-
-
小亿 管理员
发表于2021-4-26 12:05
楼主
AI+BI实际需要哪些新技术加成，攻克哪些难点才能武装决策大脑，让人工智能赋能BI实践呢？来看看亿信ABI是怎做到的：
NLP在亿信ABI中的应用
NLP全称是Natural Language Processing，即自然语言处理，简单来说就是让计算机理解人说的语言，知道当前一句话想要表达什么，读懂其中的含义。这就涉及到两个核心过程，一是知道这句话包含哪些信息，二是知道这些信息该如何组合，从而传达出什么具体信息。
到了BI领域，和传统NLP又大有不同，首先BI中的问题往往会包含一些特定的业务词语。比如“今年某产品的ROI情况怎么样？”，如果不是有所了解，就难以获取其中的关键信息。再就是BI中的问题有很强的业务价值及独特性，比如”2020年公司经营情况怎么样？”，在不同的公司、行业、背景的人看来可能都是截然不同的问题，想要理解这样的问题别说机器了就是人也够呛。
基于以上两个难点，亿信华辰自主研发的亿信ABI则做出了一些针对性的调整。
首先基于第一点信息获取不准确的问题，亿信ABI使用了动态语料库系统，对于接入系统的数据实时进行采集和统筹，将所有业务术语都获取到语料库中，可以保证业务词汇大量地接入NLP引擎，对于业务术语有高效精准地采集能力。
基于第二点业务术语理解困难的问题，亿信ABI基于不同用户的使用习惯，动态理解并推荐业务问题的解决图表，提供动态的解决方案，解决不同角色、不同公司、不同业务的不同问题。
知识图谱在亿信ABI中的应用
知识图谱作为AI技术中最重要基础设施之一，简单来说就是反映了现实生活中各个知识体之间的联系和关系。下图是一个典型的知识图谱：
通过上图你可以看到，如果两个节点之间存在关系，他们就会被一条无向边连接在一起，图中的节点，我们称为实体（Entity），它们之间的这条线，则称之为关系（Relationship）。知识图谱的基本单位，便是“实体（Entity）-关系（Relationship）-实体（Entity）”构成的三元组，这也是知识图谱的核心。
在BI的实际应用中，我们根据业务含义可以定义出各个实体之间的关系，并根据这些关系做一些深入的分析。
这里我们用实际问题为例，详述其是怎样实现的。
比如：你想了解xx医院今年的医疗收入，我们可以定义这样一些三元组，将医疗收入相关的组成部分和医疗收入有机关联起来，如下图所示：
在这里我们定义了医疗收入由门诊医疗收入和住院医疗收入两部分组成，同时这两个收入下面还包含了更多的子收入。这样的三元关系定义完成之后，亿信ABI就可以从容的回答出来“xx医院的医疗收入情况怎么样？”这样的问题了，而且用户无需做表就可得出下图，简单直观且易懂。
亿信ABI作为全新一代智能数据处理分析平台，分阶段有步骤的实施AI布局，通过程序自动化、 ML 机器学习和深度学习等大数据能力，规划了智问、智读、智算三步递进策略，打造出一个会思考、能说话、有决策的BI系统，助力走向ABI的最佳实践。
智问：基于自然语言处理技术、知识图谱等人工智能技术，可深度理解用户问题的意图，为用户提供专业的数据分析服务。此产品是基于人类的自然语言进行一问一答，对于用户而言几乎没有学习成本。
智读：根据图表的特征，比如一张报表或者一个大屏能够自动的用语音进行业务解读，即用机器学习的方法直接把图表的特征以及背后的业务逻辑进行智能关联，并用生动的语言解释出来。
智算：大数据领域80%的工作都是在做数据处理，如果能够智能化地对数据源进行加工和处理将大大提升数据处理的效率。智算的诞生将很好的解决这一问题，智算可根据数据源特征和分析目标进行智能化的数据建模和数据处理，让80%的工作由机器来自动完成，使得模型建设和分析目标的匹配工作基本上不需要人工干预。
不远的将来，您只需要动动嘴，AI分析助手即可选择进行可视化图表展示或语音回复！
不远的将来，您还没开口说话，AI分析助手就把所有你关心的问题呈现在你面前供你查看！
不远的将来，AI可以做到更懂数据也更懂你！
AI+BI落地是个持续且复杂的工程，企业想要快速落地必须借助专业工具和平台。亿信华辰耕耘大数据领域15年，已成功帮助金融、能源、保险、医疗卫生等行业客户实现AI+BI的项目落地，不论你有何种需求，都可针对性的为您制定AI+BI的最佳方案，树立企业智能化转型的信心及突出行业重围的决心。
