近年来，自然语言处理（NLP）、商业智能（BI）和分析并行发展。NLP已经显示出使BI数据更易于访问的潜力。但是，要使NLP适应这个竞争激烈的领域，还有很多工作要做。
集成的 NLP 聊天机器人已成为许多面向 BI 的系统的一部分，以及搜索和查询功能。老牌和新兴的BI参与者都处于竞争激烈的环境中，因为数据科学和MLOps技术追求类似的目标。但竞争刺激了创新。
Domo，Google Looker，Microsoft Power BI，Qlik Insight Advisor Chat，Tableau，SiSense Fusion和ThoughtSpot Everywhere等系统已经看到了NLP更新。这些使数据使用变得更加方便，因为业务用户通过自然语言查询检索数据。
为 ChatGPT 腾出空间
在广泛的产品范围内，还有更多的创新。与其他技术领域一样，随着OpenAI的ChatGPT等大型语言模型的上线，该领域将发生更大的变化。
上个月出现了ChatGPT提升NLP工作的迹象，因为微软表示，基于该模型的Power BI开发功能将通过Azure OpenAI服务提供。该公司本周跟进了Power Virtual Agents的生成AI功能。
同样在本周，SalesForce宣布了OpenAI集成，将“企业ChatGPT”引入SalesForce专有的AI模型，用于一系列工具，包括可能影响BI工作流程的自动摘要。
从笨重中崛起
“自然语言查询和自然语言解释几乎在当今大多数BI分析产品中都经常出现，”Constellation Research分析师Doug Henschen告诉VentureBeat。但他说，这条路有时很崎岖。
当NLP增强最初来到BI系统时，“它有点笨拙，”Henschen说。企业开发人员必须努力管理数据用户所在领域内的通用语言。这包括识别人们可能用来描述同一事物的同义词。他表示，培训和幕后工具在自动化设置方面做得更好。
“在大多数情况下，BI产品在处理这个问题方面做得更好，”Henschen说。“现在，我们已经有了全新的大型语言模型和生成人工智能浪潮......一个完全不同的技术水平。
NLP 增强型商业智能
在大多数 BI 系统中，数据以传统方式访问：登录到应用程序、生成所需的报告并通过仪表板过滤见解。但这个通常漫长的过程需要一定的技术熟练程度。这意味着较低的采用率。
这就是为什么公司经常聘请数据科学家和数据分析师从他们的 BI 系统中提取见解。但管理者也希望在组织内得到更广泛的采用。越来越多的全球公司现在正在采用NLP驱动的商业智能聊天机器人，这些聊天机器人可以理解自然语言并执行与BI相关的复杂任务。
商业智能正在从报道新闻转变为根据实时数据预测和规定相关行动，ServiceNow市场分析副总裁Sarah O'Brien表示。
“随着自然语言处理创新的爆炸式增长，这些动作现在可以用对话语言构建，并从更广泛的来源中提取，”奥布莱恩说。“商业智能提供了上下文，NLP提供了内容。
Tableau研究总监Vidya Setlur表示，当今的聊天机器人可以有效地从各种来源（例如现有的LOB和CRM系统）提取数据，并与Skype for Business和Slack等许多第三方消息传递应用程序集成。
“借助支持 NLP 的聊天机器人和问答界面，可视化分析工作流程不再局限于传统的仪表板体验。人们可以在Slack中提问以快速获得数据见解，“Setlur告诉VentureBeat。
这意味着用户可以通过对话界面获得可操作的见解，而无需每次都访问 BI 应用程序。Setlur认为，这改变了组织对发展业务的看法以及他们雇用的专业知识类型。
Setlur补充说：“NLP驱动的分析体验使人们分析数据和收集见解的方式民主化，而无需使用复杂的分析工具或制作复杂的数据查询。
这种便利性在促进组织的分析文化方面发挥着重要作用。通过将NLP应用于BI工具，即使是非技术人员也可以独立分析数据，而不是依靠IT专家来生成复杂的报告。
“使用NLP使那些可能不具备复杂分析高级技能的人能够以简单的语言询问有关其数据的问题。由于人们可以从复杂的数据库和大型数据集中快速获得问题的答案，组织可以更有效地做出关键数据驱动的决策，“Setlur解释说。
她补充说，基于语音和文本的自然语言界面（NLI）可以解释这些问题，并提供有关所涉及的数据和见解的智能答案。
同样，企业VR平台Mesmerise的数据和应用科学主管Ivelize Rocha Bernardo认为，这样的实施使数据分析更加透明，并有助于组织数据的民主化。
“利益相关者和高管可以通过问题查询数据，他们的BI平台可以通过提供相关图表来做出回应。这是数据分析的下一个层次，并释放了商业智能和分析的潜力，团队可以专注于更详细的后续问题和非直接的数据见解，“Bernardo告诉VentureBeat。
使用 NLP 自动执行 BI 工作流
