В то время как основные игроки продолжают делать ставку на модель производителя и исследователя для доступа к данным, революция уже на подходе, подпитываемая тремя основными факторами: стартапами, машинным обучением и естественным языком. Вот как предприниматели и технологии меняют то, как мы занимаемся бизнес-аналитикой, и меняют парадигму старой отрасли.
1 — Стартапы
С более широким кругом бизнес-пользователей, которым требуются удобные способы выполнения аналитики, и Gartner, представляющим мнения, подобные этому, в Magic Quadrant для бизнес-аналитики и аналитики:
«Ожидается, что в течение следующих нескольких лет поставщики решений для бизнес-аналитики начнут быстро догонять рынок виртуальных персональных помощников. Первоначально поставщики средств бизнес-аналитики будут включать базовые голосовые команды для своих стандартных интерфейсов, после чего будет выполняться обработка голосового или текстового ввода на естественном языке в SQL-запросах. В конечном итоге появятся «персональные аналитические помощники», которые понимают пользовательский контекст, предлагают двусторонний диалог и (в идеале) поддерживают диалог».
Можно было бы ожидать, что поставщики BI будут гоняться за новыми способами взаимодействия с данными, но стартапы лидируют. Цель состоит в том, чтобы сделать аналитику данных, даже более сложную, доступной для любого пользователя, в том числе нетехнического. Эти стартапы стремятся предоставить бизнес-пользователям данные, и они уже определили, как они собираются это делать.
Как Gartner упоминает выше, стартапы сосредотачиваются на двух типах интерфейсов: один больше похож на Google, когда люди вводят запросы в поле поиска, а другой больше похож на диалогового бота.
Оба они основаны на машинном обучении и естественном языке. Принцип прост: пользователи взаимодействуют с инструментом BI с помощью естественного языка, а система использует машинное обучение, чтобы научиться выполнять анализ данных. Это необходимо для реализации обещаний искусственного интеллекта — компьютеров, обучающихся и производящих автономную работу.
Все начинается с данных, топлива двигателя, того, как система может научиться выполнять задачу и что будет преобразовано для получения информации.
Для этого мы используем машинное обучение. Он использует данные, чтобы узнать, как выполнить конкретную задачу. В этом случае машинное обучение помогает платформе понять, как она должна запрашивать данные, чтобы предоставить пользователям желаемый результат. Это также помогает автоматизировать анализ и такие задачи, как создание диаграмм.
3 — Естественный язык
Вдобавок ко всему этому есть обработка естественного языка. Естественный способ получить ответы — спросить, так почему же мы не можем сделать то же самое с нашими данными? Как было сказано ранее, стартапы используют два разных подхода: первый — это диалоговые боты, где в среде, похожей на чат, вы можете спросить: «Бот X показывает мне новых, а не постоянных посетителей моего веб-сайта»; другой представляет собой интерфейс, похожий на Google, где вы можете вводить запросы в поле поиска. Запрос может быть таким же, как мы только что упомянули выше, за исключением «Bot X, покажи мне…».
Будущее должно быть смесью двух. Хотя боты больше похожи на помощника по аналитике, они также более ограничены, когда дело доходит до представления результатов, поскольку это дает меньше свободы для изменения визуализации, устранения двусмысленности и т. д.
Независимо от того, общаемся ли мы с обоими или запросы в поле поиска, в обоих случаях мы используем простой язык, чтобы сообщить системе, что мы хотим знать. Это демократизирует пользовательский интерфейс, позволяя любому пользователю взаимодействовать с данными.
Кроме того, поскольку мы используем машинное обучение, чем больше мы взаимодействуем с системой, тем больше она учится у нас и улучшает результаты.
Все это даст представление о том, где пользователи могут действовать, принимая стратегические решения, основанные на данных.
Взаимодействие с данными с использованием простого языка — это то, что все больше и больше компаний ищут как способ решения проблем с внедрением инструментов бизнес-аналитики и повышения отдачи от инвестиций, которые они вложили в сложные и дорогие платформы.
Вопрос только в том, сколько времени потребуется, чтобы эти интерфейсы на естественном языке и ИИ стали нормой.
Первоначально опубликовано на wizdee.com 26 июля 2016 г.
