那么，BI作業線對低利用率又將產生什么積極影響呢?如今，BI作業線仍然高度依賴于擁有不同技能的各個工種間的相互協作，生成報告或分析儀表盤，協助商業用戶作出更好的決策。但是，這一過程漫長且昂貴。此外，由于生產線工人無法完全理解業務等因素，BI作業線最后提交給商業用戶的報告可能會不完整，或晦澀難懂。例如，商業用戶常常會提出許多報告內容范圍之外的問題。當出現上述情況時，商業用戶往往會產生挫敗感、并提出更多的數據及分析需求。因此，BI作業線則需再次啟動運作。
圖1：當今的BI系統：業務問題的提出涉及到諸多崗位與任務
由于商業用戶滿意度不足，這一生產線限制了BI的利用率。除此之外，因為數據量與數據復雜程度急速增長、且所有組織都需要前所未有的、快速的可執行洞察來保持競爭力，現有的生產線并不具有可拓展性。隨著AI使用機器學習自動化技術的主流的到來，不同的軟件性能，特別是BI的性能都將得以提升。在現有系統已經了解所需獲取數據內容的前提下，AI將賦予系統處理分析數據、為商業用戶直接提供最佳的可執行洞察的能力。從此之后，商業用戶將無需對數據進行切塊，或提出更多的數據需求來解答業務問題。換而言之，AI能夠快速為商業用戶提供他們所需的答案以實現BI生產線的現代化、擴大BI與數據分析的范圍并提升兩者的價值。
圖2：AI賦能BI：系統產生答案
麥肯錫[2]表示：通過使用AI技術提升產品組合，技術公司可能會實現高達10%的收入增長。那AI又是怎么運用到BI技術解決方案當中呢?由于AI具有預測下一步能夠采取的最佳措施或行動的能力，AI不僅能夠促進BI生產線實現自動化，而且還能夠消除過程中的人類偏見，以提供最佳的可執行洞察方案。對于BI供應商來說，被AI賦能的BI將止步于“訪問與報告”階段的客戶推動到“數據分析”階段。
圖3：Davenport與Harris分析競爭中的“商業智能與分析”
AI與BI系統兩者均通過機器學習實現預測。這一共同點也意味著BI行業能在成功使用并應用AI技術的潮流中搶占先機。如今，BI供應商已經在產品中采用AI技術來實現數據準備、數據發現與數據科學。因此，在BI生產線對IT、數據工程師、BI管理員、分析師以及數據科學家依賴程度減少的情況下，客戶能感受到洞察質量的提高與時間的縮短。
閱讀文章《AI提高BI性能的6大領域》，了解Forrester的立場
面臨著AI技術的創新以及未來更多新技術的涌現，這一文章回避了以下問題：有了能夠為業務問題提供最佳答案的AI后，BI行業能夠徹底改變，并實現BI生產線的現代化嗎?
圖4：AI賦能BI：企業用戶向系統提出問題
為了更好理解AI的影響，我們不妨回顧一下BI工具的演進史，了解它們是如何解決數據與分析挑戰、這些工具的不同、以及AI解決BI固有問題的潛力：可執行洞察的時機
BI問題的癥結并未改變
1865年，理查德·米勒·德文斯(Richard Millar Devens)提出了“商業智能”(BI)一詞。他用這個詞來描述銀行家通過收集信息并根據這些信息，先于競爭對手采取行動，從而實現獲利的行為。在當代社會中，BI是使用相關技術收集并分析數據、將其轉化成有用信息，并在實際競爭發生前采取行動的行為。
在1970年，也就是BI概念誕生不到100年后，埃德加·科德(Edgar Codd)意識到BI存在的一大問題：只有那些具備專業技能的人，才能將數據轉化成可用的信息。當時，多源數據通常以“數據孤島“的方式儲存，研究報告呈碎片化，彼此脫節，且可以作出多種不同的解讀。隨后，埃德加發表文章，提出建立“關聯式數據庫模型”以解決上述問題。
然而到了2018年，同樣的問題仍然存在。BI工具的報告模式仍然要求資深分析師必須完全理解業務，才能集合正確的報告與儀表盤，為企業的決策制定者提供有價值的信息。但是，企業的決策制定者往往需要準備的報告內容外的更多信息，否則，他們在作出決策之前，可能要花費過多的時間分析解讀信息。以下是按照時間序列呈現的BI領域的創新。這些創新措施旨在使數據和分析結果變得更為可用、更具效率與價值。
圖5：隨著時間的推移，BI與分析試圖增加可操作洞察力的范圍
AI能夠突破諸多BI限制，打破過往魔咒，變革BI產業嗎?
誠然，通過智能自動化技術為企業用戶提供精準、可實施洞察，AI具有大幅減少甚至消除手工作業的優勢。但是，我們目前還處于完全自動化的初期。此外，出于好奇的天性，人類目前仍想知道AI目前還不一定會提供的預測背后的原因。
此外，由于機器出現故障的可能性仍然存在，因此AI不能完全取代所有的手工作業。人類還需在這一過程中扮演一定的作用。例如，癌癥診斷結果的偏差會導致重大的情感抑郁、引起不必要的測試甚至導致死亡。在臨床領域，AI對于協助醫務人員作出決策或為內科醫生提供診斷指導具有重大意義，但是AI并不能提供診斷的最終答案。
圖6：用于建造與部署預測模型的亞馬遜機器學習技術
AI并非是人與機器間的你爭我奪。相反，AI是人與機器共同協作，探索BI以及數據分析的更多可能性。當BI中運用了最先進的AI技術時，供應商將能為用戶提供更加智能的指導，并為他們提供更快速更科學的可執行洞察。
Infor曾在去年推出提供企業級行業專用人工智能(AI)平臺——Coleman，作為為應用程序提供支持的普適性平臺，Coleman對數據進行挖掘，并利用強大的機器學習技術優化庫存管理、運輸路線和預測性維護等流程;Coleman還提供AI驅動的建議，幫助用戶更迅速地做出更明智的業務決策。
不僅如此，Coleman還可作為智能AI合作伙伴，進一步完善用戶的工作。Coleman使用自然語言處理和圖像識別技術來聊天、聽、說，并能夠識別圖像，幫助人們更有效地使用技術。 Coleman在Infor CloudSuite中處理海量數據，自動搜索和收集函數，能夠承擔一個用戶每周20%的工作量，顯著提高了工作效率。
[1] https://www.gartner.com/doc/3753469?ref=ggrec&refval=3803464
[2]https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning
關于作者
鹿崇先生現任Infor大中華區解決方案咨詢總監。他在企業應用軟件領域有超過15年的實戰經驗。鹿崇先生自2003年1月加入Infor至今。加入Infor之前，他曾在KPWOOD公司任系統工程師、SSA上海公司任職商業顧問，還曾在迅達電梯擔任過項目負責人。鹿崇先生畢業于清華大學管理信息系統專業。
京公網安備 11010502049343號