Tableau發(fā)布數(shù)據(jù)趨勢(shì)報(bào)告：AI 將從抽象的概念轉(zhuǎn)變?yōu)榭刹僮鞯募夹g(shù)。

疫情引發(fā)了很多未知因素，帶來(lái)了很多不確定性，唯一確定的是企業(yè)領(lǐng)導(dǎo)意識(shí)到需要去變革應(yīng)對(duì)挑戰(zhàn)迎接新的機(jī)遇。

“疫情促使企業(yè)必須要考慮如何快速轉(zhuǎn)變，去升級(jí)他們整體的領(lǐng)域，把工作變得更高效，把每一個(gè)商業(yè)決策變得更明智。國(guó)內(nèi)外的CEO、CIO，他們比以往任何時(shí)間都更加意識(shí)到數(shù)字化轉(zhuǎn)型的重要性�！盩ableau大中華區(qū)總裁葉松林介紹，數(shù)據(jù)是整個(gè)數(shù)字化的基石，有數(shù)據(jù)才能夠驅(qū)動(dòng)整個(gè)數(shù)字化轉(zhuǎn)型的過(guò)程。在當(dāng)下，使用數(shù)據(jù)進(jìn)行決策比以往任何一個(gè)時(shí)間都更重要，關(guān)乎到公司是否持續(xù)運(yùn)作。

日前Tableau發(fā)布了2020年數(shù)據(jù)趨勢(shì)報(bào)告，總結(jié)了六大趨勢(shì)，涉及數(shù)據(jù)文化、數(shù)據(jù)素養(yǎng)、數(shù)據(jù)管理、AI、講述數(shù)據(jù)故事和數(shù)據(jù)公平。近幾年AI與BI的融合趨勢(shì)越來(lái)越明顯，以AI驅(qū)動(dòng)的BI被視作明日之光，關(guān)乎未來(lái)，Tableau認(rèn)為未來(lái)AI將從抽象的概念轉(zhuǎn)變?yōu)榭刹僮鞯募夹g(shù)，但是AI在BI領(lǐng)域的應(yīng)用情況以及AI本身存在的偏見(jiàn)問(wèn)題存在著爭(zhēng)議，本文將就相關(guān)方面做個(gè)簡(jiǎn)單探討。

數(shù)據(jù)：BI是人看數(shù)據(jù)，AI是機(jī)器看數(shù)據(jù)

商業(yè)智能（Business Intelligence，簡(jiǎn)稱BI）的概念最早是Gartner Group的Howard Dresner于上個(gè)世紀(jì)90年代提出。當(dāng)時(shí)將商業(yè)智能定義為一類由數(shù)據(jù)倉(cāng)庫(kù)（或數(shù)據(jù)集市）、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的技術(shù)及其應(yīng)用。目前，BI通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策的工具。

人工智能（Artificial Intelligence），英文縮寫(xiě)為AI，最早在1956年的達(dá)特茅斯會(huì)議上被提出，是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。60年來(lái)歷經(jīng)三大浪潮，近年來(lái)，隨著AI三要素?cái)?shù)據(jù)、算法、算力的發(fā)展，AI有了一定的落地。

Gartner 研究表明：到 2020 年，85％ 的首席信息官將通過(guò)購(gòu)買(mǎi)、構(gòu)建和外包等方式試點(diǎn)人工智能項(xiàng)目。而根據(jù)Gartner在2019年的預(yù)測(cè)，2020年在BI中引入增強(qiáng)分析、自然語(yǔ)言處理和語(yǔ)音生成的AI技術(shù)將是主流。

Tableau的2020年數(shù)據(jù)趨勢(shì)報(bào)告也指出，AI將從抽象的概念轉(zhuǎn)變?yōu)榭刹僮鞯募夹g(shù)，組織需要關(guān)注他們對(duì)AI的“共同愿景”，或者AI和機(jī)器學(xué)習(xí)如何適應(yīng)現(xiàn)有的流程和團(tuán)隊(duì)結(jié)構(gòu)，從而為知識(shí)共享提供支持。領(lǐng)域?qū)＜夷壳罢�在圍繞機(jī)器學(xué)習(xí)和AI開(kāi)展戰(zhàn)略對(duì)話，以確保最終的建議有用并且可操作。領(lǐng)域?qū)＜覍�發(fā)揮關(guān)鍵作用，利用自己的人際關(guān)系和領(lǐng)域?qū)ｉL(zhǎng)，將這些 AI 項(xiàng)目的成果應(yīng)用到跨部門(mén)和團(tuán)隊(duì)的實(shí)際操作之中，引領(lǐng) AI 用例進(jìn)入下一階段的成長(zhǎng)。

AI驅(qū)動(dòng)BI發(fā)展，兩者不斷融合，不過(guò)兩者之間還是有很大的不同�！癆I和BI有一個(gè)很大的差別點(diǎn)，BI是主要人判讀數(shù)據(jù)，AI主要機(jī)器判讀數(shù)據(jù)，用機(jī)器算法的方式從數(shù)據(jù)里面去產(chǎn)生一些見(jiàn)解或者發(fā)現(xiàn)一些規(guī)律�！盩ableau高級(jí)顧問(wèn)高云龍指出。

Tableau的產(chǎn)品越來(lái)越多融入了AI，主要體現(xiàn)在三個(gè)方面，一是人機(jī)數(shù)據(jù)交互模式方面引入了NLP，進(jìn)行數(shù)據(jù)交互時(shí)無(wú)需像過(guò)去那樣用鼠標(biāo)拖拽或者簡(jiǎn)單編程，可以直接像使用搜索引擎一樣，在一個(gè)搜索框輸入問(wèn)題就即可得到想要的數(shù)據(jù)；二是自動(dòng)化的數(shù)據(jù)解釋，人可以通過(guò)可視化報(bào)表看數(shù)據(jù)，會(huì)發(fā)現(xiàn)數(shù)據(jù)異常點(diǎn)。傳統(tǒng)BI人工查詢數(shù)據(jù)異常原因需要很長(zhǎng)時(shí)間，通過(guò)數(shù)據(jù)解釋的算法模型，能夠自動(dòng)把異常數(shù)據(jù)及所有維度進(jìn)行分析，用統(tǒng)計(jì)學(xué)的方法找出異常原因；三是智能推薦，如在企業(yè)里若人的決策很多，大量的人在使用數(shù)據(jù)時(shí)，很多企業(yè)有各種數(shù)據(jù)報(bào)告，多樣的數(shù)據(jù)源在BI系統(tǒng)上已形成非常龐大的規(guī)模體系此時(shí)不容易找到所需報(bào)表，AI系統(tǒng)會(huì)根據(jù)角色、過(guò)去訪問(wèn)行為智能化推薦，提高使用效率。

以上三點(diǎn)也是現(xiàn)在BI廠商重點(diǎn)關(guān)注的和發(fā)力的三個(gè)AI應(yīng)用方向，也有研究表明國(guó)內(nèi)外數(shù)字化程度有別，目前國(guó)內(nèi)企業(yè)對(duì)BI＋AI的應(yīng)用還處在一個(gè)非常初級(jí)的階段。

而隨著越來(lái)越多的AI走入企業(yè)，“偏見(jiàn)”問(wèn)題也受到越來(lái)越多的關(guān)注。