編者按：商業(yè)智能是前幾年非常熱門的一個詞，阿里巴巴集團學術委員會主席、湖畔大學教育長曾鳴教授的書籍《智能商業(yè)》中，對商業(yè)智能也是大加推崇。隨著人工智能的興起，商業(yè)智能與人工智能之間的區(qū)別日漸明顯。

文章轉(zhuǎn)載自企業(yè)網(wǎng)D1Net，原文標題為：“2020年商業(yè)分析：從商業(yè)智能到人工智能”，經(jīng)億歐編輯發(fā)布，供業(yè)內(nèi)人士參考。

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、多樣性和速度性的要求，現(xiàn)在是讓新的人工智能工具來彌補不足的時候了。

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，而且存儲和生成數(shù)據(jù)的應用程序也在增加。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用程序，通常需要進行大量的人工調(diào)整。因此，使用商業(yè)智能工具的企業(yè)可能會錯過現(xiàn)在可用的數(shù)據(jù)驅(qū)動的見解。

探索人工智能和商業(yè)智能之間的六個主要區(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不足的時候了。但是，這種新一代工具與以前的工具有何不同？

▍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行緩慢的分析。數(shù)據(jù)科學家通常會花費大約80%的時間準備這些數(shù)據(jù)，然后才能對其進行分析。

使用現(xiàn)代的商業(yè)智能工具，準備工作將更快、更加自動化。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無縫的數(shù)據(jù)湖中對它們進行排序和分類，從而使孤島成為過去。這些工具是自助服務，使數(shù)據(jù)科學家可以在數(shù)小時或數(shù)天之內(nèi)開始接收可操作的情報，而無需參與IT運營。

▍指標覆蓋率

傳統(tǒng)的關鍵績效指標（人工設置和研究的關鍵績效指標）僅覆蓋組織中正在使用的指標的3%。實際上，對于現(xiàn)代企業(yè)而言，只有3%關鍵績效指標的規(guī)模較小。

如果在面向用戶的應用程序中出現(xiàn)問題，則很有可能會以企業(yè)當前未涵蓋的指標來出錯。只要企業(yè)監(jiān)控的關鍵績效指標不會下降，就無法檢測到錯誤或中斷，直到客戶告知企業(yè)這些錯誤。相比之下，任何組織都不可能人工監(jiān)控其所有關鍵績效指標，因此采用人工智能可以解決這個問題。無論企業(yè)生成多少個指標，其數(shù)量級無關緊要。他們能夠一次提取數(shù)百萬個指標，并且在出現(xiàn)問題時仍可以提供即時反饋。

▍閾值和基準

傳統(tǒng)的人工警報實踐要求數(shù)據(jù)科學家為關鍵績效指標設置閾值。當關鍵績效指標低于某個閾值或高于某一個閾值時，它會觸發(fā)警報。不幸的是，即使在正常行為期間，指標也往往會出現(xiàn)不可預測的漲跌。即使企業(yè)將基線設置為高于和低于這些閾值，這也降低了在設置的閾值內(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，會導致大量的誤報和漏報。

現(xiàn)代分析平臺采用完全自主的方法進行基準劃分。他們依靠機器學習算法來學習指標的正常行為并確定其基準，從而無需進行人工閾值處理。

▍檢測和警報

建立具有人工警報的傳統(tǒng)商業(yè)智能系統(tǒng)自然是一個結(jié)果，那就是警報太多。警報疲勞是一個現(xiàn)實問題。在某些應用中，信息安全人員每天可能會遇到100多萬次警報。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)動的報告中沒有人工閾值。唯一的警報是“真實的”警報——在度量標準中是真正異常行為。即使只靠這種行為，這種行為也大大減少了誤報。然而，人工智能的發(fā)展遠不止于此。現(xiàn)代的商業(yè)智能工具使企業(yè)能夠只對最嚴重的偏差發(fā)出警報，從而使企業(yè)的響應團隊只關注最重要的事情。

▍根本原因分析

異常不會自行發(fā)生。使用傳統(tǒng)的儀表板，企業(yè)可能看到在監(jiān)視的3%指標中出現(xiàn)的一個異常。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，自主分析會報告每個警報的完整場景。如果在相關指標中同時發(fā)生兩個異常，則企業(yè)的警報將反映出來。如果這些異常恰好與補丁程序、設備故障或黑色星期五同時發(fā)生，則企業(yè)的報告也將反映出來。這使得檢測和應對異常更加容易。

▍預測

預測與異常檢測不同，但是對于傳統(tǒng)的商業(yè)智能來說，同樣存在困難。準備用于預測的數(shù)據(jù)需要花費很長時間，而不幸的是，當企業(yè)需要提前而不是推遲預測時。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)的預測將無法考慮所有可能影響業(yè)務的指標。簡而言之，企業(yè)會得到一個不太準確的預測，需要更長的準備時間。

借助自主分析，企業(yè)可以在需要時獲得所需的預測。自主分析不僅可以在幾秒鐘內(nèi)提供預測，而且每次進行預測時都會變得更加準確。該模型將自動將其預測與隨后發(fā)生的事件進行比較，然后根據(jù)判斷的對與錯來完善其結(jié)論——它運行的時間越長，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)無法到達應有的位置，在處理之前需要對其進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，而且它的度量標準也出人意料地發(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)智能領域的領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目。其他供應商提供異常檢測功能，但僅針對基礎設施數(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)驗豐富的數(shù)據(jù)分析師還是經(jīng)驗不足的業(yè)務用戶，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可行的見解。