文章目录[隐藏]
人工智能 (AI)已经出现了，而且它一直在变得越来越智能。对许多人来说，一提到人工智能，就会联想到《终结者》的形象。至少，它让许多人想到机器和机器人会扰乱劳动力，并取代工作。虽然后者可能并非完全不可能，但DataFocus正在将人工智能的这一面留给硅谷和约翰康纳。相反，我们正在兴奋地监控和利用商业智能中的人工智能。
人工智能的历史与爆炸
在基础层面，人工智能是基于计算机的系统，最终会自我学习和适应。换句话说，它是一个广义的概念，即机器能够以人类认为“聪明”的方式执行任务。
这个概念并不新鲜：希腊神话中就有模仿人类行为的机械人的故事。这个术语和科学也不新鲜：最早的人工智能研究工作之一发生在 60 多年前的达特茅斯学院。虽然人工智能的历史悠久，但在过去几年里，人工智能领域的投资出现了指数级增长。
随着人工智能的扩展，出现了各种新的术语和类别。如今，具有智能行为的设备通常被分为两类AI——应用人工智能或通用人工智能。应用人工智能是最常见的类型。应用人工智能系统旨在执行智能交易股票或驾驶自动驾驶汽车等任务。
第二种属于广义人工智能。理论上，这些系统和设备可以处理任何任务。广义的人工智能近来备受关注，特别是在机器学习的发展方面，它被认为是下一波人工智能. 虽然人工智能是计算机科学的一个分支，致力于构建具有智能行为能力的机器，但斯坦福大学将机器学习定义为“让计算机在没有明确编程的情况下采取行动的科学”。越来越多的理论认为，你需要人工智能专家来构建智能机器，需要机器学习专家让它们真正变得智能。所有这一切都得益于神经网络的发展，神经网络是一种通过像人脑一样对信息进行分类来工作的计算机系统。神经网络和自然语言处理正在促进高级系统的理解、学习、预测、适应和潜在自主运行。
科技和投资行业也注意到了这一点。科技领域的人工智能在 2016 年尤为热门。谷歌、Facebook、苹果和微软都推出了数十种人工智能驱动的产品和服务。近期发布的一些产品和 2016 年的头条新闻包括：
- 今年7月，微软旗下的热门电子游戏《我的世界》开始允许计算机科学家和业余爱好者利用其虚拟景观评估和开发 AI 软件
- 亚马逊网络服务公司推出了一项人工智能服务。
- Salesforce 推出了Salesforce Einstein：一种分析数据以识别营销和销售趋势的人工智能系统。
- 各个部门都感受到人工智能的好处：Demandbase 最近的一项调查发现，“80% 的营销主管预测，到 2020 年人工智能将彻底改变营销方式”
- 有一个标题真正引起我们的 BI 的关注：Gartner 将人工智能和高级机器学习列为2017 年十大战略技术趋势中的第一大趋势。
这个列表仅提供了迄今为止在人工智能领域中发生的一小部分事情。还有更多即将发生的事情。
商业智能和人工智能：完美集合
先进的机器学习和人工智能令人兴奋，而且绝对具有颠覆性。毫无疑问，我们会在整个业务和个人生活中感受到这种影响。这些进步将对商业智能中的人工智能产生具有革命性的影响。从历史上看，BI 工具的主要工作一直都是回答“发生了什么”问题。交互式仪表板和挖掘数据以查看“为什么会发生”的能力使 BI 变得至关重要。最初，仅仅获得对这些业务数据的访问权并能够回答“是什么以及为什么”的问题就足以改变业务模式。但现在，这越来越不够了。
为了在日益复杂的市场中竞争，企业现在都在寻求“接下来会发生什么”的问题回答。AT Kearney Inc. 运营实践的合伙人 Sameer Anand 一直在关注这一趋势：“我们看到的是，公司正在考虑预测性和预见性，我认为这将更多的是人工智能而不是 BI。” 企业正在转向提供集成智能警报的实时仪表板的业务分析。大多数像这样的创新 BI 功能都是由人工智能驱动的：欢迎来到 AI+BI 的世界。
这些现代化BI 软件 现在可以帮助监控最重要的指标和信息。更好的是，一旦发生意外事件或达到预定目标时，它们就会自动提醒用户。创新的业务仪表板利用基于人工智能的底层算法。这些算法不断从数据集中的历史趋势和模式中学习。所有这些都使得异常现象，特别是在具有高季节性的数据集中，能够得到高精度的识别。
上述这些都使 BI 和 AI 成为了绝配。从历史上看，BI主要是一种描述性和诊断性的活动，其最终目标是了解历史表现。为此，经常执行手动的、耗时的且昂贵的过程来生成报告/仪表板。然后花费大量时间查看表格和数据可视化，以获得洞察并挖掘趋势和问题。这就是人工智能发挥作用的地方。当一个过程是手动的、耗时的和昂贵的时，人工智能的应用就可以成熟了。通过人工智能，商业智能平台超越了描述性和诊断分析，转向自动化分析，突出数据中的重要事实和假设。
人工智能如何改进商业智能工具中的警报
集成 AI和BI 的最佳方法之一是在实时仪表板中嵌入的人工智能驱动警报。让我们仔细看看您可以在DataFocus系统中如何实现告警。
第一种警报类型是阈值告警。这些基本警报允许用户定义一个绝对或相对范围，在该范围内跟踪的KPI 可以在不启动警报的情况下下降。一旦测量值超出预定义的阈值，将立即通知所选用户。这使企业能够迅速采取行动，提前应对任何问题。阈值警报可以进一步细分为：
- 绝对值告警：当观察值低于或超过定义的绝对值时触发。这对于在达到某些目标（例如您的销售配额）时进行通知比较有用。
- 相对值告警：当观测值与其先前值的百分比差异低于或超过定义的范围时触发。当您想要跟踪网站上的访问者数量时，这非常有用。例如，当您的网站上的访问者与昨天相比减少 50% 时，相对值警报会通知用户。像这样的告警可能会指出您可能会阻止流量的网站问题。再一次，这样的警报可以领先于影响其帝乡的问题。
未来是现在
商业智能中的人工智能通过人工智能驱动的告警得到见证，通过在发生事情时立即发出告警来帮助企业保持对关键成功因素的控制。更令人兴奋的是，我们只是处于人工智能和先进机器学习的最前沿。当与创新的业务仪表板相结合时， 这些人工智能的进步将继续改变商业智能领域。所有这一切都使企业摆脱耗时的数据挖掘过程以发掘趋势，并对已经代价高昂的问题做出反应。
Comments | NOTHING