人工智能和分析是怎样进入您生活与工作？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-03
技术趋势正在增加获得更快见解的机会以及获得这些见解的挑战
诸如机器学习和软件自动化之类的人工智能（AI）技术正在迅速发展，并将减少对专门的手工编码的需求，但是这些技术需要谨慎的指导，维护和良好的数据，由于采用了物联网（IoT）和数据流等技术，因此当今的数据流不仅数量巨大，而且速度更快，在“实践报告”中，我们讨论了数据流和实时分析的作用。但是，与这些以及其他技术的发展一样重要，诸如项目组织，治理，业务和IT领导，自助服务能力以及诸如敏捷之类的方法的使用也同样重要，该报告还探讨了这些方面。
交付可操作的仪表盘
为了理解某些关键驱动因素，如果他们的企业增加对支持“快速批处理”和/或交付包括数据流在内的实时数据的技术的投资，将会有什么改善，大约三分之二的参与者位居榜首，仪表板上的可操作信息（占67％），其次是运营决策和管理（占56％）以及绩效管理（占42％），这些结果表明组织对向操作人员提供信息的浓厚兴趣，以便他们可以提高操作效率和有效性，并使日常决策与战略绩效目标保持一致。
仪表板可帮助我们可视化数据
并且在许多情况下可通过图形界面更轻松地访问基础数据，但是许多运营经理和一线人员面临的挑战是他们拥有太多的仪表板，每个仪表板都与不同的商业智能（BI）系统，应用程序或特定报告相关联，他们必须一个一个地去获取与特定情况有关的数据的完整视图。
提供为用户提供整合的BI门户的“数据信息”来解决此问题
门户使用连接层将来自多个BI，数据库和操作系统的数据绘制到单个视图中，推送系统可以个性化，而不是要求用户始终查看仪表板，因此每个用户只能通过电子邮件，即时消息或其他通信系统的通知和警报来接收有关数据更改，检测到的异常或异常值以及异常报告的相关更新。
使用AI增强解决业务问题
人工智能可以帮助组织处理快速到达的数据量，从而使人员和应用程序都能做出更好的决策，在“实践”报告中，我们要求研究参与者确定其组织当前使用（或计划使用）AI来增强BI，分析以及数据集成和管理的重要方式，普遍的选择是自动发现可行的见解（52％），实际上，技术正在趋向于使组织能够建立不需要定期人工干预的算法和模型，其终目的是为运营人员提供改善日常决策的见解，这种“扩充”将主要以推荐的形式出现给用户；41％的研究参与者表示，他们的组织希望通过向用户提供建议来增强用户的决策能力。
许多领先的BI和分析技术供应商都在提供AI增强的工程解决方案
例如SAS在2月的行业分析师会议上讨论了“将AI和分析隐藏在视线中”的目标，以使整个组织中的用户能够专注于解决业务问题，而不是弄清楚如何对算法进行编程-或者（更可能是），取决于数据科学家这样做，专注于将AI和分析与治理业务规则集成在一起的自动化和嵌入，以实现更大范围和更高质量的实时运营决策，如何将自动化应用于数据科学和机器学习（ML）开发流程的更多阶段，可以加速分析的运营并增加数据洞察力的影响。
自定义自动化和扩充功能以应对特定的业务挑战
分析和流程支持团队，以解决一系列垂直业务问题，重点关注中小型广告代理商的广告系列分析，网络和应用程序开发，电子学习以及电子商务需求，这些公司以及中小型公司的广告和营销部门通常不愿将大量预算用于分析和AI，但也担心随着这些技术的普及而落后，解决方案是服务如何结合新技术以帮助较小的组织获得数据见解。
聊天机器人现已被广泛使用
但是它们的实现常常与分析和AI的见解流脱节，他们可能变得过于罐头，无法应对日益沮丧的客户，对话分析带来了人与机器人交互的见解，使用ML和自然语言处理技术来分析对话日志中的交互并重新训练漫游器。该解决方案可以使组织使用分析来改善和更有效地扩展呼叫中心，在线客户支持和相关运营。
加强分析和业务流程集成
展望未来，我们将看到更多的技术解决方案提供商对更快的洞察力以及对自动化和AI扩充的更多主流使用的需求做出更大的响应，以将数据洞察力流程化到业务流程中，报告中超过三分之二的研究参与者（69％）表示，他们的组织认为在操作或流程系统中自动化决策非常重要或有些重要，几乎相同的百分比（67％）将其视为优先选择，以使分析能够指导实时流程优化。
