數(shù)據(jù)科學(xué)民主化：數(shù)據(jù)科學(xué)家過去往往要準(zhǔn)備幾個(gè)月的東西，數(shù)據(jù)嗅覺明銳的業(yè)務(wù)用戶只要幾天的時(shí)間就可以整合在一起。

那些想履行諾言，將機(jī)器學(xué)習(xí)用于數(shù)據(jù)分析的公司正在求助一個(gè)看似愛莫能助的老朋友。它們正在用人工智能對(duì)商業(yè)智能系統(tǒng)(主要是分析過去績效的領(lǐng)域)進(jìn)行改進(jìn)，使其報(bào)告功能具備預(yù)測的功能。

Symphony Post Acute Network就是這樣一個(gè)組織。該醫(yī)療公司在伊利諾斯州、印第安納州和威斯康星州的28家醫(yī)療機(jī)構(gòu)中擁有5000張床位，它希望每年都能利用人工智能和機(jī)器學(xué)習(xí)改善護(hù)理，以惠及8萬從膝蓋手術(shù)或透析治療中康復(fù)的患者。例如，如果人工智能深挖患者的病歷根源可能會(huì)發(fā)現(xiàn)患者因跌到而危及生命的風(fēng)險(xiǎn)特別高，因此需要額外的預(yù)防措施。

如果這些有可能是個(gè)人數(shù)據(jù)點(diǎn)或細(xì)微數(shù)據(jù)模式的指標(biāo)得以發(fā)現(xiàn)的話，它們就是機(jī)器學(xué)習(xí)的理想用例。但是建模并非易事。

Symphony的數(shù)據(jù)科學(xué)兼分析主管Nathan Patrick Taylor說：“人們連珠炮似地問我關(guān)于預(yù)測的問題。即使我把所有的時(shí)間都用來建模，我也分身乏術(shù)?！?/p>

因此公司聘請(qǐng)了兩名數(shù)據(jù)科學(xué)家。Taylor說：“而且他們身價(jià)不菲，但是我們并沒有因?yàn)樗麄兊募尤攵脙斔福@真是費(fèi)力又燒錢。”

所以兩年前，Symphony開始另辟蹊徑，去找那些已經(jīng)擁有機(jī)器學(xué)習(xí)模型并萬事俱備的供應(yīng)商?，F(xiàn)在，該公司用采用了數(shù)據(jù)倉庫中已收集的數(shù)據(jù)，用供應(yīng)商DataRobot的基于云計(jì)算的人工智能引擎來發(fā)送數(shù)據(jù)，結(jié)果則以每隔三小時(shí)的頻率反饋回公司的Microsoft PowerBI儀表板。Taylor說：“我立即就明白了，我的首席信息官也明白了，我們驚訝極了。這看起來很神奇?！?/p>

今天，240名醫(yī)生和護(hù)士在PowerBI儀表板中獲得了預(yù)測和建議，他們可以通過平板電腦和智能手機(jī)查看這些儀表板。因此，例如，容易摔倒的患者會(huì)自動(dòng)標(biāo)有樓梯圖標(biāo)。很可能再次入院的患者則標(biāo)有救護(hù)車圖標(biāo)。

將人工智能注入商業(yè)智能

Taylor說，再入院率對(duì)Symphony來說非同小可。醫(yī)院和保險(xiǎn)公司會(huì)考察再入院率，每次再入院都會(huì)花掉公司13,500美元。他說：“這不是一筆小錢”

為了確定DataRobot的預(yù)測是否有用，Symphony最初只將DataRobot的反饋推廣到一部分設(shè)施，并進(jìn)行了為期6個(gè)月的研究，以了解再入院率是否有差異。他說：“如果你能做到1%的變動(dòng)，那你干得真漂亮?！?/p>

Taylor說，比率確實(shí)得到了改善——從21%下降到18.8%。他說：“這是一個(gè)顯著的進(jìn)步，這贏得了我們的首席執(zhí)行官的支持?！?/p>

如今，該公司開始用同樣的方式來考察與保險(xiǎn)公司簽署的合同。他說：“如果我們不能很好地為服務(wù)計(jì)費(fèi)，就會(huì)錯(cuò)過很多利潤。”

