人類每天都在產(chǎn)生海量的數(shù)據(jù)。不僅數(shù)據(jù)的總量在增加，數(shù)據(jù)的類型也在增加，而且存儲(chǔ)和生成數(shù)據(jù)的應(yīng)用程序也在增加。以往采用的商業(yè)智能工具無法處理大量數(shù)據(jù)，并且它們還發(fā)現(xiàn)難以處理來自新應(yīng)用程序的數(shù)據(jù);為了使原有的商業(yè)智能工具適合新的應(yīng)用程序，通常需要進(jìn)行大量的人工調(diào)整。因此，使用商業(yè)智能工具的企業(yè)可能會(huì)錯(cuò)過現(xiàn)在可用的數(shù)據(jù)驅(qū)動(dòng)的見解。
探索人工智能和商業(yè)智能之間的六個(gè)主要區(qū)別
傳統(tǒng)的商業(yè)智能已經(jīng)不能滿足企業(yè)數(shù)據(jù)的數(shù)量、種類和速度的要求，現(xiàn)在是讓新的人工智能工具來彌補(bǔ)不足的時(shí)候了。但是，這種新一代工具與以前的工具有何不同?
(1)數(shù)據(jù)收集與整合
在未來五年，80%的數(shù)據(jù)將是非結(jié)構(gòu)化的數(shù)據(jù)。這些數(shù)據(jù)無法在數(shù)據(jù)庫中分類，因此很難標(biāo)記、搜索和編輯。使用傳統(tǒng)的商業(yè)智能工具，非結(jié)構(gòu)化數(shù)據(jù)位于孤島中，并且即使有的話也要對其進(jìn)行緩慢的分析。數(shù)據(jù)科學(xué)家通常會(huì)花費(fèi)大約80%的時(shí)間準(zhǔn)備這些數(shù)據(jù)，然后才能對其進(jìn)行分析。
使用現(xiàn)代的商業(yè)智能工具，準(zhǔn)備工作將更快、更加自動(dòng)化。無論企業(yè)需要分析哪種數(shù)據(jù)，這些新工具都可以在一個(gè)無縫的數(shù)據(jù)湖中對它們進(jìn)行排序和分類，從而使孤島成為過去。這些工具是自助服務(wù)，使數(shù)據(jù)科學(xué)家可以在數(shù)小時(shí)或數(shù)天之內(nèi)開始接收可操作的情報(bào)，而無需參與IT運(yùn)營。
(2)指標(biāo)覆蓋率
傳統(tǒng)的關(guān)鍵績效指標(biāo)(人工設(shè)置和研究的關(guān)鍵績效指標(biāo))僅覆蓋組織中正在使用的指標(biāo)的3%。實(shí)際上，對于現(xiàn)代企業(yè)而言，只有3%關(guān)鍵績效指標(biāo)的規(guī)模較小。
如果在面向用戶的應(yīng)用程序中出現(xiàn)問題，則很有可能會(huì)以企業(yè)當(dāng)前未涵蓋的指標(biāo)來出錯(cuò)。只要企業(yè)監(jiān)控的關(guān)鍵績效指標(biāo)不會(huì)下降，就無法檢測到錯(cuò)誤或中斷，直到客戶告知企業(yè)這些錯(cuò)誤。相比之下，任何組織都不可能人工監(jiān)控其所有關(guān)鍵績效指標(biāo)，因此采用人工智能可以解決這個(gè)問題。無論企業(yè)生成多少個(gè)指標(biāo)，其數(shù)量級無關(guān)緊要。他們能夠一次提取數(shù)百萬個(gè)指標(biāo)，并且在出現(xiàn)問題時(shí)仍可以提供即時(shí)反饋。
(3)閾值和基準(zhǔn)
傳統(tǒng)的人工警報(bào)實(shí)踐要求數(shù)據(jù)科學(xué)家為關(guān)鍵績效指標(biāo)設(shè)置閾值。當(dāng)關(guān)鍵績效指標(biāo)低于某個(gè)閾值或高于某一個(gè)閾值時(shí)，它會(huì)觸發(fā)警報(bào)。不幸的是，即使在正常行為期間，指標(biāo)也往往會(huì)出現(xiàn)不可預(yù)測的漲跌。即使企業(yè)將基線設(shè)置為高于和低于這些閾值，這也降低了在設(shè)置的閾值內(nèi)仍可能發(fā)生異常行為的可能性。
這種做法也忽略了季節(jié)性，季節(jié)性是在每天、每周或每月的周期中某些指標(biāo)的正常變化。在傳統(tǒng)的商業(yè)智能程序中，所有的季節(jié)性看起來都是異常的，會(huì)導(dǎo)致大量的誤報(bào)和漏報(bào)。
現(xiàn)代分析平臺(tái)采用完全自主的方法進(jìn)行基準(zhǔn)劃分。他們依靠機(jī)器學(xué)習(xí)算法來學(xué)習(xí)指標(biāo)的正常行為并確定其基準(zhǔn)，從而無需進(jìn)行人工閾值處理。
