CTI論壇(ctiforum.com)（編譯/老秦）:想要兌現機器學習對數據分析所做承諾的企業正在轉向一個老朋友。商業智能系統（BI），很大程度上是分析過去的性能，正在進行人工智能的改造，以將預測功能引入到它們的報告功能當中。
The Symphony Post Acute Network就是這樣的一個組織。在伊利諾斯州、印第安納州和威斯康辛州的28個醫療保健機構中，這家醫療保健公司擁有5000張床位，他們希望利用人工智能和機器學習來改善每年8萬名患者的護理，這些病人從膝蓋手術或接受透析治療的過程中恢復過來。例如，病人的醫療核心可能是一個表明病人特別面臨危險跌倒的跡象，因此需要額外的預防措施。
找到這些跡象，可能是單個數據點或數據的細微模式，是機器學習的一個完美用例。但是建立模型并不是一件簡單的工作。
我被有關預測的問題狂轟轟炸，Symphony的數據科學和分析主管內森帕特里克泰勒（Nathan Patrick Taylor）說。即使我把每一個醒著的時間都花在構建機器學習模型上，我也不可能做到這些。
于是公司又雇傭了兩位數據科學家。而且他們不便宜，泰勒（Taylor）說。但我們沒有得到我們需要的回報。這是非常困難和昂貴的。
因此，兩年前，Symphony開始關注商業替代品，那些已經擁有機器學習模型的供應商已經準備好了。現在，該公司將已經收集到的數據存儲在數據倉庫中，通過來自其供應商DataRobot的基于云計算的AI引擎發送數據，結果每四個小時就會傳回公司的Microsoft Power BI儀表盤。泰勒（Taylor）說：我馬上就收到了，我的CIO也收到了，我們都被炸飛了。它看起來像魔法。
今天，240名醫生和護士在他們的PowerBI儀表盤上獲得了預測和推薦，他們可以通過平板電腦和智能手機訪問。因此，例如，高危患者會被自動標記為樓梯圖標。高危患者再入院時被標記為救護車圖標。
將AI注入BI
泰勒（Taylor）說，重新入院率對Symphony來說是一件大事。醫院和保險公司考慮的是重新調整的費率，每一次重新調整的費用會使公司損失13500美元。那不是一筆微不足道的錢，他說。
為了弄清楚DataRobot的預測是否有用，Symphony最初僅推出Data Robot的某些功能，并進行了為期6個月的研究，以查看是否有不同的結果。他說：如果能改變1%，那你就做得很好了。
泰勒（Taylor）說，確實有所改善，重新入院率從21%上升到18.8%。這是一個重大的進步，他說。這贏得了我們的CEO。
如今，該公司開始采用同樣的方法來看待與保險公司簽訂的合同。他說：如果我們不能正確地為服務付費，我們就會為此付出更高昂的代價。
最初的安裝花費了大約20個小時，涉及到連接數據和建立學習模型。現在，如果有人想要新的預測，一個全新的學習模式需要6到8個小時的時間來建立，他說，在三個工作日內傳播。
此外，他說，現有的模型可以在任何時候進行再培訓。例如，法規可能改變，或者醫務人員可以開始使用新的程序。此外，模型可能隨著時間推移而漂移。泰勒（Taylor）每三個月重新培訓一次模型，或者每當有重大的政策轉變的時候。如果有很大的變化，學習模式可能只需要在新政策生效后的數據上進行培訓。
他說，管理這個系統不再需要一個受過高度訓練的數據科學家，但它確實需要具備統計學基礎知識的人。在Symphony，公司還使用R代碼建立模型。
Data Robot也支持Python的退出。Data Robot的產品營銷總監Colin Priest說，使用其他語言的客戶也可以使用任何RestAPI感知的語言來調用DataRobotRestAPI，包括Java、C#、SAS、JavaScript和Visual Basic。
人工智能（AI）的下一步是自助服務
人工智能已經實現了民主化，弗雷斯特研究公司（Forrester Research）副總裁兼首席分析師鮑里斯o埃文斯（Boris Evelson）表示。直到最近，它還需要一個數據科學家來編寫代碼。今天，有了這些商業智能系統，我可以點擊幾個數據點，選擇我想預測的變量--就像客戶購買的傾向--這些預測模型將會自動生成。
