随着人工智能（AI）和机器学习（ML）开始从学术界转移到商业世界，人们对它们如何帮助商业智能（BI）引起了极大的关注。使用自然语言研究来协助管理人员更快地研究公司信息，进行分析以及建立业务计划的系统具有很大的潜力。前一篇专栏文章“自我维持”商业智能（BI）简要提到了ML将帮助BI的两个重点领域。尽管用户界面，用户体验（UX），事物，可见性只是冰山一角。提供给UX的信息要重要得多。
尽管这非常重要，但是能够相信所显示的数据更为重要。人工智能和机器学习可以帮助应对这一挑战。
它始于数据
虽然大型机仍然存在，但大型机控制所有数据和信息的下午已经很久了。尽管1990年代在信息仓库上看到了很多努力，但是数据是一种流动的产品，存在于太多地方，以至于使该仓库成为人们所希望的“现实的单一版本”。现在的信息湖只是在线类固醇的功能数据存储。它会有所帮助，但它将不再是拥有先前对同一事物的尝试的单个存储库。
数据存在于众多系统中，并且物联网和云计算系统的发展也意味着数据与本地计算核心的距离越来越远。监视所有信息并确定数据是一个日益复杂的问题。
因此，随着现代数据的爆炸式增长，企业面临三个重要问题：
- 您的数据在哪里？
- 哪些信息足够重要，可以作为建议进行监视？
- 哪些人必须有权获得这些建议的每个部分？
如果不解决问题，则由于不准确的数据和日益严格的数据合规性规定而导致的决策错误，企业将面临风险。
不要从头开始
面对挑战，需要解决方案。幸运的是，没有必要从头开始。相反，您将在其他应用程序领域中找到可以利用并适应该问题的技术。机器学习理论和其他应用程序可以从IT的不同领域借用，以帮助法规遵从和业务决策。
机器学习目前正在入侵网络和应用程序安全性。训练有素的深入学习系统正在调查交易，以查找异常并识别攻击和其他安全风险。同时，移动设备的爆炸性增长和SaaS应用程序的兴起推动了资产管理系统的发展，以更好地理解将哪些物理和知识产权资产连接到企业基础架构和网络。
这些方法可用于查询搜索数据资源的网络节点，以帮助构建更好的公司元数据模型。可以询问网络上的交易以获取新信息并适当使用。
数据管理辅助自助服务
至关重要的是，机器学习系统可能有助于改善对信息的访问以及管理合规性。 BI中不足以发现异常并识别风险。当分析真正变得不言自明时，就需要更快地访问信息。
在当前模型中，合规性原则和分析师决策设置了工作人员对数据库和特殊字段的访问权限。通过我们无法想象所有需求的非常简单的事实，这极大地限制了自助服务。
由于NLP为人员提供了一种简单的方法来询问业务信息，了解业务流程以及发现业务数据之间的新联系，因此经常会出现基于直觉和洞察力的想法。主管将询问有关她以前未曾考虑过的关系或数据的问题，询问尚未可访问的数据，或尝试超出硬性设置的信息范围。
按照标准程序，这意味着调查突然停止，必须将电子邮件发送到IT，必须进行对话，然后必须对系统进行调整以允许新的可访问性准则。
ML程序可以利用所有规则和经验来极大地加速该过程，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立即访问权限，或者标记请求以供合规官立即检查。
这个障碍比现在通过UX进行修改要复杂得多，但是斗争同样重要。如果没有一种快速的方法来了解要回答问题的信息位于何处，并且没有选择提问者是否有权知道答案的方法，那么经理是否可以轻松地提出问题也很重要。
机器学习为更好地管理分布式世界中的企业数据提供了可能性。当企业寻找提出更好的问题的方法时，它应该研究如何找到并处理提供答案的信息。