113919294.jpg

随着AI(人工智能)和ML(机器学习)开始从学术界走向商业世界,人们越来越关注如何帮助推动BI(商业智能)。使用自然语言搜索的系统在帮助管理层更快地调查公司信息、执行分析并制定业务计划方面有很多潜力。上一个讨论“自助服务”BI的专栏简要提到了ML可以帮助BI的两个重点领域。虽然用户界面和UX(用户体验)很重要,但它的可见性只是冰山一角,提供给UX的数据更为重要。

虽然这很重要,但能够信任所显示的信息更为重要。AI和ML可以帮助解决这一问题。

数据是起点

虽然大型机仍然存在,但使用大型机控制所有数据和信息的日子早已不复存在。20世纪90年代人们曾尝试过创建数据仓库,但信息是一种流动的商品,存在于太多地方,无法让人们依赖固定的数据仓库。如今的数据湖只是存储起来的操作数据,它会有所帮助,但不再是之前的单一存储库。

数据存在于如此众多的系统中,物联网和云计算的增长意味着数据会不断远离本地计算的核心。努力跟踪所有数据并确定信息是一个日益复杂的问题。

因此,企业在现代数据爆炸( data explosion)中存在三个关键问题:

●数据在哪里?

●哪些数据足够重要,可以作为信息进行跟踪?

●哪些人应该有权访问所有这些信息?

如果不解决这些问题,那么企业就会因为根据不准确的数据做出欠妥的决策,从而使企业面临风险。

合规性和业务决策

鉴于这一问题,我们需要一个解决方案。幸运的是,我们不必从头开始;相反,在其他的领域中存在可以利用并适应该问题的技术, 从IT的其他领域借鉴ML概念和其他工具,以帮助合规性和业务决策。

ML机器学习正涉足于网络和应用程序安全领域。训练有素的深度学习系统会调查企业交易,以查找异常情况并识别攻击和其他安全风险。与此同时,移动设备的爆炸式增长和SaaS应用程序的增长推动了资产管理系统的发展,以更好地了解有形资产和知识产权资产与企业网络和基础设施之间的联系。

这些技术可用于查询寻找数据源的网络节点,以帮助构建改进的公司元数据模型,也可以查询网络上的交易以获取新信息并适当使用这些信息。

通过数据管理帮助自助服务

最重要的是,ML系统可以帮助改善数据访问,同时管理企业的合规性。在BI中查找异常情况和识别风险是不够的。如果要将分析发展为自助服务,那么它需要更快地访问信息。

在今天的模型中,合规性规则和分析师决策设置了员工对数据库和特定字段的访问权限,这严重限制了自助服务的功能,即我们无法预先知道所有用户的需求。

由于NLP(自然语言处理)为人员提供了查询信息业务、理解业务流程以及发现业务数据之间新关系的简便方法,因此会定期出现基于直觉和洞察力的想法。管理员会询问有关数据或关系的问题、请求访问尚未访问的数据、或以其他方式尝试扩展信息边界。

在传统流程中,这意味着企业会突然停止安全调查、必须将电子邮件发送给IT部门、必须进行讨论、然后必须调整系统以允许新的访问规则。

ML系统可以显着加快该过程,使用规则和经验以快速查找新数据,查看现有数据是否符合合规性规则并授予即时访问权限,或由企业监察官员标记立即审查的请求。

这一挑战比现在用户体验的变化更加复杂,但挑战也同样重要。如果没有快速的方法来理解如何回答问题,并确定提问者是否有权知道答案,那么管理者如何提出问题就显得并没那么重要。

机器学习在当今世界中有更好地管理企业信息的潜力。虽然业界正在研究提出更好问题的方法,但它需要考虑如何定位和管理提供答案的信息。

原文作者:David A. Teich

信息化和软件服务网 - 助力数字中国建设 | 责编:赵曜 左右