他說，過去需要一個數據科學專業的專業人士用幾個月來組裝的東西，現在可以由一個能夠理解數據和使用Excel工作的人在幾天內搭建起來。
他說：市場營銷人員利用這一點來預測和處理客戶的行為，業務經理們用它來觀察和預測風險，供應鏈人員利用它來觀察和優化物流。
根據Forrester最近對全球決策者的調查，改進數據、分析或洞察平臺是人工智能技術的三大用例。所有主要的BI供應商，包括IBM、Oracle和Microsoft，都在這方面努力工作。
如果8個小時聽起來太長，無法建立一個新的機器學習模型，那么就會有更容易的選擇。很快，用戶將能夠得到最常見類型的自動預測，得到建議，內置的圖像識別和自然語言處理。Gartner預測，自然語言生成（NLG）和人工智能（AI）在未來兩年將是90%的現代商業智能平臺的一個標準特性。
為文本和視覺分析配備BI
SpringBoard。ai的首席執行官Bruce Molloy說，自然語言處理（NLP）會讓用戶在需要信息的時候，通過問一些簡單的英語問題得到答案。我認為這是自然進化的。
他說，領域越窄，平臺的相關數據越多，供應商就越容易添加人工智能。會計平臺，或者Salesforce這樣的客戶關系管理系統，已經擁有了他們需要的數據，并且有一些用戶最可能會問的問題。他說：有了Salesforce，看看他們做什么會很有意思。它已經受到限制，而且工作已經部分完成了。他們已經確定這些觀點是重要的，而且他們可以將AI的能力放在首位。
對人工智能的推動是由更強大的處理能力、更智能的算法、云計算和標準接口驅動的。例如，DataRobot利用了云計算和標準RestAPIs，允許它支持Trifacta、Alteryx和Domino數據實驗室業務智能系統，除了PowerBI、Tableau、Qlik、Excel、R和其他許多儀表板工具。
人工智能的商業智能儀表板也可以處理比以前更廣泛的各種數據。例如，Symphony不僅僅是看病人記錄中的硬數字，也看醫生和護士記錄的東西。
咨詢公司Publicis.Sapient的全球數據和人工智能主管喬什.薩頓（Josh Sutton）表示，在非結構化格式中存儲了大量信息，這些信息可能會導致有用的見解或預測。不僅僅是文本。
非結構化數據的最大來源之一是視覺圖像，這是商業智能的一個來源，薩頓（Sutton）說。例如，營銷部門可以通過分析用戶在社交媒體上分享的照片，來分析他們的客戶是如何與產品互動的。
超越描述性分析
但國際數據（International Data）的認知和人工智能系統研究主管David Schubmehl說，預測和洞察力只是人工智能增加商業智能儀表板的第一步。AI驅動的儀表板還可以提供建議或建議用戶下一步應該做的具體操作，甚至可以為用戶提供這些操作。
他說：如果銷售數量下降，它可能會說這對未來意味著什么，以及你現在應該怎么做。
這使得BI更有價值。
他說：我認為這就是為什么這么多人都在采用這類工具。例如，Salesforce剛剛發布了一項重大聲明，即它的愛因斯坦預測最近已經超過了10億次預測，這是一種以規范的方式幫助人們關閉新業務，識別新線索，創造面向行動的能力。我認為這是一個指標，人們想要的不僅僅是描述性的商業分析。
他說，我們還處在早期階段。在未來兩三年內，我們可能會完全成熟。人們才剛剛開始了解人工智能和機器學習的可能性。
埃森哲（Accenture）負責人工智能的高級主管、全球主管魯曼·喬杜里（Rumman Chowdhury）表示，尤其如此，人工智能仍然沒有常識。
她說：我們生活在一個狹窄的人工智能世界里。即使一個特定的平臺有內置的人工智能模型，用戶仍然需要了解正在使用的數據，以及它與當前問題的相關性。
她說：你必須確保你認為自己得到的產出是合適的。我不知道我們是否會在某些方面完全取代人類的判斷。我不知道我們是否能夠完全自動化真正的決策--或者即使我們應該這樣做。
聲明:版權所有 非合作媒體謝絕轉載
作者：瑪麗亞·科爾洛夫（Maria Korolov）
