当前位置:人工智能行业动态 → 正文

新的AI工具让BI更智能且更有用

责任编辑:cdeng 作者:Maria Korolov 译者:shania |来源:企业网D1Net  2018-05-02 09:09:42 原创文章 企业网D1Net

随着数据科学的普及,过去需要花费几个月准备的数据,可能很快就会被数据敏锐的商业用户利用几天时间整理出来。

想要深化机器学习的公司开始把关注点转向一个看似不可能但却十分熟悉的领域——商业智能系统中。很大程度上,BI是一个能够分析过去性能的领域,它正在对人工智能进行改造,并将预测功能引入到它们的财务报告中去。

Symphony Post Acute网络就是这样一个组织。在伊利诺斯州、印第安纳州和威斯康辛州的28个医疗保健机构中,医疗保健公司拥有5000张床位,他们希望利用人工智能和机器学习来改善每年关于8万名患者的护理,让这些病人从膝盖手术或接受透析治疗的过程中恢复过来。例如,深埋在患者数据中的医疗核心可能表明患者将会面临危险的跌倒风险,因此需要额外的预防措施。找到这些可以是单个数据点或数据的细微模式的指标,是机器学习的一个完美的用例。但是建立模型并不是一件简单的工作。

“我被有关预测的问题疯狂轰炸,”Symphony的数据科学和分析主管Nathan Patrick Taylor表示。“即使我利用所有清醒的时间全花在构建机器学习模型上,我也不可能做到这些。”于是公司又雇佣了两位数据科学家。“而且他们都不便宜。” Taylor说。但我们没有得到我们应得的回报。毕竟这是非常困难和昂贵的。

因此,两年前,Symphony就已经开始关注商业替代品,而那些已经拥有机器学习模型的供应商已经准备好了。现在,该公司将已经收集到的数据存储在数据仓库中,并将数据通过来自供应商DataRobot的基于云计算的AI引擎发送,结果每四个小时就会传回公司的Microsoft PowerBI仪表盘。Taylor说:“我马上就收到了,我的首席信息官也拿到了,就在一瞬间,它看起来就很神奇。”

今天,240名医生和护士在他们的PowerBI仪表盘上获得了预测和推荐,他们可以通过平板电脑和智能手机访问。因此,例如,高危患者会被自动标记为楼梯图标。高危患者再入院时被标记为救护车图标。

将AI注入BI

Taylor说,重新入学率对Symphony Post Acute而言是件大事。医院和保险公司考虑的是重新调整的费率,每一次重新调整的费用会使公司损失13500美元。这并不是一笔小钱。

为了弄清楚DataRobot的预测是否有用,Symphony最初推出DataRobot的一些设备,并进行了为期6个月的研究,以查看是否有不同的重新阅读率。他说:“如果你能移动1%,你就做得很好了。”Taylor说,这一比率确实有所改善,从21%上升到18.8%。“这是一个显著的进步,”他说。“这也赢得了我们的CEO的认可。”

如今,该公司开始采用同样的方法来看待与保险公司签订的合同。他说:“如果我们不能正确地为服务付费,我们就退还资金。”

最初的安装花费了大约20个小时,涉及到连接数据提要和建立学习模型。现在,如果有人想要新的预测,一个全新的学习模式需要6到8个小时的时间来建立,这将在三个工作日内传播。

此外,他说,现有的模型可以在任何时候进行再培训。例如,法规可能改变,或者医务人员可以开始使用新的程序。此外,模型可能随着时间推移而改善。Taylor每三个月重新培训一次模型,或者每当有重大的政策转变的时候进行改善。如果有很大的变化,学习模式可能只需要在新政策生效后的数据上进行培训。

他说,管理这个系统不再需要一个受过高度训练的数据科学家,但它确实是需要具备统计学基础知识的人。在Symphony,公司还使用R代码建立模型。

DataRobot也支持Python的退出。DataRobot的产品营销总监Colin Priest说,使用其他语言的客户也可以使用任何Rest API感知的语言来调用DataRobot Rest API,包括Java、c#、SAS、JavaScript和Visual Basic。

人工智能的下一步是自助服务

“人工智能已经实现了民主化,”弗雷斯特研究公司(Forrester Research)副总裁兼首席分析师Boris Evelson表示。直到最近,它还需要一个数据科学家来编写代码。今天,有了这些商业智能系统,我只需点击几个数据点,选择我想预测的变量——就像客户购买的倾向——这些预测模型就会自动生成。

