인공 지능 (AI)과 머신 러닝 (ML) 이 학계에서 비즈니스 세계로 이동하기 시작하면서 비즈니스 인텔리전스 (BI)를 지원할 수있는 방법에 대한 많은 관심이있었습니다. 자연어 연구를 사용하여 경영진이 기업 정보를보다 신속하게 조사하고 분석을 수행하며 비즈니스 계획을 수립하는 데 도움이되는 시스템에는 많은 잠재력이 있습니다. "자립형" BI (비즈니스 인텔리전스)에 대해 설명하는 이전 칼럼에서는 ML이 BI에 도움이 될 두 가지 초점 영역에 대해 간략하게 언급했습니다. 소비자 인터페이스, 사용자 경험 (UX) 등 가시성은 단순히이 빙산의 일각 일뿐입니다. UX에 제공되는 정보는 훨씬 더 중요합니다.
이는 매우 중요하지만 표시되는 데이터를 신뢰할 수있는 것이 훨씬 더 중요합니다. AI와 기계 학습은 이러한 문제를 해결하는 데 도움이 될 수 있습니다.
데이터로 시작
메인 프레임은 여전히 존재하지만 모든 데이터와 정보를 제어하는 메인 프레임의 오후는 오래 전부터 사라졌습니다. 1990 년대에 정보웨어 하우스에 대한 노력이 있었지만 데이터는 너무 많은 곳에 존재하여웨어 하우스를 희망했던 "현실의 단일 버전"으로 만들기에는 유동적 인 제품입니다. 지금의 정보 호수는 기능적인 데이터 저장소 온라인 스테로이드 일뿐입니다. 그것은 도움이되지만 이전의 동일한 시도를 소유하는 것보다 더 이상 단일 저장소가 아닙니다.
데이터는 수많은 시스템에 존재하며 IoT 및 클라우드 컴퓨팅 시스템의 개발은 데이터가 온-프레미스 컴퓨팅의 핵심에서 더 멀리 확장됨을 의미합니다. 모든 정보를 모니터링하고 데이터가 무엇인지 확인하는 작업은 점점 더 복잡 해지는 문제입니다.
결과적으로 기업은 데이터의 급증과 관련하여 세 가지 중요한 문제를 안고 있습니다.
- 데이터는 어디에 있습니까?
- 조언으로 모니터링하기에 충분히 중요한 정보는 무엇입니까?
- 어떤 개인이 조언의 각 부분에 어떤 접근 권한을 가져야합니까?
문제를 해결하지 않으면 부정확 한 데이터를 기반으로 한 잘못된 의사 결정과 점점 더 강력 해지는 데이터 규정 준수 규정으로 인해 비즈니스가 위험에 처하게됩니다.
처음부터 시작하지 마십시오
그 도전을 감안할 때 해결책이 필요합니다. 다행히도 처음부터 시작할 필요가 없습니다. 그보다는 문제에 활용하고 수용 할 수있는 다른 애플리케이션 분야에서 기술을 찾을 수 있습니다. ML 이론 및 기타 애플리케이션은 규정 준수와 비즈니스 의사 결정 모두를 지원하기 위해 다양한 IT 분야에서 빌릴 수 있습니다.
머신 러닝은 현재 네트워크 및 애플리케이션 보안 분야에 진출하고 있습니다. 훈련 된 심층 학습 시스템은 이상을 찾고 공격 및 기타 안전 위험을 식별하기 위해 트랜잭션을 조사하고 있습니다. 동시에 자산 관리 시스템은 모바일 장치의 폭발적 증가와 SaaS 애플리케이션의 부상으로 기업 인프라 및 네트워크에 연결된 물리적 및 지적 자산 자산을 더 잘 이해하기 위해 추진되었습니다.
이러한 방법은 더 나은 기업 메타 데이터 모델을 구축하기 위해 데이터 리소스를 검색하는 네트워크 노드를 쿼리하는 데 사용될 수 있습니다. 네트워크상의 거래는 새로운 정보와 적절한 사용을 위해 조사 될 수 있습니다.
셀프 서비스를 지원하는 데이터 관리
중요한 의미에서 ML 시스템은 규정 준수 관리와 함께 정보에 대한 액세스를 개선하는 데 도움이 될 수 있습니다. BI에서 예외를 발견하고 위험을 식별하는 것은 부적절합니다. 분석이 진정으로 자명 해지려면 정보에 대한 더 빠른 액세스가 필요합니다.
현재 모델에서 규정 준수 원칙과 분석가 결정은 데이터베이스 및 특수 분야에 대한 작업자의 액세스를 설정합니다. 그것은 우리가 모든 요구를 미리 상상할 수 없다는 매우 간단한 사실을 통해 셀프 서비스를 크게 제한합니다.
NLP는 직원이 비즈니스 정보에 의문을 제기하고 비즈니스 프로세스를 파악하고 비즈니스 데이터 간의 새로운 연결을 발견 할 수있는 간단한 방법을 제공하기 때문에 직관과 통찰력에 기반한 생각이 자주옵니다. 감독자는 이전에 생각하지 않은 관계 나 데이터에 대해 질문하거나, 아직 액세스 할 수없는 데이터에 대해 질문하거나, 고정 된 정보 경계를 넘어 확장하려고합니다.
표준 절차에서 이는 조사가 갑작스럽게 중단되고 이메일이 IT로 전송되고 대화가 이루어져야하며 새로운 접근성 지침을 허용하도록 시스템을 조정해야 함을 의미합니다.
ML 프로그램은 새로운 데이터를 신속하게 찾기위한 모든 규칙과 경험을 통해 해당 프로세스를 상당히 가속화 할 수 있으며, 현재 데이터가 규정 준수 규칙에 맞는지 확인하고 즉시 액세스 권한을 부여하거나 규정 준수 담당자의 즉각적인 검사 요청에 플래그를 지정할 수 있습니다.
이 장벽은 UX에서 수정하여 현재 발생하는 것보다 훨씬 더 복잡하지만 투쟁도 마찬가지로 중요합니다. 문제에 답할 수있는 정보가 어디에 있는지 신속하게 파악하고 질문자가 답을 알 수있는 권한이 있는지 여부를 선택할 수있는 빠른 방법이없는 경우 관리자가 얼마나 쉽게 질문을 할 수 있는지는 중요하지 않습니다.
기계 학습은 분산 된 세계에서 엔터프라이즈 데이터를 훨씬 더 잘 관리 할 수있는 가능성을 제공합니다. 기업은 훨씬 더 나은 질문을하는 방법을 모색하는 동안 답변을 제공하는 정보를 찾고 처리하는 방법을 모색해야합니다.