoleret forespørgsel på et tidspunkt, vil du have en lydhør dialog med de data, boring ned og udforske fra en indledende forespørgsel.
Selvfølgelig, mange business-brugere er mere interesserede i handling og resultater end fortolkningen af rapporter, dashboards, og data visualisering. Disse er brugerne mere tilbøjelige til at drage fordel af den voksende liste af smart, ML – og AI-drevet præskriptive applikationer nye. Her er, hvor rammerne af beslutninger, der er bygget ind i business-applikationer for salg, marketing, HR, supply chain, logistik og meget mere. I disse tilfælde, analyse af data kan være indstillet til at levere anbefalet næste trin eller endda til at automatisere handlinger vil føre til de ønskede resultater.
Disse nye muligheder vil gøre BI, analytics, og data-drevet beslutningsprocessen, som er meget mere tilgængelig, forståelig og anvendelig for ikke-tekniske brugere i erhvervslivet, men også omfatter de nye vil ikke være så let som at vinke med en tryllestav. Jeg har talt med praktiserende læger, der blev overraskede og chokerede over at se medarbejderne svarer til ML – og AI-baserede anbefalinger på uventede måder. Sælgere, for eksempel, til tider stædigt at forfølge emner, der betragtes som mindre end lovende af intelligent score. Her er, hvor forandringsledelse vil være afgørende. Som jeg forklarer i min betænkning, at levere gennemskuelige og forklares AI, der indgyder tillid, vil være afgørende for at gøre intelligente systemer lykkes. Et gratis uddrag af den komplette 27-siders rapport, der er tilgængelig til download her.
Relaterede historier
Otte af Data til Beslutninger Tendenser til at Se i 2018 Amazon Web Services Tilføjer Endnu Mere Data og ML Tjenester, Men Hvornår er nok Nok? Salesforce Dreamforce 2017: 4 Næste Skridt for Einstein
Relaterede Emner:
Big Data Analytics
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
0