Boris Evelson说,过去需要一个数据科学专业的几个月来组装的东西,现在可以由一个能够理解数据和使用Excel工作的人在几天内拼凑起来。市场营销人员将会利用这一点来预测和处理客户行为,业务经理们用它来观察和预测风险,供应链人员也可以利用它来观察和优化物流。

根据Forrester最近对全球决策者的调查,改进数据、分析或洞察平台是人工智能技术的三大用例之一。所有主要的BI供应商,包括IBM、Oracle和Microsoft,都在这方面努力工作。

如果8个小时听起来太长,无法建立一个新的机器学习模型,那么就会有更容易的选择。很快,用户将能够得到最常见类型的自动预测并得到建议,内置的图像识别和自然语言处理。Gartner预测,自然语言生成和人工智能将90%的现代商业智能平台的一个标准特性将会出现在未来两年。

为文本和视觉分析配备BI

springboard的首席执行官Bruce Molloy说“自然语言处理可以让用户在需要信息的时候问一些简单的英语问题。我认为这是自然进化。”

Bruce Molloy表示,领域越窄,平台获得的相关数据越多,供应商就越容易添加人工智能功能。会计平台,或者Salesforce这样的客户关系管理系统,已经拥有了他们需要的数据,并且有一些用户最可能会问的问题。Bruce Molloy说:“有了Salesforce,看看他们做什么会很有意思。”它已经受到限制,而且工作已经部分完成了。他们已经确定这些观点是重要的,而且他们可以将AI的能力放在首位。

对人工智能的推动是由更强大的处理能力、更智能的算法、云计算和标准接口驱动的。例如,DataRobot利用了云计算和标准Rest api,允许它支持Trifacta、Alteryx和Domino数据实验室业务智能系统,除了PowerBI、Tableau、Qlik、Excel、R和其他许多仪表板工具。

人工智能的商业智能仪表板也可以处理比以前更广泛的各种数据。例如,Symphony Post Acute不仅仅是看病人记录中的硬数字,也看医生和护士的病历。

咨询广告公司的全球数据和人工智能Josh Sutton表示,在非结构化格式中存储了大量信息,这些信息可能会导致有用的见解或预测,而不局限于文本。

“非结构化数据的最大来源之一是视觉图像,”Sutton说。例如,营销部门可以通过分析用户在社交媒体上分享的照片,来分析他们的客户是如何与产品互动的。

超越的描述性分析

国际数据的认知和人工智能系统研究主管David Schubmehl说,预测和洞察力只是人工智能增加商业智能仪表板的第一步。ai驱动的仪表板还可以提供建议或建议用户下一步应该做的具体操作,甚至可以为用户提供这些操作。他表示:“如果小部件(销售)数量下降,它可能会说这对未来意味着什么,以及你现在应该怎么做。”这使得BI更有价值。

David Schubmehl说:“我认为这就是为什么这么多人都在采用这类工具的原因。”例如,Salesforce刚刚发布了一项重大声明,即关于它的预测最近已经超过了10亿次预测,这是一种以规范的方式帮助人们关闭新业务,识别新线索,创造面向行动的能力。我认为这是一个指标,人们想要的不仅仅是描述性的商业分析。

他说,我们还处在早期阶段。“在未来两三年内,我们可能会达到完全成熟。”人们才刚刚开始了解人工智能和机器学习的可能性。

他说,我们还处在早期阶段。在未来两三年内,我们可能会达到完全成熟,人们开始刚刚了解人工智能和机器学习的可能性

Accenture负责人工智能的高级主管、全球主管Rumman Chowdhury表示,尽管如此,人工智能仍然缺乏常识。她说:“我们生活在一个狭窄的人工智能世界里。”即使一个特定的平台有内置的人工智能模型,用户仍然需要了解正在使用的数据,以及它与当前问题的相关性。“你必须确保你认为自己得到的产出是合适的。”“我不知道我们是否会在某些方面完全取代人类的判断。”我不知道我们是否能够完全自动化的做出真正的决策——即使我们应该这样做。

