人工智能和機(jī)器學(xué)習(xí)如何幫助組織從大數(shù)據(jù)中獲得更好的業(yè)務(wù)見解?需要了解人工智能和大數(shù)據(jù)分析的下一步發(fā)展。
大數(shù)據(jù)技術(shù)并不像幾年前那樣廣受關(guān)注，但這并不意味著大數(shù)據(jù)技術(shù)沒有得到發(fā)展。如果說有什么不同的話，那就是大數(shù)據(jù)的規(guī)模正在變得越來越大。
大數(shù)據(jù)曾經(jīng)被認(rèn)為是一項重大挑戰(zhàn)。但是現(xiàn)在，它越來越被視為一種理想狀態(tài)，尤其是在正在嘗試并實施機(jī)器學(xué)習(xí)和其他人工智能學(xué)科的組織中。
Anexinet公司高級數(shù)字策略師Glenn Gruber說，“人工智能和機(jī)器學(xué)習(xí)現(xiàn)在為我們提供了使用現(xiàn)有大數(shù)據(jù)的新機(jī)會，并利用新數(shù)據(jù)類型開發(fā)了很多新用例。我們現(xiàn)在擁有更多可用的數(shù)據(jù)，云服務(wù)器，例如圖片、視頻和語音。過去，我們可能試圖盡量減少捕獲的此類數(shù)據(jù)的數(shù)量，因為我們無法對其做太多的處理，但是它存儲此類數(shù)據(jù)會產(chǎn)生巨大的成本。”
人工智能如何適應(yīng)大數(shù)據(jù)
大數(shù)據(jù)與人工智能之間存在著一種互惠關(guān)系：人工智能在很大程度上依賴于前者的成功，同時也幫助組織以以前繁瑣或不可能的方式釋放數(shù)據(jù)存儲中的潛力。
Gruber說，“如今，我們需要盡可能多的數(shù)據(jù)，這不僅是為了更好地洞察我們試圖解決的業(yè)務(wù)問題，而且因為我們通過機(jī)器學(xué)習(xí)模型輸入的數(shù)據(jù)越多，它們得到的結(jié)果就越好。這是一個良性循環(huán)。”
存儲和其他有關(guān)大數(shù)據(jù)和分析的問題好像已經(jīng)不再一樣。例如，Gruber指出，大數(shù)據(jù)和人工智能的結(jié)合會圍繞基礎(chǔ)設(shè)施、數(shù)據(jù)準(zhǔn)備和治理產(chǎn)生新的需求(或強(qiáng)調(diào)現(xiàn)有需求)。但是在某些情況下，人工智能和機(jī)器學(xué)習(xí)技術(shù)可能是組織如何解決這些運營復(fù)雜性的關(guān)鍵部分。
關(guān)于“更好的洞察力”：人工智能和機(jī)器學(xué)習(xí)作為當(dāng)前在商業(yè)領(lǐng)域中最重要的學(xué)科，如何幫助IT領(lǐng)導(dǎo)者實現(xiàn)現(xiàn)在或?qū)淼哪繕?biāo)?
人工智能提供更好見解的6種方式
1.人工智能正在創(chuàng)造新的數(shù)據(jù)分析方法
大數(shù)據(jù)的基本業(yè)務(wù)問題之一有時可以用一個簡單的問題來概括：現(xiàn)在是什么?人們已經(jīng)擁有了所有這些東西，并且還會有更多的東西出現(xiàn)，那么如何處理呢?在大數(shù)據(jù)的大肆宣傳和炒作中，聽到這個問題的答案并不總是那么容易。
此外，回答這個問題(或從數(shù)據(jù)中獲取見解)通常需要大量的人工工作。人工智能正在創(chuàng)造新的方法。從某種意義上說，從廣義上講，人工智能和機(jī)器學(xué)習(xí)是新方法。
從歷史上看，在分析數(shù)據(jù)時，工程師不得不使用查詢或SQL(查詢列表)。但是，隨著數(shù)據(jù)重要性的不斷增長，獲得洞察力的多種方法也應(yīng)運而生。人工智能是查詢/SQL的下一步。Alluxio公司首席執(zhí)行官Steven Mih說，“過去的統(tǒng)計模型現(xiàn)在已經(jīng)與計算機(jī)科學(xué)融合，并已成為人工智能和機(jī)器學(xué)習(xí)的一部分。”
2.數(shù)據(jù)分析的勞動強(qiáng)度正在降低
因此，與過去相比，管理和分析數(shù)據(jù)所需的人工時間更少了。人們?nèi)匀辉跀?shù)據(jù)管理和分析中扮演著至關(guān)重要的角色，但由于人工智能，原來可能需要幾天或幾周(或更長)的過程正在加快速度。
Sungard AS公司的高級架構(gòu)師Sue Clark說，“人工智能和機(jī)器學(xué)習(xí)是幫助企業(yè)分析數(shù)據(jù)的工具，比員工單獨完成的工作更快、更有效。”
Exasol公司首席技術(shù)官Mathias Golombek在大數(shù)據(jù)方面已觀察到一種采用兩層策略的趨勢，因為組織爭辯要從中獲得任何價值所必須管理的海量信息：存儲層和位于其之上的運營分析層。
Golombek說，“這是從數(shù)據(jù)中提取見解并進(jìn)行數(shù)據(jù)驅(qū)動的決策的地方。人工智能通過全新的功能通過培訓(xùn)數(shù)據(jù)做出半自動決策來增強(qiáng)分析。它不適用于企業(yè)對數(shù)據(jù)存在的所有問題，但是對于特定的用例，它徹底改變了無需復(fù)雜的人類知識就能完成規(guī)則、決策和預(yù)測的方式。”
換句話說，洞察力和決策可以更快地發(fā)生。此外，IT可以將類似的原理(使用人工智能技術(shù)來減少人工、勞動密集型負(fù)擔(dān)并提高速度)應(yīng)用于后端事物，讓人們面對現(xiàn)實，IT之外很少有人想知道。
Alluxio公司Mih說，“數(shù)據(jù)洞察力的實時性質(zhì)，加上現(xiàn)在無處不在的事實，這將跨越不同的機(jī)架、區(qū)域和云計算，這意味著企業(yè)必須從傳統(tǒng)的管理和分析數(shù)據(jù)方法中發(fā)展而來。這就是人工智能的用武之地。數(shù)據(jù)工程師一次又一次地人工復(fù)制數(shù)據(jù)的日子已經(jīng)一去不復(fù)返了，在數(shù)據(jù)科學(xué)家提出要求后數(shù)周之內(nèi)就交付了數(shù)據(jù)集。”
3.人類仍然重要
與其他人一樣，Qlik Research公司副總裁Elif Tutuk將人工智能和機(jī)器學(xué)習(xí)視為處理大數(shù)據(jù)的強(qiáng)大杠桿。
