根據調研機構的預測，到2025年，全球每天將生成463艾字節(1EB=10億GB)的數據。而在2020年則生成了44澤字節的數據。如果企業試圖轉換和處理這些數據，這將是一項難以完成的任務。但采用人工智能技術可以成為可能，因為人工智能系統的工作速度要比人類快得多，而且不會停歇。

　　人工智能如何改變商業智能

　　雖然人類可以在商業智能中完成人工智能的大部分功能，但使用人工智能的主要好處是速度、一致性、準確性。大數據與商業智能初創廠商AtScale公司創始人兼首席技術官David P. Mariani表示：“在各個行業領域，人工智能通過自動化完成耗時而重復的任務，并確保這些任務的一致性，增強了人類的能力。”

　　Marani通過解釋人工智能在不同類別的數據管理中支持人類的方式進一步分析了這一點。他解釋說，“在數據準備領域，人工智能可以自動匹配、標記、連接和注釋數據，人工智能還可以自動檢查數據質量，并為提高數據完整性提出建議。對于商業智能，人工智能可以發現人類可能看不到的隱藏趨勢和表面見解。通過自動細分和聚類并突出關鍵驅動因素，人工智能可以更快地引導人類獲得見解。”

　　然而人類也有一些局限性，這使得人工智能更適合于數據管理。人工智能系統可以全天候工作，無需休息或睡眠，并且它們在處理方面是一致的。生物科技廠商Seneca Global公司高級副總裁Mike O'Malley舉了一個例子。他說，“人工智能算法可以分析需要人類數年或更長時間的數據集。以人類基因組計劃為例。科學家們于1990年啟動了該項目，并于2003年完成，花費了13年的時間在對抗遺傳疾病的科學方面取得了顯著進步。而使用人工智能的數據科學家現在可以在24小時內重復這個過程。”

　　O'Malley還解釋說，如果沒有人工智能，大規模管理數據幾乎是不可能的。人類可以重復一些流程，但要成功地擴展流程，需要更多訓練有素的高技能人才，通常是數據科學家，這些人才在全球范圍內供不應求。

　　這些人才的短缺，加上許多員工在新冠疫情發生之后面臨的工作倦怠，意味著現在比以往任何時候都更難招募數據科學家。雖然人工智能無法取代這些職位，但可以減輕他們的工作負擔，或者在沒有他們參與工作的情況下獲得一些見解。

　　構建非結構化數據

　　自然語言處理、文本分析和情感分析等機器學習程序利用非結構化數據的定性并將其量化。這些模型從客戶評論和社交媒體帖子中抓取文本，并深入了解企業獲得的不同類型的反饋。

　　例如，人工智能系統可能會在客戶評論中說：“新的報告功能一開始總是崩潰，但客戶支持非常有幫助并且很快就回復了我。”并將其轉換為表格中：

　　這種結構化數據在推出新功能之后很有幫助。企業可以從詢問新功能的調查或評論中獲取定性數據，并找出有多少人喜歡或不喜歡它。然后，可以深入研究一小部分非結構化數據，以確定需要修復的內容。

　　包含人工智能的商業智能工具

　　越來越多的商業智能服務供應商正在將人工智能構建到他們的工具中，因為他們看到了它可以提供的好處。以下是一些包含人工智能的商業智能工具。

　　(1)AtScale

　　AtScale在數據準備、數據科學和商業智能中使用人工智能，無需人工輸入即可提供有價值的見解。Marani表示，AtScale可以使用人工智能創建聚合表，以根據最終用戶查詢行為提高性能。這就是AtScale為數十億行數據提供思維速度查詢的方式。實時連接提供對數據的實時訪問，為企業提供最相關和最新的信息，以作為預測和決策的基礎。企業可以運行“假設”分析并使用拖放構建器來創建新的可視化模型。

　　(2)Qlik

　　Qlik使用強大的人工智能模型來構建可訪問的數據可視化。交互式圖表和表格會隨著數據更改或添加更多數據而自動更新。自然語言處理簡化了查詢過程，并幫助用戶更快地找到他們正在尋找的內容。基于云計算的平臺還可以構建有吸引力且易于閱讀的報告，并允許企業安排自動交付，非常適合機構。這種移動應用程序響應迅速，甚至提供離線分析，因此用戶可以隨時隨地做出決策。

　　(3)ThoughtSpot

　　ThoughtSpot采用人工智能構建，可為企業提供個性化洞察。開放API允許開發人員將平臺與其他SaaS應用程序連接起來，以實現實時數據的可見性。有些操作會影響開發人員的工作，但具有任何專業知識水平的用戶都可以使用該平臺來獲得可操作的見解。開發者可以使用低代碼平臺構建交互式數據應用，而非技術人員可以使用ThoughtSpot自行回答查詢。

　　可操作的人工智能洞察

　　人工智能可以大規模分析數據，從結構化和非結構化數據中提供可操作的見解。它可以比人類更快地工作并且不需要休息，從而提供更快的結果和預測。如果企業想確保從其擁有的數據中獲得最大收益，應該考慮使用包含人工智能的商業智能工具。