诸如机器学习和软件自动化之类的人工智能（AI）技术正在迅速发展，并将减少对专门的手工编码的需求，但是这些技术需要谨慎的指导，维护和良好的数据，由于采用了物联网（IoT）和数据流等技术，因此当今的数据流不仅数量巨大，而且速度更快，在“实践报告”中，我们讨论了数据流和实时分析的作用。但是，与这些以及其他技术的发展一样重要，诸如项目组织，治理，业务和IT领导，自助服务能力以及诸如敏捷之类的方法的使用也同样重要，该报告还探讨了这些方面。
交付可操作的仪表盘
为了理解某些关键驱动因素，如果他们的企业增加对支持“快速批处理”和/或交付包括数据流在内的实时数据的技术的投资，将会有什么改善，大约三分之二的参与者位居榜首，仪表板上的可操作信息（占67％），其次是运营决策和管理（占56％）以及绩效管理（占42％），这些结果表明组织对向操作人员提供信息的浓厚兴趣，以便他们可以提高操作效率和有效性，并使日常决策与战略绩效目标保持一致。
仪表板可帮助我们可视化数据
并且在许多情况下可通过图形界面更轻松地访问基础数据，但是许多运营经理和一线人员面临的挑战是他们拥有太多的仪表板，每个仪表板都与不同的商业智能（BI）系统，应用程序或特定报告相关联，他们必须一个一个地去获取与特定情况有关的数据的完整视图。
提供为用户提供整合的BI门户的“数据信息”来解决此问题
门户使用连接层将来自多个BI，数据库和操作系统的数据绘制到单个视图中，推送系统可以个性化，而不是要求用户始终查看仪表板，因此每个用户只能通过电子邮件，即时消息或其他通信系统的通知和警报来接收有关数据更改，检测到的异常或异常值以及异常报告的相关更新。
使用AI增强解决业务问题
人工智能可以帮助组织处理快速到达的数据量，从而使人员和应用程序都能做出更好的决策，在“实践”报告中，我们要求研究参与者确定其组织当前使用（或计划使用）AI来增强BI，分析以及数据集成和管理的重要方式，普遍的选择是自动发现可行的见解（52％），实际上，技术正在趋向于使组织能够建立不需要定期人工干预的算法和模型，其终目的是为运营人员提供改善日常决策的见解，这种“扩充”将主要以推荐的形式出现给用户；41％的研究参与者表示，他们的组织希望通过向用户提供建议来增强用户的决策能力。
许多领先的BI和分析技术供应商都在提供AI增强的工程解决方案
例如SAS在2月的行业分析师会议上讨论了“将AI和分析隐藏在视线中”的目标，以使整个组织中的用户能够专注于解决业务问题，而不是弄清楚如何对算法进行编程-或者（更可能是），取决于数据科学家这样做，专注于将AI和分析与治理业务规则集成在一起的自动化和嵌入，以实现更大范围和更高质量的实时运营决策，如何将自动化应用于数据科学和机器学习（ML）开发流程的更多阶段，可以加速分析的运营并增加数据洞察力的影响。
自定义自动化和扩充功能以应对特定的业务挑战
分析和流程支持团队，以解决一系列垂直业务问题，重点关注中小型广告代理商的广告系列分析，网络和应用程序开发，电子学习以及电子商务需求，这些公司以及中小型公司的广告和营销部门通常不愿将大量预算用于分析和AI，但也担心随着这些技术的普及而落后，解决方案是服务如何结合新技术以帮助较小的组织获得数据见解。
聊天机器人现已被广泛使用
但是它们的实现常常与分析和AI的见解流脱节，他们可能变得过于罐头，无法应对日益沮丧的客户，对话分析带来了人与机器人交互的见解，使用ML和自然语言处理技术来分析对话日志中的交互并重新训练漫游器。该解决方案可以使组织使用分析来改善和更有效地扩展呼叫中心，在线客户支持和相关运营。
加强分析和业务流程集成
展望未来，我们将看到更多的技术解决方案提供商对更快的洞察力以及对自动化和AI扩充的更多主流使用的需求做出更大的响应，以将数据洞察力流程化到业务流程中，报告中超过三分之二的研究参与者（69％）表示，他们的组织认为在操作或流程系统中自动化决策非常重要或有些重要，几乎相同的百分比（67％）将其视为优先选择，以使分析能够指导实时流程优化。
无论是对冠状病毒爆发等危机做出快速反应，还是应对诸如客户购买偏好转变之类的平凡事物，组织都需要研究如何弥补数据和分析工作流程中的延迟差距，以便关键见解产生影响。
客服热线：400-050-6600
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
