利用AI语境化数据分析获取商业洞察
AI和增强分析进步意味着企业团队能更有效地将数据置于语境中。
有一个挑战，自大数据成为流行词前就让业务领导者和数据专业人士沮丧。那是分析中缺乏语境。
看看这个用例是否耳熟。业务领导最初要求分析区域销售下滑原因，数据分析师花几个月努力构建模型、拉取数据、为业务方开发报告。
问题
结果返回时令人失望地单一维度，从未确认销售放缓背后真正的“为什么”。报告可能识别出特定产品线滑坡，或特定销售团队。但不会两者兼顾。
缺失的是语境。无法检测滑坡真正潜在原因。是人员、薪酬或流失问题？实际上是供应链问题？可能是新竞争对手？或涨价？是所有这些？那些问题本应是任何销售分析的自然后续。
但缺乏对多种潜在原因的深度洞察，业务领导和数据专业人士常互相指责浪费时间和资源而离场。
增强分析演进
为寻找上述语境，一些企业转向AI。它们报告成功，归功于AI检测无数部门、应用和流程间关系和依赖的能力。那些关系存在于电子表格或传统数据库未列出、当然也不在公司组织架构图中的新数据类型中。
巴布森学院分析和IT大师Tom Davenport在近期《哈佛商业评论》文章中探讨了这些新数据类型，合著者为Oracle分析产品战略副总裁Joey Fitts。
“AI使分析能自动纳入并处理来自广泛来源的重要语境——其中许多之前需要分析师跨越孤岛和维护不善的目录，”他们写道。
“创新依赖AI和自动化、跨现有信息系统的连接、关于数据和分析将做何决策的基于角色假设。最终，它们可准备洞察和建议直接交付给决策者，无需分析师预先准备。”
为分析项目找到正确数据太常是手动练习，据Davenport和Fitts所述。
“这需要大量关于什么数据适合你分析及在哪能找到的知识，许多分析师缺乏更广语境知识。然而，分析甚至AI应用越来越能提供语境。这些能力现在常被关键厂商纳入其事务系统产品，如企业资源规划（ERP）和客户关系管理（CRM）。”
这种添加语境能力部分依赖通过AI使用“智能数据发现”和增强分析的自动化。
2017年Gartner定义增强分析为“使用机器学习和AI等赋能技术协助数据准备、洞察生成和洞察解释，以增强人们在分析和BI平台中探索和分析数据的方式。”
未来学家Bernard Marr补充：“增强分析描述数据从原始源自动获取、清洗并以无偏方式分析、用自然语言处理人类可理解方式在报告中沟通的过程。”
公民数据科学家登场
Davenport和Fitts引用大型保险公司实施此新分析方法的例子。他们说新人力资本系统“包含人力资源KPI、最佳实践基准、监控HR趋势能力如多样性和流失率。具有这些能力的新企业报告工具仅八周就在全公司推出。”
AI和分析这一演进似乎为新一代公民数据科学家铺平道路。
如果后者术语耳熟，是因为给非技术业务专业人士高级分析能力的概念已酝酿五年。
期间公民数据科学遭遇一些分析专业人士抵制，他们不信任业务用户使用其工具，即使业务用户经历中年数据科学培训。原始概念也不太可能跨越拥有数千应用的企业规模化。
但这个新版公民数据科学似乎利用了Davenport讨论的“新数据类型”。发现和利用部门、流程、数据类型间关系的繁重工作很大程度上由AI模型完成。那些模型仍由数据科学家构建。“公民”则可做他们最擅长的事：提出AI可能更擅长回答的业务问题。
物联网技术