分析AI能強化你的數據分析能力

AI能強化你的數據分析能力

AI Can Help Companies Tap New Sources of Data for Analytics

AI能強化你的數據分析能力

HBR Staff/David Rumsey Map Collection

科技迅速改變了企業數據分析的用途,但預測模型需要很大量的歷史數據,以及相當程度的專業,才能建立及使用模型,這些都限制了預測模型的使用方式及時機。然而,AI使新一代的企業分析法逐漸出現,同時納入了某種程度的自動化及情境資訊。不僅大企業能夠在數據分析面上更加游刃有餘,過去難以負擔數據科學家聘請費的中小型企業,將能夠更精準地分析自家的數據,並得到更清晰的見解。
過去幾年,科技迅速改變了企業數據分析的用途。結合了預測模型的數據分析法,已開始取代單純的描述型方法。描述型分析(descriptive analytics),對許多使用者仍然很有價值,但同時也一直演變發展,運用更多的視覺分析,並轉向一種自助服務模式,讓非技術背景的使用者往往也能開發出自己的分析。整體來說,數據分析正迅速變得更容易使用,而且更強大。儘管有這樣的進步,仍然很難使用數據及數據分析,來了解並預測組織裡的許多重要現象。預測模型需要很大量的歷史數據,以及相當程度的專業,才能建立及使用模型,這限制了預測模型的使用方式及時機。雖然讓描述型分析的使用者有更多掌控是好的,但這種轉變往往需要使用者投入更多時間。此外,現有的分析方法(包括描述型與預測型)向來有點狹隘,只專注在特定的職能或單位,但其實許多商業問題及議題,是跨職能與跨單位的。這個重要的情境資訊(contextual information),鮮少被整合納入分析模型,因為各自為政的系統與數據,導致難以進行這種整合,而且因為分類不當,使得數據分析師往往不知道或不能夠輕易地取用相關數據。好消息是,新一代的企業分析法逐漸出現,同時納入了某種程度的自動化及情境資訊。這些創新需要仰賴人工智慧(AI)及自動化、既有資訊系統之間的連結,以及以職務角色為基礎而建立一些假設,說明哪些決策應該是根據數據及分析來做。到最後,新一代的分析法能夠將各項見解與建議,直接送交給決策者,而不需要由分析師事前準備這些見解與建議。Google應用程式會根據你的住址、行事曆紀錄及地圖資訊,告訴你何時該出門才能趕上飛機;同樣地,公司也愈來愈能夠利用本身各項企業系統裡的情境資訊。分析自動化常被稱為「智慧數據發掘」(smart data discovery)或「擴增分析」(augmented analytics),這種自動化正在降低對人類專業及判斷的依賴,因為它能自動指出數據當中的各種關係與模式。在有些例子中,這種自動分析系統甚至能建議使用者應採取什麼行動,來處...