人工智能如何将数据分析置于上下文中

人工智能和增强分析的进步意味着企业团队可以更有效地将他们的数据放入上下文中。

自从大数据成为流行语之前，就有一个让商业领袖和数据专业人士感到沮丧的挑战。这是分析中缺乏上下文。

看看这个用例是否听起来很熟悉。一位业务负责人最初要求分析区域销售下滑的原因，一位数据分析师努力工作了几个月，建立模型、提取数据并为业务方开发报告。

问题

当结果回来时，结果令人失望的是单维度的，从未证实销售放缓背后的真正“原因”。该报告可能会识别特定产品线或特定销售团队的滑点。但不是两者兼而有之。

缺少的是上下文。没有办法检测到滑点的真正根本原因。是人事、薪酬还是人员流动问题？真的是供应链问题吗？会不会是新的竞争对手？或者，这是否类似于价格上涨？都是这些吗？这些问题将是任何销售分析的自然后续问题。

但是，如果没有深入了解各种潜在原因，业务领导者和数据专家往往会互相指责对方浪费时间和资源。

增强分析的演变

为了找到上面提到的背景，今天一些企业正在转向人工智能。他们报告称，这要归功于 AI 能够检测到无数部门、应用程序和流程之间的关系和依赖关系。这些关系的存在体现在电子表格或传统数据库中没有列出的新数据类型中，当然也没有在公司组织结构图中。

巴布森学院的分析和 IT 专家 Tom Davenport 在最近的哈佛商业评论文章中研究了这些新数据类型，该文章由 Oracle 分析产品战略副总裁 Joey Fitts 合着。

他们写道：“人工智能使分析能够自动整合和处理来自广泛来源的重要上下文——其中许多以前需要分析师导航孤岛和维护不善的目录。”

他们补充说：“这些创新依赖于人工智能和自动化、现有信息系统之间的连接，以及基于角色的关于数据和分析决策的假设。最后，他们可以准备好洞察力和建议，直接提供给决策者，而无需分析师提前准备。”

根据 Davenport 和 Fitts 的说法，为分析项目寻找正确的数据往往是一项手动操作。

他们写道：“这需要广泛了解哪些数据适合您的分析以及在哪里可以找到这些数据，而许多分析师缺乏对更广泛背景的了解。然而，分析甚至人工智能应用程序可以越来越多地提供上下文。这些功能现在经常被主要供应商纳入其交易系统产品中，例如企业资源规划 (ERP) 和客户关系管理 (CRM)。”

这种添加上下文的能力部分依赖于使用“智能数据发现”和增强分析通过人工智能实现的自动化。

2017 年，Gartner 将增强分析定义为“使用机器学习和 AI 等支持技术来协助数据准备、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 补充说：“增强分析描述了自动从原始数据源获取数据、以公正的方式清理和分析数据并使用人类可以理解的自然语言处理在报告中进行交流的过程。”

进入公民数据科学家

Davenport 和 Fitts 举了一个例子，说明这种新的分析方法是如何被一家大型保险公司实施的。他们表示，新的人力资本系统“包括人力资源 KPI、最佳实践基准以及监控人力资源趋势的能力，例如多样性和流失率。仅在八周内，就在整个公司推出了具有这些功能的新企业报告工具。”

人工智能和分析的这种演变似乎为新一代公民数据科学家铺平了道路。

如果后一个术语听起来很熟悉，那是因为为非技术业务专业人士提供高级分析能力的概念已经流行了五年。

在那个时候，公民数据科学遇到了一些分析专业人士的抵制，他们不信任业务用户的工具，即使业务用户已经接受了数据科学的职业中期培训。最初的概念也不太可能在拥有数千个应用程序的企业中扩展。

但是这个新版本的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、流程和数据类型之间的关系的繁重工作有望在很大程度上由 AI 模型完成。这些模型仍将由数据科学家构建。然后，“公民”可以做他们最擅长的事情，提出可能更擅长回答的商业问题。