مع بدء الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في الانتقال من الأوساط الأكاديمية إلى عالم الأعمال ، كان هناك قدر كبير من الاهتمام حول كيفية مساعدة ذكاء الأعمال (BI). هناك الكثير من الإمكانات في الأنظمة التي تستخدم أبحاث اللغة الطبيعية لمساعدة الإدارة بشكل أسرع في البحث عن معلومات الشركة وإجراء التحليلات ووضع خطط الأعمال أيضًا. ذكر عمود سابق يتحدث عن ذكاء الأعمال "الاكتفاء الذاتي" (BI) بإيجاز مجالين من مجالات التركيز التي سيساعد فيها التعلم الآلي ذكاء الأعمال. على الرغم من أن واجهة المستخدم ، وتجربة المستخدم (UX) ، والأشياء ، إلا أن الرؤية هي مجرد قمة جبل الجليد. المعلومات المقدمة إلى UX أكثر أهمية.
في حين أن هذا مهم للغاية ، فإن القدرة على الوثوق في أن البيانات التي يتم عرضها هي أكثر أهمية. يمكن أن يساعد الذكاء الاصطناعي والتعلم الآلي في مواجهة هذا التحدي.
يبدأ بالبيانات
بينما لا تزال الحواسيب المركزية موجودة ، فإن فترة الظهيرة من حاسبها الرئيسي التي كانت تتحكم في جميع البيانات والمعلومات قد ولت منذ فترة طويلة. على الرغم من أن التسعينيات شهدت جهودًا في مستودعات المعلومات ، إلا أن البيانات عبارة عن منتج سائل موجود في العديد من الأماكن لجعل المستودع "النسخة الوحيدة من الواقع" التي نأملها. بحيرة المعلومات الآن هي فقط المنشطات الوظيفية لتخزين البيانات عبر الإنترنت. إنه يساعد ولكنه لن يكون مستودعًا واحدًا أكثر من امتلاك المحاولات السابقة لنفس الشيء.
توجد البيانات في العديد من الأنظمة ، كما أن تطوير إنترنت الأشياء وأنظمة الحوسبة السحابية يعني أن البيانات تستمر في التوسع بعيدًا عن جوهر الحوسبة المحلية. العمل على مراقبة جميع المعلومات وتحديد ما هي البيانات هو مشكلة معقدة بشكل متزايد.
وبالتالي ، فإن لدى المؤسسة ثلاث مشكلات مهمة مع الانفجار الحديث في البيانات:
- اين بياناتك
- ما هي المعلومات المهمة بما يكفي لرصدها كنصيحة؟
- من هم الأفراد الذين يجب أن يكون لهم حق الوصول إلى كل جزء من أجزاء النصيحة هذه؟
بدون إصلاح المشكلات ، يكون العمل في خطر من خلال اتخاذ قرارات سيئة بناءً على بيانات غير دقيقة ومن لوائح الامتثال القوية للبيانات بشكل متزايد.
لا تبدأ من الصفر
بالنظر إلى هذا التحدي ، هناك حاجة إلى حل. لحسن الحظ ، ليست هناك حاجة للبدء من الصفر. بدلاً من ذلك ، ستجد تقنيات في مجالات التطبيقات الأخرى التي يمكن الاستفادة منها وتكييفها مع المشكلة. يمكن استعارة نظريات ML والتطبيقات الأخرى من مجالات مختلفة لتكنولوجيا المعلومات للمساعدة في الامتثال واتخاذ القرارات التجارية.
يحقق التعلم الآلي حاليًا تقدمًا في أمان الشبكة والتطبيقات. تقوم أنظمة التعلم العميقة المدربة بالتحقيق في المعاملات للبحث عن الحالات الشاذة وتحديد الهجمات ومخاطر السلامة الأخرى. في الوقت نفسه ، تم دفع أنظمة إدارة الأصول بسبب انفجار الأجهزة المحمولة وظهور تطبيقات SaaS لفهم أفضل لأصول الملكية المادية والفكرية المرتبطة بالبنية التحتية والشبكات المؤسسية.
يمكن استخدام هذه الطرق للاستعلام عن عقد الشبكة التي تبحث عن موارد البيانات من أجل المساعدة في بناء نموذج بيانات وصفية أفضل للشركة. يمكن استجواب المعاملات على الشبكة للحصول على معلومات جديدة وللاستخدام المناسب.
إدارة البيانات مساعدة الخدمة الذاتية
من الأهمية بمكان أن نظام غسل الأموال قد يساعد في تحسين الوصول إلى المعلومات جنبًا إلى جنب مع إدارة الامتثال. لا يكفي في ذكاء الأعمال اكتشاف الاستثناءات وتحديد المخاطر. عندما تكون التحليلات حقًا لا تحتاج إلى شرح ، فمن الضروري الوصول الأسرع إلى المعلومات.
في النموذج الحالي ، تحدد مبادئ الامتثال وقرارات المحللين وصول العامل إلى قواعد البيانات والمجالات الخاصة. هذا يقيد بشكل كبير الخدمة الذاتية من خلال حقيقة بسيطة للغاية وهي أننا لا نستطيع تخيل كل المطالب مسبقًا.
نظرًا لأن البرمجة اللغوية العصبية يوفر طريقة بسيطة للموظفين لاستجواب معلومات العمل ، ومعرفة العمليات التجارية ، وكذلك لاكتشاف روابط جديدة بين بيانات العمل ، فعادةً ما تأتي الأفكار بناءً على الحدس والبصيرة. سيطرح المشرف سؤالاً حول العلاقات أو البيانات التي لم تفكر فيها من قبل ، أو يطرح بيانات لا يمكن الوصول إليها بعد ، أو يحاول بخلاف ذلك أن يتجاوز حدود المعلومات المحددة.
في الإجراء القياسي ، هذا يعني أن التحقيق قد توقف فجأة ، ويجب إرسال رسائل البريد الإلكتروني إلى قسم تكنولوجيا المعلومات ، ويجب إجراء المحادثات ثم تعديل الأنظمة للسماح بإرشادات الوصول الجديدة.
يمكن لبرنامج ML تسريع هذه العملية بشكل كبير ، مع جميع القواعد والخبرة للعثور بسرعة على بيانات جديدة ، ومعرفة ما إذا كانت البيانات الحالية تتناسب مع قواعد الامتثال ومنح الوصول الفوري ، أو الإبلاغ عن طلب الفحص الفوري من قبل مسؤول الامتثال.
هذا الحاجز أكثر تعقيدًا مما يحدث الآن مع التعديلات من UX ، لكن الصراع لا يقل أهمية. ليس من المهم كيف يمكن للمدير أن يطرح سؤالاً بسهولة إذا لم تكن هناك طريقة سريعة لفهم مكان وجود المعلومات للإجابة على المشكلة وأيضًا لاختيار ما إذا كان السائل لديه السلطة ليكون على دراية بالإجابة.
يوفر التعلم الآلي إمكانية إدارة بيانات المؤسسة بشكل أفضل في العالم الموزع. بينما تبحث الشركة في طرق لطرح أسئلة أفضل بكثير ، يجب أن تبحث في كيفية تحديد المعلومات التي توفر إجابات والتعامل معها.