用戶登入
懇請您立即點擊填寫「2017年科技發展觀測平台與電子報滿意度調查」。我們期待提高問卷回收率,請繼續給我們支持與鼓勵,感謝您!
焦點新聞
2017年分析與商業智慧的技術成熟曲線
.2017/09/08
摘要 分析與商業智慧的技術成熟曲線仍是IT與公司領導者首要的技術投資重點之一,因其可作為數位企業轉型的關鍵。然而,分析與商業智慧的市場發展,正進入一個關鍵的轉捩點。因分析工具與商業智慧變得更容易使用、更靈活,可以實踐更多的存取與自動化服務。但資料準備、分析資料、建立高階分析模型、解釋結果與利用資料講述故事,這些過程仍是由人類主導。現在有一種稱為「增強分析(Augmented Analytics)」的創新應用案例正在萌芽,機器學習自動化對於發展擴增人類智慧,以及整體資料與分析工作流程的情境感知(Contextual Awareness)至關重要,Gartner預期增強分析將對資料管理、分析、商業智慧與資料科學帶來重大的影響。

一、 增強/擴增資料探索(Augmented Data Discovery)
(一) 定義:增強資料探索技術的前身是智慧資料探勘(Smart Data Discovery),其特點是下一世代商業智慧與分析平台的關鍵能力,能讓企業與公民資料科學家(Citizen Data Scientists)進行自動查找、視覺化(Visualize)及敘述相關調查結果,例如:相關性、異常、群集(Cluster)和預測,而無需建立模型或編寫演算法。使用者利用視覺化、搜索和自然語言查詢技術搜尋資料,可透過自然語言生成的結果做敘述解釋。
(二) 商業影響:Gartner預測2019年前,大部分的資料科學任務將轉為自動化,且公民資料科學家的高階分析出版數量將超過一般的資料科學家。另外,透過增強資料探索將帶動高階分析的成長,進而可擴充或擴展現有的現代化商業智慧、資料科學平台與企業應用程式。透過高級分析的洞察力,可提供企業分析師、決策者和公司營運者,作為推動新業務的參考。
  資料科學家僅關注統計學上的重要發現,而在建立企業級模型時,只有最準確與最重要的見解才能被採用,以及嵌入於應用程式中進而改善商業衝擊。隨著機器學習自動化與人類機能增進模型的發展,預期未來將可減少手動探勘過程中的誤差,亦減少使用者在資料探索的時間,同時給予使用者更多的時間來處理資料,找出最相關的見解。

二、 事件串流處理(Event Stream Processing, ESP)
(一) 定義:事件串流是針對一系列的事件對象以某種順序排列,通常是以時間為順序排列。串流分析可在三個階段中應用:(1)隨著新資料的到來,使用推式連續智慧系統((Push-Based Continuous Intelligence Systems);(2)資料到達後,使用即時的需求查詢;(3)儲存之後,依需求對歷史資料進行查詢。有些ESP系統的目的是獲取、處理和儲存事件串流後以備未來使用。
(二) ESP軟體的商業影響:
(1)提供恐被忽視的資訊,可提高決策(Decision Making)的品質。
(2)實踐更智慧的異常檢測(Anomaly Detection),並能更快地回應所偵測到威脅與機會。
(3)透過消除不相關的資訊,僅提醒最重要的資訊,幫助企業人員免受於資料超載的影響。
ESP是推動數位企業、運算商業(Algorithmic business)與智慧商業/智慧企業(Intelligent Business)營運的關鍵驅動力之一。Gartner預測未來10年ESP的大部分的使用量將來自物聯網、顧客體驗管理(Customer Experience Management)與詐欺偵測應用。
延申閱讀
資料來源 Gartner