A mesterséges intelligencia (AI) és a gépi tanulás (ML) új perspektívát visz az üzleti intelligenciába, olyan felismerésekhez segíti az embereket, amelyek korábban rejtve maradtak előttük, és a döntéshozatal automatizálásával a válaszadás gyorsaságát, a munka hatékonyságát is rendkívüli módon növeli. Érthető, hogy a Gartner felmérésében (2018 CIO Agenda Survey) a megkérdezett informatikai igazgatók 85 százaléka mondta, hogy 2020-ig biztosan indítani fog AI-próbaprojekteket vállalatánál.
De miközben a vállalatok egyre nagyobb mértékben támaszkodnak az AI- és ML-megoldásokban felépített modellekre, felmerül a kérdés, hogy mennyire megbízható a mesterséges intelligencia - mutat rá az adatvizualizációs eszközök egyik legismertebb szállítója, a Tableau éves BI-trendelőrejelzésében (2019 Business Intelligence Trends). A megoldások többsége ma ugyanis nem ad alkalmat a felhasználónak, hogy a motorház alá is benézzen, és megismerkedjen az algoritmusokkal, a mesterséges intelligencia válaszai, döntései és javaslatai mögötti logikával is. Nem véletlen, hogy a próbaprojekteket mind nagyobb számban indító vállalatok ódzkodnak az AI széles körű, éles alkalmazásától.
A transzparencia igénye hívta életre a gyakorlatot, amely a megmagyarázható mesterséges intelligencia fejlesztésére irányul, mélyebb betekintést engedve az ML-modellek felépítésébe és működésébe is. A döntéshozók így például utólagos kérdéseket feltéve ellenőrizhetik, hogy a mesterséges intelligencia miért mond valamit, mennyire biztos annak helytállóságában, és mit válaszolt volna, ha az elemzéshez másféle bemenetet kap - hasonlóan ahhoz, ahogyan egy szakembert is megkérdeznének, hogy egy fontos döntését mire alapozza.
Látható, hogy a vállalatok nyitottak az AI alkalmazása iránt, de ahhoz, hogy valóban fordulatot hozzon működésükbe, a szervezetek bizalmát is meg kell nyernie. Képessé kell válnia arra is, hogy dinamikusan válaszoljon a kiegészítő kérdésekre is, következtetéseit intelligensen és közérthetően indokolja meg.
Emberi BI
A modern BI-megoldások a természetes nyelvi feldolgozás (natural language processing, NLP) technológiáival teszik gördülékenyebbé ember és gép adatokról folytatott analitikai párbeszédét. A rendszer a szövegösszefüggést értelmezve következtet arra, hogy a felhasználót milyen szándék vezérelte, amikor megfogalmazta kérdését, és ebből kiindulva viszi előre a párbeszédet, sokkal természetesebb élményt adva az embernek.
Másképp kérdeznek mindennek hatására maguk az emberek is. Minthogy az NLP térhódításával a felhasználók sok tekintetben szinte ugyanolyan párbeszédet folytathatnak például az adatvizualizációkkal, mint egy másik személlyel, az elemzés új távlatai tárulnak fel előttük, olyan utakat járhatnak be, amelyek korábban csak az adatkutatók és az analitikai szakemberek előtt álltak nyitva. Minthogy az üzleti intelligencia felhasználóit már nem korlátozza a mélyebb analitikai szakértelem hiánya, elemzéseiknek csupán az szab határt, hogy milyen kérdéseket tudnak megfogalmazni. Az NLP-képes, újgenerációs BI-eszközök ugyanakkor hathatósan segítik a professzionális analitikusok munkáját is, mivel általuk jóval gyorsabban készíthetnek sokkal jobban használható, beszédesebb digitális műszerfalakat másoknak.
A Markets and Markets szerint az NLP-technológia piacának mérete a tavaly regisztrált 322,1 millió dollárról 2023-ra eléri a 825,3 millió dollárt, ami évente átlagosan 20,8 százalékos bővülést vetít előre erre az időszakra. A természetes nyelvi feldolgozásra képes BI-eszközök elterjedésével az analitika is sokkal jobban áthatja majd a szervezetek egészét, és az adatot a munkahelyi kultúra középpontjába fogja állítani, mutat rá előrejelzésében a Tableau.
Mit sem érnek azonban a mesterséges intelligenciával támogatott automatizált folyamatok, a legnagyobb adatkészleteken végzett, körmönfont számítások, ha az elemzők nem tudják érthetően bemutatni eredményeiket, mert azok így hatás nélkül maradnak, az üzleti felhasználók nem tudnak velük mit kezdeni. A kommunikációs szakadék áthidalásában az adatvizualizációk segítenek. Az adatokból nyert információk, feltárt összefüggések képi megjelenítése a legkülönfélébb diagramokon, térképeken, idővonalakon, infografikákon és műszerfalakon gyakorlatilag szabvánnyá, megkerülhetetlenné válik az analitikusok körében, olyan nyelv, amelyet a döntéshozók is jobban értenek, így gyorsabban léphetnek a kapott információk ismeretében. A szakma azonban újabban az adatvizualizáció mellett egyre fontosabbnak ítéli a narráció szerepét is, amelyen keresztül az analitikus azt is el tudja mondani, milyen lépések vezették el valamely felismeréshez. Így született meg az adatokból merítő történetmondás (data storytelling) műfaja.
