Требования цифрового предприятия побуждают к быстрым инновациям в направлении расширенной аналитики

Прежде чем мы углубимся в это, позвольте мне наложить это обсуждение на основную бизнес-тенденцию, которая стоит за некоторыми из этих технологических тенденций. Цифровая трансформация.

«Цифровая трансформация знаменует собой радикальное переосмысление того, как организация использует технологии, людей и процессы для радикального изменения эффективности бизнеса», — говорит Джордж Вестерман, главный научный сотрудник Инициативы Слоуна Массачусетского технологического института по цифровой экономике.

Согласно недавнему опросу ИТ-директоров Gartner, цифровые инициативы и рост доходов являются главными приоритетами для предприятий в 2019 году. Цифровые инициативы сочетают прорывные технологии, такие как большие данные и искусственный интеллект, с существующей инфраструктурой для внедрения инноваций в бизнес-процессы и предоставления новых продуктов и услуг, которые улучшают клиентский опыт и, следовательно, стимулировать рост.

В 2019 году инвестиции в цифровые инициативы охватывают широкий спектр технологий, при этом лидируют решения для аналитики и бизнес-аналитики. Согласно опросу, ожидается, что инвестиции в инструменты аналитики и бизнес-аналитики увеличатся на 45% для поддержки усилий по цифровой трансформации. Технологические лидеры рассматривают аналитику как ключевой компонент успешного предоставления революционных решений для бизнеса. Итак, давайте разберем три основных тренда аналитики на 2019 год и то, как они поддерживают цифровую трансформацию.

Тенденции аналитики 2019 года, на которые стоит обратить внимание

По данным Forrester, организации, ориентированные на аналитику, растут на 30 % быстрее, чем их менее информированные коллеги.

1. Аналитика достигает остальных 78%

В прошлом аналитика самообслуживания обещала предоставить бизнес-командам аналитику, но реальность показывает, что традиционная BI, даже с самообслуживанием, достигает уровня внедрения менее 25%. Существует множество причин такой анемичной производительности, но, говоря простым языком, это связано с тем, что бизнес-пользователи должны слишком хорошо разбираться в том, как создаются данные, и посвящать драгоценное время изучению нового приложения.

В результате большинство бизнес-пользователей полагаются на других, чтобы ответить даже на основные вопросы, что может означать, что они ждут дни, если не недели, для результата. Если только 25% вашей организации имеют доступ к аналитике, практически невозможно стать организацией, управляемой данными.

Чтобы решить эту проблему, в 2019 году больше аналитических платформ будут интегрировать Natural Language в свои платформы. Обработка естественного языка (NLP) обещает перевернуть аналитику самообслуживания с ног на голову, сосредоточившись на предоставлении решений для нетехнических бизнес-пользователей, то есть для остальных 78%.

Что такое обработка естественного языка?

Обработка естественного языка (NLP) — это форма глубокого обучения ИИ, которая позволяет компьютеру понимать человеческий язык. В прошлом нам приходилось изучать компьютерные языки, такие как C++, Javascript и т. д., чтобы компьютерная программа могла делать то, что мы от нее хотели. Обувь, наконец, на другой ноге! С помощью НЛП компьютеры изучают наш язык, английский, французский, китайский и т. д. и интерпретируют ключевые элементы предложения, чтобы понять намерение. Анализ настроений — хороший пример того, как сегодня НЛП используется в аналитике для понимания утверждение. Совсем недавно у НЛП появился голос. Назовите ее Сири или Алекса, но за кулисами очень сложное НЛП, которое учится каждый раз, когда вы с ней разговариваете.

Естественный язык BI позволяет бизнес-пользователям задавать вопросы на человеческом языке и получать ответы, как правило, в виде динамически генерируемой диаграммы. Они могут задавать дополнительные вопросы для более глубокого изучения и запуска сценариев что, если без необходимости понимать, как создаются данные. Что еще более важно, взаимодействие с аналитикой данных может выполняться в приложениях, с которыми ваши бизнес-пользователи уже знакомы, например Slack, с использованием API-интерфейсов NLP. При правильном подходе Natural Language BI обещает восполнить пробел в данных для бизнес-пользователей и обеспечить гибкость данных, необходимую для раскрытия информации, которая может преобразовать бизнес.

2. Ребрендинг самообслуживания BI в расширенную аналитику

Добавление NLP к платформам BI — это только первые изменения, которые мы увидим в 2019 году, ориентированные на нетехнических бизнес-пользователей и в поддержку усилий по цифровой трансформации.

Допустим, вы управляете SaaS-компанией. Как и во всех SaaS-компаниях, важным показателем, на который вы обращаете пристальное внимание, является уровень оттока. С запросами на естественном языке вы можете задать вопрос вроде «Каков был мой показатель оттока за последние три квартала». Очевидно, что вы пытаетесь понять, вызвали ли предпринятые вами действия какие-либо изменения (хорошие или плохие) в вашем коэффициенте оттока. Однако вопрос, который вы хотите задать, звучит так: «Что мне следует изменить, чтобы снизить уровень оттока?»

Ответ на этот вопрос находится на стыке ИИ и НЛП. НЛП позволяет задать вопрос на простом английском языке, а ИИ отвечает на вопрос. Именно здесь ИИ и BI объединяются для создания чего-то нового — дополненной аналитики.