关键字:AIBI

原创文章 企业网D1Net

x 新的AI工具让BI更智能且更有用 扫一扫
分享本文到朋友圈
当前位置:人工智能行业动态 → 正文

新的AI工具让BI更智能且更有用

责任编辑:cdeng 作者:Maria Korolov 译者:shania |来源:企业网D1Net  2018-05-02 09:09:42 原创文章 企业网D1Net

随着数据科学的普及,过去需要花费几个月准备的数据,可能很快就会被数据敏锐的商业用户利用几天时间整理出来。

想要深化机器学习的公司开始把关注点转向一个看似不可能但却十分熟悉的领域——商业智能系统中。很大程度上,BI是一个能够分析过去性能的领域,它正在对人工智能进行改造,并将预测功能引入到它们的财务报告中去。

Symphony Post Acute网络就是这样一个组织。在伊利诺斯州、印第安纳州和威斯康辛州的28个医疗保健机构中,医疗保健公司拥有5000张床位,他们希望利用人工智能和机器学习来改善每年关于8万名患者的护理,让这些病人从膝盖手术或接受透析治疗的过程中恢复过来。例如,深埋在患者数据中的医疗核心可能表明患者将会面临危险的跌倒风险,因此需要额外的预防措施。找到这些可以是单个数据点或数据的细微模式的指标,是机器学习的一个完美的用例。但是建立模型并不是一件简单的工作。

“我被有关预测的问题疯狂轰炸,”Symphony的数据科学和分析主管Nathan Patrick Taylor表示。“即使我利用所有清醒的时间全花在构建机器学习模型上,我也不可能做到这些。”于是公司又雇佣了两位数据科学家。“而且他们都不便宜。” Taylor说。但我们没有得到我们应得的回报。毕竟这是非常困难和昂贵的。

因此,两年前,Symphony就已经开始关注商业替代品,而那些已经拥有机器学习模型的供应商已经准备好了。现在,该公司将已经收集到的数据存储在数据仓库中,并将数据通过来自供应商DataRobot的基于云计算的AI引擎发送,结果每四个小时就会传回公司的Microsoft PowerBI仪表盘。Taylor说:“我马上就收到了,我的首席信息官也拿到了,就在一瞬间,它看起来就很神奇。”

今天,240名医生和护士在他们的PowerBI仪表盘上获得了预测和推荐,他们可以通过平板电脑和智能手机访问。因此,例如,高危患者会被自动标记为楼梯图标。高危患者再入院时被标记为救护车图标。

将AI注入BI

Taylor说,重新入学率对Symphony Post Acute而言是件大事。医院和保险公司考虑的是重新调整的费率,每一次重新调整的费用会使公司损失13500美元。这并不是一笔小钱。

为了弄清楚DataRobot的预测是否有用,Symphony最初推出DataRobot的一些设备,并进行了为期6个月的研究,以查看是否有不同的重新阅读率。他说:“如果你能移动1%,你就做得很好了。”Taylor说,这一比率确实有所改善,从21%上升到18.8%。“这是一个显著的进步,”他说。“这也赢得了我们的CEO的认可。”

如今,该公司开始采用同样的方法来看待与保险公司签订的合同。他说:“如果我们不能正确地为服务付费,我们就退还资金。”

最初的安装花费了大约20个小时,涉及到连接数据提要和建立学习模型。现在,如果有人想要新的预测,一个全新的学习模式需要6到8个小时的时间来建立,这将在三个工作日内传播。

此外,他说,现有的模型可以在任何时候进行再培训。例如,法规可能改变,或者医务人员可以开始使用新的程序。此外,模型可能随着时间推移而改善。Taylor每三个月重新培训一次模型,或者每当有重大的政策转变的时候进行改善。如果有很大的变化,学习模式可能只需要在新政策生效后的数据上进行培训。

他说,管理这个系统不再需要一个受过高度训练的数据科学家,但它确实是需要具备统计学基础知识的人。在Symphony,公司还使用R代码建立模型。

DataRobot也支持Python的退出。DataRobot的产品营销总监Colin Priest说,使用其他语言的客户也可以使用任何Rest API感知的语言来调用DataRobot Rest API,包括Java、c#、SAS、JavaScript和Visual Basic。

