AI是否会扩大商业智能与分析的范围

　　根据Gartner[1]的分析，商业智能(BI)生产线已经断裂。在普通的组织中，BI的利用率仅为30%。上述利用率指的是使用BI系统的所有用户，包括：系统管理员、生成报告的分析师、以及利用报告来改善决策的商业用户。BI系统低利用率意味着普通雇员被排除在系统之外，无法利用数据来作出更好的决策。不可否认的一点是，如果无法充分利用数据资产制定决策，经营绩效与企业创新也将蒙受不良影响。

　　那么，BI作业线对低利用率又将产生什么积极影响呢?如今，BI作业线仍然高度依赖于拥有不同技能的各个工种间的相互协作，生成报告或分析仪表盘，协助商业用户作出更好的决策。但是，这一过程漫长且昂贵。此外，由于生产线工人无法完全理解业务等因素，BI作业线最后提交给商业用户的报告可能会不完整，或晦涩难懂。例如，商业用户常常会提出许多报告内容范围之外的问题。当出现上述情况时，商业用户往往会产生挫败感、并提出更多的数据及分析需求。因此，BI作业线则需再次启动运作。

　　图1：当今的BI系统：业务问题的提出涉及到诸多岗位与任务

　　由于商业用户满意度不足，这一生产线限制了BI的利用率。除此之外，因为数据量与数据复杂程度急速增长、且所有组织都需要前所未有的、快速的可执行洞察来保持竞争力，现有的生产线并不具有可拓展性。随着AI使用机器学习自动化技术的主流的到来，不同的软件性能，特别是BI的性能都将得以提升。在现有系统已经了解所需获取数据内容的前提下，AI将赋予系统处理分析数据、为商业用户直接提供最佳的可执行洞察的能力。从此之后，商业用户将无需对数据进行切块，或提出更多的数据需求来解答业务问题。换而言之，AI能够快速为商业用户提供他们所需的答案以实现BI生产线的现代化、扩大BI与数据分析的范围并提升两者的价值。

　　图2：AI赋能BI：系统产生答案

　　麦肯锡[2]表示：通过使用AI技术提升产品组合，技术公司可能会实现高达10%的收入增长。那AI又是怎么运用到BI技术解决方案当中呢?由于AI具有预测下一步能够采取的最佳措施或行动的能力，AI不仅能够促进BI生产线实现自动化，而且还能够消除过程中的人类偏见，以提供最佳的可执行洞察方案。对于BI供应商来说，被AI赋能的BI将止步于“访问与报告”阶段的客户推动到“数据分析”阶段。

　　图3：Davenport与Harris分析竞争中的“商业智能与分析”

　　AI与BI系统两者均通过机器学习实现预测。这一共同点也意味着BI行业能在成功使用并应用AI技术的潮流中抢占先机。如今，BI供应商已经在产品中采用AI技术来实现数据准备、数据发现与数据科学。因此，在BI生产线对IT、数据工程师、BI管理员、分析师以及数据科学家依赖程度减少的情况下，客户能感受到洞察质量的提高与时间的缩短。

　　阅读文章《AI提高BI性能的6大领域》，了解Forrester的立场

　　面临着AI技术的创新以及未来更多新技术 的涌现，这一文章回避了以下问题：有了能够为业务问题提供最佳答案的AI后，BI行业能够彻底改变，并实现BI生产线的现代化吗?

　　图4：AI赋能BI：企业用户向系统提出问题

　　为了更好理解AI的影响，我们不妨回顾一下BI工具的演进史，了解它们是如何解决数据与分析挑战、这些工具的不同、以及AI解决BI固有问题的潜力：可执行洞察的时机

BI问题的症结并未改变

　　1865年，理查德·米勒·德文斯(Richard Millar Devens)提出了“商业智能”(BI)一词。他用这个词来描述银行家通过收集信息并根据这些信息，先于竞争对手采取行动，从而实现获利的行为。在当代社会中，BI是使用相关技术收集并分析数据、将其转化成有用信息，并在实际竞争发生前采取行动的行为。

　　在1970年，也就是BI概念诞生不到100年后，埃德加·科德(Edgar Codd)意识到BI存在的一大问题：只有那些具备专业技能的人，才能将数据转化成可用的信息。当时，多源数据通常以“数据孤岛“的方式储存，研究报告呈碎片化，彼此脱节，且可以作出多种不同的解读。随后，埃德加发表文章，提出建立“关联式数据库模型”以解决上述问题。

　　然而到了2018年，同样的问题仍然存在。BI工具的报告模式仍然要求资深分析师必须完全理解业务，才能集合正确的报告与仪表盘，为企业的决策制定者提供有价值的信息。但是，企业的决策制定者往往需要准备的报告内容外的更多信息，否则，他们在作出决策之前，可能要花费过多的时间分析解读信息。以下是按照时间序列呈现的BI领域的创新。这些创新措施旨在使数据和分析结果变得更为可用、更具效率与价值。

　　图5：随着时间的推移，BI与分析试图增加可操作洞察力的范围

AI能够突破诸多BI限制，打破过往魔咒，变革BI产业吗?

　　诚然，通过智能自动化技术为企业用户提供精准、可实施洞察，AI具有大幅减少甚至消除手工作业的优势。但是，我们目前还处于完全自动化的初期。此外，出于好奇的天性，人类目前仍想知道AI目前还不一定会提供的预测背后的原因。

　　此外，由于机器出现故障的可能性仍然存在，因此AI不能完全取代所有的手工作业。人类还需在这一过程中扮演一定的作用。例如，癌症诊断结果的偏差会导致重大的情感抑郁、引起不必要的测试甚至导致死亡。在临床领域，AI对于协助医务人员作出决策或为内科医生提供诊断指导具有重大意义，但是AI并不能提供诊断的最终答案。

　　图6：用于建造与部署预测模型的亚马逊机器学习技术

　　AI并非是人与机器间的你争我夺。相反，AI是人与机器共同协作，探索BI以及数据分析的更多可能性。当BI中运用了最先进的AI技术时，供应商将能为用户提供更加智能的指导，并为他们提供更快速更科学的可执行洞察。

　　Infor曾在去年推出提供企业级行业专用人工智能(AI)平台——Coleman，作为为应用程序提供支持的普适性平台，Coleman对数据进行挖掘，并利用强大的机器学习技术优化库存管理、运输路线和预测性维护等流程;Coleman还提供AI驱动的建议，帮助用户更迅速地做出更明智的业务决策。

　　不仅如此，Coleman还可作为智能AI合作伙伴，进一步完善用户的工作。Coleman使用自然语言处理和图像识别技术来聊天、听、说，并能够识别图像，帮助人们更有效地使用技术。 Coleman在Infor CloudSuite中处理海量数据，自动搜索和收集函数，能够承担一个用户每周20%的工作量，显著提高了工作效率。

　　[1] https://www.gartner.com/doc/3753469?ref=ggrec&refval=3803464

　　[2]https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning

　　关于作者

　　鹿崇先生现任Infor大中华区解决方案咨询总监。他在企业应用软件领域有超过15年的实战经验。鹿崇先生自2003年1月加入Infor至今。加入Infor之前，他曾在KPWOOD公司任系统工程师、SSA上海公司任职商业顾问，还曾在迅达电梯担任过项目负责人。鹿崇先生毕业于清华大学管理信息系统专业。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。