组织可以通过自然语言处理自动执行许多工作流任务，以获取相关数据。
“搜索引擎可以利用NLP算法根据以前的搜索历史行为和用户意图推荐相关结果，”Tableau的Setlur告诉VentureBeat。“这些搜索引擎在回答事实调查问题方面已经变得很复杂，比如'航班状态如何？或者'金州勇士队比赛目前的比分是多少？'”
预测文本生成和自动完成已经无处不在，从我们的手机到文档和电子邮件写作。算法甚至可以推荐适合消息语气的单词和短语。
域变得具体
BI流程中的协作很重要，根据Mesmerize的Bernardo的说法。她说，实施NLP模型是团队之间的协作。必须得到某个领域专家的支持，以完善工作流程架构并与数据团队合作。
“有许多成功的NLP用于优化工作流程的[用例]，其中之一是分析社交媒体以确定趋势或品牌参与度。另一个成功的案例是聊天机器人，它通过自动化回答常见问题的过程来改善客户服务，解锁员工专注于需要人工交互的任务，“Bernardo说。
作为一名经验丰富的数据科学家，Bernardo建议实施此类NLP解决方案的最佳方法是分阶段工作，进行小规模且非常客观的交付，测量和跟踪结果。
“对于有效实施这些解决方案，我的建议是首先定义组织想要优化的用例。然后，制定长期和短期目标。短期目标应与交付相关联，并在特定的项目阶段进行分配。最后，团队应该在每个阶段结束时重新审视长期计划，以重新评估和完善它，“贝尔纳多说。
她还指出，实施NLP解决方案的最佳实践之一是专注于特定的领域。“模型的领域越广，NLP模型给出不那么准确结果的机会就越大。
在 BI 中实施 NLP 的当前挑战
在BI中实现NLP的一个主要挑战是，在NLP模型中可能会发现对某些群体或人口统计数据的偏见。另一个原因是，虽然NLP系统需要大量数据才能运行，但收集和使用这些数据可能会引发严重的隐私问题。
“我们应该专注于创建公平和公正的模型。在存储任何数据之前，组织需要考虑用户利益，为什么需要存储数据，并根据法规和最佳实践采取行动来保护用户数据，“Bernardo说。
NLP模型也可能变得更加复杂，理解它们如何做出某些决策可能很困难。因此，必须专注于创建可解释的模型，即更容易理解模型如何得出特定决策。
“计算机系统需要能够解析和解释人们询问有关数据的多种方式，包括特定领域的术语（例如，医疗行业）。开发强大可靠的工具，以支持 BI 组织分析和收集见解，同时保持安全性，仍然是该领域需要进一步改进的问题，“Tableau 的 Setlur 补充道。
NLP在BI中的下一步是什么？
虽然NLP已经进步，可以帮助解决一系列问题，但语言本身仍然很复杂和模糊。
根据合成数据平台Synthesis AI的首席执行官兼创始人Yashar Behzadi的说法，NLP的生成AI方法仍然是新的，有限数量的开发人员了解如何正确构建和微调模型。
“天真地使用这些方法可能会导致偏见和不准确的总结。然而，有一些初创公司和更成熟的公司创建了这些系统的企业版本，以简化微调模型的开发，这应该可以缓解当前的一些挑战，“Behzadi说。
Behzadi预测，在未来几年，企业级交钥匙解决方案将使公司能够对其数据微调大型语言模型。他还表示，模型监控和反馈解决方案将变得司空见惯，以帮助评估野外性能并不断完善基础模型。
“传统的BI应该在未来几年得到补充，而不是被新的NLP方法所取代。该技术正在迅速成熟，但核心业务驱动的决策应依赖于久经考验的BI方法，直到对新方法建立信心，“Behzadi补充道。
人工智能文案平台Anyword的首席执行官兼联合创始人Yaniv Makover表示，他的公司正在观察到对“复制智能”的需求日益增加，这是一种管理跨渠道与市场沟通的BI方法。Makover说，在不久的将来，我们可能会看到BI与生成式AI的集成。
“随着LLM的出现，NLP算法可以更准确地总结并理解用户生成内容的含义，而无需提取无穷无尽的示例，逐字复制。这将使查询摘要更加强大，“Makover说。
了解最终用户的偏好和需求是NLP和商业智能的当务之急，以编程方式对大量数据进行排序的需求也是如此。
需要注意的是，像ChatGPT这样的LLM也可以帮助解决BI的开发人员端瓶颈。
这种生成式人工智能可以帮助软件编程语言，而不仅仅是商业语言，Doug Henschen指出。
“作为下一代自然语言，生成式人工智能也会生成代码，”他说。“那可是巨大的。”
但他引用了一个警告，他称之为“循环中的人类谨慎”。
“有很多故事和例子表明有人尝试使用模型，它提供了胡言乱语。因此，软件制造商可以构建的上下文越多，结果就越可靠。
Henschen表示，企业将继续需要人工监督和监督。不过，他说，像ChatGPT这样的模型“有望节省大量时间，并让你开始生成非常接近需求的语言生成代码。
“但你必须确保它是正确的。
椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/2277.html
文章评论