初始安裝大約需要20個(gè)小時(shí)的時(shí)間，包括連接數(shù)據(jù)饋送和建立學(xué)習(xí)模型?，F(xiàn)在，如果有人想要新類型的預(yù)測，一個(gè)全新的學(xué)習(xí)模型大約需要六到八個(gè)小時(shí)的時(shí)間才能建立起來，他說，在三個(gè)工作日的不同時(shí)段完成。

此外，他說現(xiàn)有模型可以隨時(shí)得到再訓(xùn)練。例如，法規(guī)可能會(huì)發(fā)生改變，或者醫(yī)務(wù)人員可能會(huì)開始使用新程序。另外，一個(gè)模型可能會(huì)隨著時(shí)間而發(fā)生改變。Taylor每隔兩個(gè)月就重新訓(xùn)練模型，或者每當(dāng)有重大的政策轉(zhuǎn)變時(shí)就這么做。如果發(fā)生重大變化，那么學(xué)習(xí)模式可能只需要在新政策生效后提供的數(shù)據(jù)上進(jìn)行培訓(xùn)。

他說，管理系統(tǒng)不再需要訓(xùn)練有素的數(shù)據(jù)科學(xué)家，但它確實(shí)需要具有統(tǒng)計(jì)基礎(chǔ)知識(shí)的人員。 Symphony還使用R代碼來架設(shè)模型。

DataRobot開箱即支持Python。據(jù)DataRobot的產(chǎn)品營銷總監(jiān)Colin Priest稱，使用其它語言的客戶還可以使用任何能理解Rest API的語言(包括Java，C#，SAS，JavaScript和Visual Basic)來調(diào)用DataRobot Rest API。

人工智能的下一步是自助式服務(wù)

Forrester Research的副總裁兼首席分析師Boris Evelson說：“人工智能已經(jīng)民主化。直到不久前，它還需要一名數(shù)據(jù)科學(xué)家來編寫代碼，現(xiàn)在，有了這些商業(yè)智能系統(tǒng)，我點(diǎn)擊幾個(gè)數(shù)據(jù)點(diǎn)就能選擇我要預(yù)測的變量，比如客戶的購買傾向，而且這些預(yù)測模型會(huì)自動(dòng)生成?！?/p>

他說，過去需要數(shù)據(jù)科學(xué)專家數(shù)月才能完成的東西，現(xiàn)在理解數(shù)據(jù)并使用Excel的人幾天就可以整合在一起。

他說：“營銷人員正在利用這一點(diǎn)來預(yù)測客戶行為并據(jù)此采取行動(dòng)，業(yè)務(wù)管理者正在使用它來考察和預(yù)測風(fēng)險(xiǎn)，供應(yīng)鏈人員正在利用它來查看和優(yōu)化物流?！?/p>

Forrester最近對(duì)全球決策者的調(diào)查稱，改進(jìn)數(shù)據(jù)、分析或洞察平臺(tái)在人工智能技術(shù)的用例中位列三甲。所有主要的商業(yè)智能供應(yīng)商(包括IBM，甲骨文和微軟)都致力于此。

如果八小時(shí)的時(shí)間聽起來太長，無法建立一個(gè)新的機(jī)器學(xué)習(xí)模型，你還有更多的選擇可用。不久之后，用戶就能自動(dòng)獲得最常見的預(yù)測類型，獲得推薦，并擁有內(nèi)置圖像識(shí)別和自然語言處理功能，因?yàn)镚artner預(yù)言，自然語言生成和人工智能將成為一個(gè)標(biāo)準(zhǔn)功能，為未來兩年內(nèi)90%的現(xiàn)代商業(yè)智能平臺(tái)所具備。

為文本和可視化分析配備商業(yè)智能

SpringBoard.ai的首席執(zhí)行官Bruce Molloy說，用戶需要信息時(shí)可以直接用英語提問，自然語言處理使這成為現(xiàn)實(shí)?！拔艺J(rèn)為這是自然的演變?！?/p>