(4)檢測和警報(bào)
建立具有人工警報(bào)的傳統(tǒng)商業(yè)智能系統(tǒng)自然是一個(gè)結(jié)果，那就是警報(bào)太多。警報(bào)疲勞是一個(gè)現(xiàn)實(shí)問題。在某些應(yīng)用中，信息安全人員每天可能會(huì)遇到100多萬次警報(bào)。這使得分析師很難區(qū)分緊急情況和數(shù)據(jù)中的噪音。
在人工智能驅(qū)動(dòng)的報(bào)告中沒有人工閾值。唯一的警報(bào)是“真實(shí)的”警報(bào)——在度量標(biāo)準(zhǔn)中是真正異常行為。即使只靠這種行為，這種行為也大大減少了誤報(bào)。然而，人工智能的發(fā)展遠(yuǎn)不止于此?，F(xiàn)代的商業(yè)智能工具使企業(yè)能夠只對最嚴(yán)重的偏差發(fā)出警報(bào)，從而使企業(yè)的響應(yīng)團(tuán)隊(duì)只關(guān)注最重要的事情。
(5)根本原因分析
異常不會(huì)自行發(fā)生。使用傳統(tǒng)的儀表板，企業(yè)可能看到在監(jiān)視的3%指標(biāo)中出現(xiàn)的一個(gè)異常。不幸的是，企業(yè)將無法看到其他地方出現(xiàn)的異常。反過來，這意味著企業(yè)需要更長的時(shí)間來了解異常發(fā)生的位置以及如何解決。
相比之下，自主分析會(huì)報(bào)告每個(gè)警報(bào)的完整場景。如果在相關(guān)指標(biāo)中同時(shí)發(fā)生兩個(gè)異常，則企業(yè)的警報(bào)將反映出來。如果這些異常恰好與補(bǔ)丁程序、設(shè)備故障或黑色星期五同時(shí)發(fā)生，則企業(yè)的報(bào)告也將反映出來。這使得檢測和應(yīng)對異常更加容易。
(6)預(yù)測
預(yù)測與異常檢測不同，但是對于傳統(tǒng)的商業(yè)智能來說，同樣存在困難。準(zhǔn)備用于預(yù)測的數(shù)據(jù)需要花費(fèi)很長時(shí)間，而不幸的是，當(dāng)企業(yè)需要提前而不是推遲預(yù)測時(shí)。由于傳統(tǒng)分析工具受其可以接受的分析數(shù)量的限制，因此企業(yè)的預(yù)測將無法考慮所有可能影響業(yè)務(wù)的指標(biāo)。簡而言之，企業(yè)會(huì)得到一個(gè)不太準(zhǔn)確的預(yù)測，需要更長的準(zhǔn)備時(shí)間。
借助自主分析，企業(yè)可以在需要時(shí)獲得所需的預(yù)測。自主分析不僅可以在幾秒鐘內(nèi)提供預(yù)測，而且每次進(jìn)行預(yù)測時(shí)都會(huì)變得更加準(zhǔn)確。該模型將自動(dòng)將其預(yù)測與隨后發(fā)生的事件進(jìn)行比較，然后根據(jù)判斷的對與錯(cuò)來完善其結(jié)論——它運(yùn)行的時(shí)間越長，變得越精確。
企業(yè)需要什么樣的人工智能?
自主分析程序消除了數(shù)據(jù)和分析之間的矛盾。在采用傳統(tǒng)的解決方案的情況下，數(shù)據(jù)無法到達(dá)應(yīng)有的位置，在處理之前需要對其進(jìn)行處理對于工作人員或有限的工具來說，它已經(jīng)變得太龐大，無法處理，而且它的度量標(biāo)準(zhǔn)也出人意料地發(fā)生了變化。簡而言之，數(shù)據(jù)太大，變化太快，傳統(tǒng)工具無法處理。
商業(yè)智能領(lǐng)域的領(lǐng)先解決方案正在將人工智能功能添加到其現(xiàn)有產(chǎn)品中，但并非每個(gè)解決方案都是一樣的?，F(xiàn)有企業(yè)正在零散添加解決方案，而這還沒有完整的人工智能項(xiàng)目。其他供應(yīng)商提供異常檢測功能，但僅針對基礎(chǔ)設(shè)施數(shù)據(jù)提供功能，這無法提供企業(yè)所需的完整信息。
只有完全自主的異常檢測和預(yù)測解決方案才能為企業(yè)提供處理大量數(shù)據(jù)所需的規(guī)模和速度。無論是經(jīng)驗(yàn)豐富的數(shù)據(jù)分析師還是經(jīng)驗(yàn)不足的業(yè)務(wù)用戶，這些工具都將幫助企業(yè)在不斷變化的競爭環(huán)境中獲得所需的切實(shí)可行的見解。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號(hào)