隨著人工智能(AI)和機(jī)器學(xué)習(xí)(ML)開始走出學(xué)術(shù)界進(jìn)入商業(yè)世界，人們開始關(guān)注如何幫助商業(yè)智能(BI)。使用自然語(yǔ)言搜索來幫助管理人員更快地調(diào)查企業(yè)信息、執(zhí)行分析和定義業(yè)務(wù)計(jì)劃的系統(tǒng)有很大的潛力。在前面討論“自助”商業(yè)智能(BI)的專欄文章中，簡(jiǎn)要地提到了ML可以幫助BI的兩個(gè)重點(diǎn)領(lǐng)域。雖然用戶界面和用戶體驗(yàn)(UX)很重要，但可見性只是冰山一角。提供給用戶體驗(yàn)的數(shù)據(jù)更加重要。

人工智能和機(jī)器學(xué)習(xí)可以幫助解決這個(gè)挑戰(zhàn)。

一切從數(shù)據(jù)開始

雖然大型機(jī)仍然存在，但控制所有數(shù)據(jù)和信息的大型機(jī)時(shí)代已經(jīng)一去不復(fù)返了。上世紀(jì)90年代，人們?cè)噲D建立數(shù)據(jù)倉(cāng)庫(kù)，但信息是一種流動(dòng)性強(qiáng)的商品，存在于太多地方，無法像一些人希望的那樣，讓倉(cāng)庫(kù)成為“真理的單一版本”。今天的數(shù)據(jù)湖只是把數(shù)據(jù)存儲(chǔ)在類固醇。它將會(huì)有所幫助，但它將不再是一個(gè)單一的存儲(chǔ)庫(kù)，就像以前的嘗試一樣。

數(shù)據(jù)存在于如此多的系統(tǒng)中，而物聯(lián)網(wǎng)和云計(jì)算的發(fā)展意味著數(shù)據(jù)不斷地遠(yuǎn)離本地計(jì)算的核心。追蹤所有數(shù)據(jù)并決定什么是信息是一個(gè)日益復(fù)雜的問題。

因此，隨著現(xiàn)代數(shù)據(jù)爆炸，企業(yè)面臨三個(gè)關(guān)鍵問題:

數(shù)據(jù)在哪里?

l 哪些數(shù)據(jù)重要到可以作為信息進(jìn)行跟蹤?

l 哪些人應(yīng)該擁有訪問所有這些信息的權(quán)限?

如果不解決這些問題，業(yè)務(wù)將面臨風(fēng)險(xiǎn)，原因是基于不準(zhǔn)確的數(shù)據(jù)和日益強(qiáng)大的數(shù)據(jù)導(dǎo)向的糟糕決策。

不要重新發(fā)明輪子

面對(duì)挑戰(zhàn)，我們需要一個(gè)解決方案。幸運(yùn)的是，我們沒有必要從零開始。相反，在軟件的其他領(lǐng)域中，一些技術(shù)可以利用和適應(yīng)這個(gè)問題。ML概念和其他工具可以從IT的其他領(lǐng)域借鑒來幫助遵從性和業(yè)務(wù)決策。

機(jī)器學(xué)習(xí)正在網(wǎng)絡(luò)和應(yīng)用安全領(lǐng)域取得進(jìn)展。經(jīng)過訓(xùn)練的深度學(xué)習(xí)系統(tǒng)正在調(diào)查事務(wù)，以尋找異常現(xiàn)象并識(shí)別攻擊和其他安全風(fēng)險(xiǎn)。與此同時(shí)，移動(dòng)設(shè)備的爆炸式增長(zhǎng)和SaaS應(yīng)用程序的增長(zhǎng)也在推動(dòng)資產(chǎn)管理系統(tǒng)的發(fā)展，以更好地理解與企業(yè)網(wǎng)絡(luò)和基礎(chǔ)設(shè)施相連接的物理和知識(shí)產(chǎn)權(quán)資產(chǎn)。

這些技術(shù)可用于查詢尋找數(shù)據(jù)源的網(wǎng)絡(luò)節(jié)點(diǎn)，以幫助構(gòu)建改進(jìn)的企業(yè)元數(shù)據(jù)模型。可以詢問網(wǎng)絡(luò)上的事務(wù)，以獲得新的信息和適當(dāng)?shù)氖褂谩?

通過數(shù)據(jù)管理幫助自助服務(wù)

非常重要的是，ML系統(tǒng)可以幫助改進(jìn)對(duì)數(shù)據(jù)的訪問，同時(shí)管理遵從性。在BI中，發(fā)現(xiàn)異常和識(shí)別風(fēng)險(xiǎn)是不夠的。如果分析真的要變成自助服務(wù)，那么快速獲取信息是必要的。

在今天的模型中，法規(guī)遵循規(guī)則和分析師決策設(shè)置了雇員對(duì)數(shù)據(jù)庫(kù)和特定字段的訪問。這極大地限制了自助服務(wù)，原因很簡(jiǎn)單:我們無法預(yù)先想象所有的需求。

由于NLP為人員提供了一種查詢業(yè)務(wù)信息、理解業(yè)務(wù)流程和發(fā)現(xiàn)業(yè)務(wù)數(shù)據(jù)之間的新關(guān)系的簡(jiǎn)單方法，因此經(jīng)常會(huì)出現(xiàn)基于直覺和洞察力的想法。經(jīng)理會(huì)問一個(gè)她以前沒有考慮過的數(shù)據(jù)或關(guān)系問題，請(qǐng)求還不能訪問的數(shù)據(jù)，或者試圖擴(kuò)展硬設(shè)置的信息邊界。

在傳統(tǒng)的過程中，這意味著調(diào)查突然停止，電子郵件必須發(fā)送到它，討論必須發(fā)生，然后系統(tǒng)必須調(diào)整以允許新的訪問規(guī)則。

ML系統(tǒng)可以顯著地加快這個(gè)過程，使用規(guī)則和經(jīng)驗(yàn)快速查找新數(shù)據(jù)，查看現(xiàn)有數(shù)據(jù)是否符合法規(guī)遵循規(guī)則，并允許立即訪問，或者標(biāo)記法規(guī)遵循官員要求立即審查的請(qǐng)求。

這個(gè)挑戰(zhàn)比現(xiàn)在在UX中的變化更復(fù)雜，但是這個(gè)挑戰(zhàn)同樣重要。如果沒有一種快速的方法來理解回答問題的信息位于何處，以及決定提問者是否有權(quán)知道答案，那么經(jīng)理問問題的難度就不重要了。

在當(dāng)今的分布式世界中，機(jī)器學(xué)習(xí)提供了更好地管理企業(yè)信息的潛力。當(dāng)行業(yè)在考慮如何提出更好的問題時(shí)，它需要考慮如何定位和管理提供答案的信息。