В 2019 году аналитические платформы будут серьезно двигаться к использованию искусственного интеллекта/машинного обучения для подготовки данных для анализа, их анализа и интерпретации результатов в прогнозные данные, которые можно использовать для принятия мер.

3. Аналитические платформы становятся умнее в отношении обнаружения данных

Данные становятся все более сложными и рассредоточенными. Предприятия переполнены данными, но ИТ-отдел по-прежнему пытается найти способы их сбора из различных источников и своевременного предоставления их бизнесу, чтобы извлечь из них выгоду. Текущий статус-кво заключается в привлечении нескольких команд для перемещения, агрегирования, преобразования и подготовки необработанных данных перед их использованием для машинного обучения или аналитики. Это означает, что вы применяете машинное обучение к уже предвзятым данным, созданным на основе заданных вопросов.

По прогнозам Gartner, к 2020 году современные платформы бизнес-аналитики с расширенными возможностями обнаружения данных будут расти в два раза быстрее, чем все другие современные платформы бизнес-аналитики.

2019 год знаменует собой переломный момент для аналитики, поскольку машинное обучение/ИИ становятся все более распространенными, а традиционное извлечение, преобразование и загрузка данных в платформы аналитики теряют смысл. Данные и бизнес, подталкиваемые новой цифровой инициативой, движутся слишком быстро, чтобы ждать недели, пока будут построены конвейеры данных. Мы вступили во время, когда гибкость данных имеет решающее значение для успеха, а это означает, что старый способ настраиваемого кодирования конвейеров данных или создания жестких схем для централизованных хранилищ данных / озер данных нуждается в переосмыслении.

В 2019 году больше поставщиков аналитических решений расширят свои возможности управления данными. Новые подходы, такие как интеллектуальное обнаружение данных, которое применяет машинное обучение/ИИ к необработанным данным для автоматического обнаружения соответствующих взаимосвязей и корреляций данных, станут более распространенными. Цель использования ИИ здесь состоит в том, чтобы увеличить человеческий компонент таким образом, чтобы уменьшить непреднамеренную предвзятость, создаваемую манипулированием данными при их подготовке для аналитики. Используя интеллектуальное обнаружение данных на необработанных данных, становится возможным выявить соответствующие идеи без какого-либо предубеждения относительно ответа или, возможно, даже вопроса.

Ингибиторы

Внедрение технологии — это только часть битвы, в ней участвуют и другие движущиеся части. Ниже приведены некоторые потенциальные сдерживающие факторы, которые необходимо устранить одновременно с внедрением технологий, если бизнес-лидеры надеются продвинуть свои усилия по цифровой трансформации в 2019 году.

ИИ Траст

ИИ — это черный ящик, и то, что он имеет одобрение «ИИ», не означает, что результату можно доверять. Руководители предприятий спросят, как вы пришли к тому или иному выводу. Сказать «ИИ сказал мне», вероятно, будет недостаточно, чтобы убедить кого-либо принять меры. Возможность объяснить, как вы пришли к конкретной рекомендации, потребуется, прежде чем кто-либо будет доверять ИИ, стоящему за ней.

Этика данных

Этика данных является главной темой для многих, поскольку законы о конфиденциальности данных и использовании данных, такие как GDPR, вступают в силу в 2018 году. Кроме того, использование персональных данных для подачи «фейковых новостей» может привести к тому, что аналогичное законодательство будет применяться в более глобальном масштабе. В результате тема этики данных больше не ограничивается сбором данных, но также применима к тому, как используются данные и полученные результаты. Чем больше данных попадает в руки большего числа людей, тем важнее становится дополнительное обучение тому, что можно и чего нельзя делать при использовании данных, чтобы избежать нежелательного появления в новостных циклах.

Грамотность данных

Мы много говорили о том, как технологии помогают достичь оставшихся 78%, но в уравнении по-прежнему присутствует человеческий фактор, который может обеспечить успех или разрушить его. Развитие культуры, основанной на данных, в вашей организации означает не только предоставление инструментов, но и разработку процессов и обеспечение необходимого обучения грамотности в отношении данных. Обучение грамотности данных гарантирует, что каждый знает, как проводить эксперименты и создавать убедительные истории, используя данные, чтобы выдвигать убедительные аргументы для принятия мер.

Вывод

Этот год будет интересен во многих отношениях, но в основном в том, как поставщики аналитических решений, новые и старые, начинают использовать ИИ во благо, уровень противодействия в ведущих организациях и соответствующие последствия для дорожных карт продуктов. Я думаю, что технологии сейчас развиваются быстрее, чем бизнес, и рост беспокойства, который ИИ вызывает у руководителей аналитики, приведет к замедлению его внедрения. Некоторые прогнозы об уровне влияния ИИ на рынок звучат слишком агрессивно, по крайней мере, для меня. Тем не менее, движение безошибочно. Если вы можете влиять на стратегию аналитики вашей организации, имеет смысл подготовиться к миру дополненной аналитики. Начните оценивать влияние внедрения расширенной аналитики на архитектуру данных и краткосрочные технологические решения. В то же время полюсом цифровой трансформации, скорее всего, будут процессы и люди, а не технологии. История доказала, что люди умеют подавлять инновации, поэтому чем раньше вы начнете проповедовать расширенную аналитику, вдохновлять воображение, а не внушать страх, тем больше вероятность того, что ваши усилия по цифровой трансформации увенчаются успехом в масштабах всего предприятия и фактически изменят то, как работает ваш бизнес.