人工智能的下一步是自助服务

“人工智能已经实现了民主化,”弗雷斯特研究公司(Forrester Research)副总裁兼首席分析师Boris Evelson表示。直到最近,它还需要一个数据科学家来编写代码。今天,有了这些商业智能系统,我只需点击几个数据点,选择我想预测的变量——就像客户购买的倾向——这些预测模型就会自动生成。

Boris Evelson说,过去需要一个数据科学专业的几个月来组装的东西,现在可以由一个能够理解数据和使用Excel工作的人在几天内拼凑起来。市场营销人员将会利用这一点来预测和处理客户行为,业务经理们用它来观察和预测风险,供应链人员也可以利用它来观察和优化物流。

根据Forrester最近对全球决策者的调查,改进数据、分析或洞察平台是人工智能技术的三大用例之一。所有主要的BI供应商,包括IBM、Oracle和Microsoft,都在这方面努力工作。

如果8个小时听起来太长,无法建立一个新的机器学习模型,那么就会有更容易的选择。很快,用户将能够得到最常见类型的自动预测并得到建议,内置的图像识别和自然语言处理。Gartner预测,自然语言生成和人工智能将90%的现代商业智能平台的一个标准特性将会出现在未来两年。

为文本和视觉分析配备BI

springboard的首席执行官Bruce Molloy说“自然语言处理可以让用户在需要信息的时候问一些简单的英语问题。我认为这是自然进化。”

Bruce Molloy表示,领域越窄,平台获得的相关数据越多,供应商就越容易添加人工智能功能。会计平台,或者Salesforce这样的客户关系管理系统,已经拥有了他们需要的数据,并且有一些用户最可能会问的问题。Bruce Molloy说:“有了Salesforce,看看他们做什么会很有意思。”它已经受到限制,而且工作已经部分完成了。他们已经确定这些观点是重要的,而且他们可以将AI的能力放在首位。

对人工智能的推动是由更强大的处理能力、更智能的算法、云计算和标准接口驱动的。例如,DataRobot利用了云计算和标准Rest api,允许它支持Trifacta、Alteryx和Domino数据实验室业务智能系统,除了PowerBI、Tableau、Qlik、Excel、R和其他许多仪表板工具。

人工智能的商业智能仪表板也可以处理比以前更广泛的各种数据。例如,Symphony Post Acute不仅仅是看病人记录中的硬数字,也看医生和护士的病历。

咨询广告公司的全球数据和人工智能Josh Sutton表示,在非结构化格式中存储了大量信息,这些信息可能会导致有用的见解或预测,而不局限于文本。

“非结构化数据的最大来源之一是视觉图像,”Sutton说。例如,营销部门可以通过分析用户在社交媒体上分享的照片,来分析他们的客户是如何与产品互动的。

超越的描述性分析

国际数据的认知和人工智能系统研究主管David Schubmehl说,预测和洞察力只是人工智能增加商业智能仪表板的第一步。ai驱动的仪表板还可以提供建议或建议用户下一步应该做的具体操作,甚至可以为用户提供这些操作。他表示:“如果小部件(销售)数量下降,它可能会说这对未来意味着什么,以及你现在应该怎么做。”这使得BI更有价值。

David Schubmehl说:“我认为这就是为什么这么多人都在采用这类工具的原因。”例如,Salesforce刚刚发布了一项重大声明,即关于它的预测最近已经超过了10亿次预测,这是一种以规范的方式帮助人们关闭新业务,识别新线索,创造面向行动的能力。我认为这是一个指标,人们想要的不仅仅是描述性的商业分析。

他说,我们还处在早期阶段。“在未来两三年内,我们可能会达到完全成熟。”人们才刚刚开始了解人工智能和机器学习的可能性。

他说,我们还处在早期阶段。在未来两三年内,我们可能会达到完全成熟,人们开始刚刚了解人工智能和机器学习的可能性

Accenture负责人工智能的高级主管、全球主管Rumman Chowdhury表示,尽管如此,人工智能仍然缺乏常识。她说:“我们生活在一个狭窄的人工智能世界里。”即使一个特定的平台有内置的人工智能模型,用户仍然需要了解正在使用的数据,以及它与当前问题的相关性。“你必须确保你认为自己得到的产出是合适的。”“我不知道我们是否会在某些方面完全取代人类的判断。”我不知道我们是否能够完全自动化的做出真正的决策——即使我们应该这样做。

关键字:AIBI

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^