Maga a történetmondás persze egyidős az emberrel, napjainkban azonban az analitikában a mesterséges intelligencia automatikusan generált és adatokkal alátámasztott cselekményívekkel könnyíti meg a narrációt. A történetmondás az analitikai folyamat kulcselemévé válik - a Tableau a Dresner tavalyi felmérését (2018 BI Market Study) idézi példaként, amelyben a válaszadók 75 százaléka mondta, hogy a data strorytelling kritikus vagy fontos szerephez jut BI-kezdeményezéseiben. Olyan munkahelyi kultúra építését segíthetik ezzel a módszerrel az analitikusok, amelyben a párbeszéd nem a végső következtés, hanem sokkal inkább az ahhoz vezető adatok körül zajlik. Mindez a felhasználók adatműveltségét is fejleszti, az emberek a felismerés pillanatától a döntés meghozataláig átélhetik az analitikai folyamatot, és jobban megérthetik az adatokat, amelyekkel dolgoznak, ami nagyobb hatással lesz az üzletre is.
Adatok mindig kéznél
Ahelyett, hogy az elemzéseket egyik alkalmazásban készítenék el, majd a kapott eredmények ismeretében feladataikat egy másikban végeznék el, az adatokkal dolgozó felhasználóknak meg kell adni a lehetőséget, hogy végig üzleti és munkafolyamataik kontextusában maradhassanak, adataikat és feladataikat ugyanazon a felületen érhessék el. A korszerű BI-platformok ezért egyre több ponton csatlakoznak az üzleti alkalmazásokhoz és a bennük felépített folyamatokhoz olyan képességeken keresztül, mint a beágyazott és a mobil analitika, a digitális műszerfalak kiterjesztései (add-inek) és az alkalmazásprogramozási interfészek (API-k), felgyorsítva a döntéshozatal és a válaszadás folyamatát a különböző vállalati szerepkörökben.
Más előnyök is származnak azonban a kontextusba helyezett analitikából, mivel az elemzések így sokkal inkább testre szabhatók az egyes üzletágak speciális igényei szerint. Nem utolsósorban a munkafolyamatokba ágyazott analitika egyre több felhasználót bátorít arra, hogy napi munkájában több adatra alapozza döntéseit, és ez kedvezően hat a vállalati kultúra fejlődésére is.
Ha szeretnék, hogy adataik mindig kéznél legyenek, a vállalatoknak azt is át kell gondolniuk, hogy azokat hol tárolják. Mind több szervezet ismeri fel, hogy ha felhőbe viszi adatait, akkor számos előnnyel, például nagyobb rugalmassággal és méretezhetőséggel számolhat, kisebb birtoklási összköltség mellett. Tükrözi ezt a Gartner jelentése is, amely szerint a nyilvános felhőszolgáltatások piacmérete tavaly 21,4 százalékkal nőtt, és elérte a 186,4 milliárd dollárt.
Ráadásul a felhőben a vállalatok a különböző típusú adatokat is könnyebben integrálhatják és elemezhetik, mivel az ehhez szükséges eszközöket a házon belüli bevezetésnél jóval könnyebben elérhetik felhőszolgáltatásként. Minél több szervezet viszi adatait a felhőbe, a gravitációs hatás annál nagyobb, egyre több alkalmazás és szolgáltatás követi őket, és ez alól az analitikai munkaterhelések sem kivételek. Nem mellékesen az egymáshoz közel elhelyezkedő adatok és alkalmazások a késleltetést is csökkentik, ami hibrid környezetekben esetenként a felhőalapú megoldások hátrányaként jelentkezik.
Ugyanilyen fontos, hogy a felhőalapú analitika az új eszközök, alkalmazások és szolgáltatási modellek kipróbálását is megkönnyíti, a vállalatok például értesítések formájában digitális műszerfalakat jeleníthetnek meg terepen dolgozó alkalmazottaik mobileszközein, vagy azokat partnereikkel és ügyfeleikkel is biztonságosan megoszthatják, így minden érintett fél ugyanabból a forrásból jut megbízható információhoz.
Bár ma még sok vállalat nem kész rá, hogy felhőbe vigye adatait, hibrid megoldásokkal azért kísérletezik, hogy jobban megismerje a változatos adatforrásokban rejlő analitikai lehetőségeket. A Tableau szerint ezért a továbbiakban a szervezetek a házon belül bevezetett BI-platformjaiktól mindinkább elvárják majd, hogy hathatósan támogassanak egy jövőbeni átállást a felhőalapú analitikára.