他說，領(lǐng)域越狹窄，可供平臺(tái)使用的數(shù)據(jù)的相關(guān)性越高，供應(yīng)商就能更輕松地添加人工智能功能。會(huì)計(jì)平臺(tái)或Salesforce等客戶關(guān)系管理系統(tǒng)已經(jīng)擁有了它們所需的數(shù)據(jù)，而且有些問題用戶很可能會(huì)提問。他說：“有了Salesforce，看看人們會(huì)做什么，這會(huì)很有趣，Salesforce已經(jīng)受到了限制，而且工作已經(jīng)完成了一部分，人們已經(jīng)確定這些想法很重要，他們可以在這些想法上對(duì)人工智能功能進(jìn)行分層?！?/p>

增強(qiáng)的處理能力、更智能的算法、云計(jì)算和標(biāo)準(zhǔn)接口推動(dòng)了人工智能的應(yīng)用。例如，DataRobot同時(shí)利用了云計(jì)算和標(biāo)準(zhǔn)Rest API，這使它除了能支持Trifacta、Alteryx和Domino Data Labs的商業(yè)智能系統(tǒng)外，還支持PowerBI、Tableau、Qlik、Exce、R Shiny和很多其它的儀表板。

由人工智驅(qū)動(dòng)的商業(yè)智能儀表板也可以處理比以往更廣泛的數(shù)據(jù)種類。例如，Symphony不只是看病人記錄中的具體數(shù)據(jù)，還會(huì)看醫(yī)生和護(hù)士的病人病程記錄。

咨詢公司Publicis.Sapient的全球數(shù)據(jù)兼人工智能主管Josh Sutton說，有很多信息以非結(jié)構(gòu)化格式保存，這些信息可能會(huì)產(chǎn)生有用的見解或預(yù)測。這不僅僅是文本那么簡單。

Sutton說：“作為商業(yè)智能來源的非結(jié)構(gòu)化數(shù)據(jù)的最大來源之一是視覺圖像。例如，營銷部門可以根據(jù)他們?cè)谏缃幻襟w上分享的照片分析他們的客戶如何與產(chǎn)品互動(dòng)，從中受益。

超越描述性分析

但預(yù)測和洞察只是人工智能得以添加到商業(yè)智能儀表板的第一步，International Data公司的認(rèn)知和人工智能系統(tǒng)研究總監(jiān)David Schubmehl這樣說道。人工智能驅(qū)動(dòng)的儀表板還可以提供建議，或?yàn)橛脩粝乱徊綉?yīng)該采取的具體措施提出建議——甚至向用戶提供能采取這些措施的建議。

他說：“如果微件(widget)的銷量下降，這可能會(huì)說明這對(duì)未來意味著什么，以及你現(xiàn)在應(yīng)該怎么做?！?/p>

這使得商業(yè)智能更有價(jià)值。

他說：“我認(rèn)為這就是這么多人采用這種工具的原因”。例如，Salesforce剛剛發(fā)布了一項(xiàng)重大聲明，稱其Einstein最近在預(yù)測性智能方面做出每天逾10億次的預(yù)測，這些預(yù)測性智能幫助人們做成新業(yè)務(wù)，發(fā)現(xiàn)新的業(yè)務(wù)線索并創(chuàng)建面向行動(dòng)的功能。我認(rèn)為這表明人們需要的不僅僅是描述性業(yè)務(wù)分析?！?/p>

他說，我們?nèi)蕴幱谠缙陔A段?！霸诮酉聛淼膬扇陜?nèi)，我們可能會(huì)完全成熟，人們才剛開始理解人工智能和機(jī)器學(xué)習(xí)的潛力?！?/p>

埃森哲負(fù)責(zé)人工智能的資深負(fù)責(zé)人兼全球負(fù)責(zé)人Rumman Chowdhury說，特別是人工智能仍然不具備常識(shí)。

她說：“我們處在弱人工智能(narrow AI)的世界”。即使特定平臺(tái)內(nèi)置了人工智能模型并可以隨時(shí)得到使用，用戶仍然要了解正在使用的數(shù)據(jù)及其與手頭問題的相關(guān)性。

她說：“你必須確保它適用于你所得到的輸出，我不知道我們是否會(huì)完全取代某些領(lǐng)域的人為判斷，我不知道我們是否能夠?qū)崿F(xiàn)真正的決策自動(dòng)化——即便我們必須知道?！?/p>