利用人工智能支持BI每位高管如何成为首席分析官

人工智能(AI)和机器学习(ML)在企业环境中的承诺是一个诱人的。在某些方面，人工智能和大数据的结合有助于改变传统的商业智能系统 - 以及运行它们的高管。

但是，两者之间可以转移哪些最佳实践，以及从这里发生的事情?Kimberly Nevala(左)是分析，商业智能和数据管理提供商SAS的业务战略总监。在本月晚些时候出现在旧金山的AI和大数据博览会之前，AI News与Nevala坐了下来，以了解SAS正在做什么以及将在这个领域做什么，以及大数据和AI之间的联系。

-

AI新闻：您能否定义您在SAS详细信息和日常工作中的工作角色?

Kimberly Nevala：作为SAS的战略顾问，我的职责包括市场和行业研究，内容开发以及为我们的客户和潜在客户提供建议。简而言之，我帮助组织了解AI和ML等新兴技术的业务潜力和实际现实。

在人工智能和机器学习方面，您在SAS工作的一些举措是什么?它们如何影响客户?

我们不仅关注AI能力的持续发展，而且关注AI / ML如何与其他领域相交以解决问题。这包括通过分析提高物联网的智商。我们最近的一些工作包括：

通过将传感器和设备与流分析相结合，使物联网变得智能化。例如，沃尔沃和Mack Trucks正在使用来自其公路车队的传感器数据，以更快的速度提供75%的主动实时诊断，从而减少停机时间并减少严重故障。该系统允许快速诊断和干预，从驾驶员到当地维修店，以及在卡车在路上时上传软件更新。同样，柯尼卡美能达日本通过部署包含传感器和传统数据源的多种分析模型来加快其PDCA(计划 - 执行 - 检查 - 行动)周期，以改善各种区域，如故障预测和管理优化。

现代CAO需要精通决策科学，而不仅仅是数据科学

在更传统的客户参与空间中，大和证券通过整合AI / ML，使用新的CRM系统，客户购买率提高2.7倍，客户离职率降低50%。

我们也热衷于将数据(和AI)用于Good。一个很好的例子是我们使用WildTracks创建足迹识别工具(FIT)。FIT通过对其足迹的数字分析，实现对猎豹等濒危动物的无创监测。

在人工智能和大数据的增长以及两者日益增加的组合方面，您认为过去10年中技术格局如何变化?

AI和大数据的交集提供了以普遍和直观的方式提供更有针对性，及时，相关的洞察力的能力(“Alexa，......”)。提供这种简单性需要一个比10年前更加复杂的分析和数据生态系统。

为此，从BI到AI的有效部署分析现在是项目组合管理的一项练习。完成离散的客户群(高管到数据科学家)，各种数据环境(仓库到湖泊)，开发方法(确定性报告开发到动态概率算法建模)和广泛的部署选项(增压仪表板到流事件检测和响应) 。

这一切如何与更传统的商业智能相关?

需要明确的是：传统的BI并没有消失 - 它变得更加智能，更容易访问。它也是强大的分析产品组合的必要组成部分。事实上，围绕BI(有意义地衡量结果)的良好纪律是确保先进的AI / ML解决方案实现其预期价值的关键成功因素。

您在2014年为“CAO的肖像”编写的SAS电子书之一。从那时到现在发生了什么变化?想要聘请首席分析官的组织今天面临哪些困难?

分析越来越成为我们业务流程，产品和服务的组成部分。因此，今天的每位高管都需要成为CAO的一部分。也就是说，正式CAO角色的复杂性来自管理技术和组织变革的需要。现代CAO需要精通决策科学，而不仅仅是数据科学。他们还需要协作 - 能够动态地汇集内部和外部专家的集体，以解决各种问题。在引领精英分析先锋的同时，不断研究新兴解决方案，使组织能够决定是否，何时以及如何实现价值。

您看到的最令人兴奋的用例是围绕AI还是ML?

环境现在非常动态，很难选择。我最受我们在医疗保健和公共服务领域所做工作的启发。例如，像健康内华达项目 这样的项目，其目的不仅是治疗疾病，还能促进健康。该项目正在分析遗传，临床，环境和社会经济数据，以更好地了解这些因素与健康之间复杂的相互作用。在重新思考我们如何服务和保护弱势群体方面也有很多工作要做。

我觉得有趣的其他用例来自像Phylagen这样的公司。Phylagen使用AI来分析所有物质上存在的微生物，以确定货物，材料甚至人类的起源。这是查看供应链完整性甚至非法贩运问题的一种非常不同的方式。(从我的角度来看)并不一定需要制造商的参与或许可。

从BI到AI的有效部署分析现在是项目组合管理的一项练习

我发现AI / ML能够采用一种全新的方法来解决一个非常古老，复杂的问题。

在这个领域，未来12-18个月我们对SAS有何期望?

在接下来的12-18个月内，我们将继续为该产品组合添加额外的分析方法 - 重点是ML，DL，NLI和边缘分析。这包括增强模型可解释性和透明度的功能。同样出现：增加所有用户类型的可用性和协作，持续增强集成环境，支持从模型开发到大规模部署的生命周期(无论您是使用SAS，Python，R等编写代码)还是嵌入AI(包括自然语言接口)到我们自己的解决方案。

最后，不要放弃太多 - 本月晚些时候，AI和大数据博览会的讨论主题是什么?

AI提供的功能与数字转换的愿望之间存在着令人难以置信的协同作用。人工智能还放大了寻求“成为数字化”的公司所面临的挑战。本次讨论将为参与者提供成功导航这些交叉点的知识。