The Symphony Post Acute Network就是這樣的一個組織。在伊利諾斯州、印第安納州和威斯康辛州的28個醫(yī)療保健機(jī)構(gòu)中，這家醫(yī)療保健公司擁有5000張床位，他們希望利用人工智能和機(jī)器學(xué)習(xí)來改善每年8萬名患者的護(hù)理，這些病人從膝蓋手術(shù)或接受透析治療的過程中恢復(fù)過來。例如，病人的醫(yī)療核心可能是一個表明病人特別面臨危險跌倒的跡象，因此需要額外的預(yù)防措施。
找到這些跡象，可能是單個數(shù)據(jù)點(diǎn)或數(shù)據(jù)的細(xì)微模式，是機(jī)器學(xué)習(xí)的一個完美用例。但是建立模型并不是一件簡單的工作。
“我被有關(guān)預(yù)測的問題狂轟轟炸，”Symphony的數(shù)據(jù)科學(xué)和分析主管內(nèi)森帕特里克泰勒（Nathan Patrick Taylor）說。“即使我把每一個醒著的時間都花在構(gòu)建機(jī)器學(xué)習(xí)模型上，我也不可能做到這些。”
于是公司又雇傭了兩位數(shù)據(jù)科學(xué)家。“而且他們不便宜，”泰勒（Taylor）說。但我們沒有得到我們需要的回報。這是非常困難和昂貴的。
因此，兩年前，Symphony開始關(guān)注商業(yè)替代品，那些已經(jīng)擁有機(jī)器學(xué)習(xí)模型的供應(yīng)商已經(jīng)準(zhǔn)備好了�，F(xiàn)在，該公司將已經(jīng)收集到的數(shù)據(jù)存儲在數(shù)據(jù)倉庫中，通過來自其供應(yīng)商DataRobot的基于云計算的AI引擎發(fā)送數(shù)據(jù)，結(jié)果每四個小時就會傳回公司的Microsoft Power BI儀表盤。泰勒（Taylor）說：“我馬上就收到了，我的CIO也收到了，我們都被炸飛了。它看起來像魔法。”
今天，240名醫(yī)生和護(hù)士在他們的PowerBI儀表盤上獲得了預(yù)測和推薦，他們可以通過平板電腦和智能手機(jī)訪問。因此，例如，高�；颊邥蛔詣訕�(biāo)記為樓梯圖標(biāo)。高危患者再入院時被標(biāo)記為救護(hù)車圖標(biāo)。
將AI注入BI
泰勒（Taylor）說，重新入院率對Symphony來說是一件大事。醫(yī)院和保險公司考慮的是重新調(diào)整的費(fèi)率，每一次重新調(diào)整的費(fèi)用會使公司損失13500美元。“那不是一筆微不足道的錢，”他說。
為了弄清楚DataRobot的預(yù)測是否有用，Symphony最初僅推出Data Robot的某些功能，并進(jìn)行了為期6個月的研究，以查看是否有不同的結(jié)果。他說：“如果能改變1%，那你就做得很好了。”
泰勒（Taylor）說，確實(shí)有所改善，重新入院率從21%上升到18.8%。“這是一個重大的進(jìn)步，”他說。“這贏得了我們的CEO。”
如今，該公司開始采用同樣的方法來看待與保險公司簽訂的合同。他說：“如果我們不能正確地為服務(wù)付費(fèi)，我們就會為此付出更高昂的代價。”
最初的安裝花費(fèi)了大約20個小時，涉及到連接數(shù)據(jù)和建立學(xué)習(xí)模型�，F(xiàn)在，如果有人想要新的預(yù)測，一個全新的學(xué)習(xí)模式需要6到8個小時的時間來建立，他說，在三個工作日內(nèi)傳播。
此外，他說，現(xiàn)有的模型可以在任何時候進(jìn)行再培訓(xùn)。例如，法規(guī)可能改變，或者醫(yī)務(wù)人員可以開始使用新的程序。此外，模型可能隨著時間推移而漂移。泰勒（Taylor）每三個月重新培訓(xùn)一次模型，或者每當(dāng)有重大的政策轉(zhuǎn)變的時候。如果有很大的變化，學(xué)習(xí)模式可能只需要在新政策生效后的數(shù)據(jù)上進(jìn)行培訓(xùn)。
他說，管理這個系統(tǒng)不再需要一個受過高度訓(xùn)練的數(shù)據(jù)科學(xué)家，但它確實(shí)需要具備統(tǒng)計學(xué)基礎(chǔ)知識的人。在Symphony，公司還使用R代碼建立模型。
Data Robot也支持Python的退出。Data Robot的產(chǎn)品營銷總監(jiān)Colin Priest說，使用其他語言的客戶也可以使用任何RestAPI感知的語言來調(diào)用DataRobotRestAPI，包括Java、C#、SAS、JavaScript和Visual Basic。
人工智能（AI）的下一步是自助服務(wù)
“人工智能已經(jīng)實(shí)現(xiàn)了民主化，”弗雷斯特研究公司（Forrester Research）副總裁兼首席分析師鮑里斯o埃文斯（Boris Evelson）表示。“直到最近，它還需要一個數(shù)據(jù)科學(xué)家來編寫代碼。今天，有了這些商業(yè)智能系統(tǒng)，我可以點(diǎn)擊幾個數(shù)據(jù)點(diǎn)，選擇我想預(yù)測的變量--就像客戶購買的傾向--這些預(yù)測模型將會自動生成。”
他說，過去需要一個數(shù)據(jù)科學(xué)專業(yè)的專業(yè)人士用幾個月來組裝的東西，現(xiàn)在可以由一個能夠理解數(shù)據(jù)和使用Excel工作的人在幾天內(nèi)搭建起來。
他說：“市場營銷人員利用這一點(diǎn)來預(yù)測和處理客戶的行為，業(yè)務(wù)經(jīng)理們用它來觀察和預(yù)測風(fēng)險，供應(yīng)鏈人員利用它來觀察和優(yōu)化物流。”
根據(jù)Forrester最近對全球決策者的調(diào)查，改進(jìn)數(shù)據(jù)、分析或洞察平臺是人工智能技術(shù)的三大用例。所有主要的BI供應(yīng)商，包括IBM、Oracle和Microsoft，都在這方面努力工作。
如果8個小時聽起來太長，無法建立一個新的機(jī)器學(xué)習(xí)模型，那么就會有更容易的選擇。很快，用戶將能夠得到最常見類型的自動預(yù)測，得到建議，內(nèi)置的圖像識別和自然語言處理。Gartner預(yù)測，自然語言生成（NLG）和人工智能（AI）在未來兩年將是90%的現(xiàn)代商業(yè)智能平臺的一個標(biāo)準(zhǔn)特性。
為文本和視覺分析配備BI
SpringBoard。ai的首席執(zhí)行官Bruce Molloy說，自然語言處理（NLP）會讓用戶在需要信息的時候，通過問一些簡單的英語問題得到答案。“我認(rèn)為這是自然進(jìn)化的。”
他說，領(lǐng)域越窄，平臺的相關(guān)數(shù)據(jù)越多，供應(yīng)商就越容易添加人工智能。會計平臺，或者Salesforce這樣的客戶關(guān)系管理系統(tǒng)，已經(jīng)擁有了他們需要的數(shù)據(jù)，并且有一些用戶最可能會問的問題。他說：“有了Salesforce，看看他們做什么會很有意思。”它已經(jīng)受到限制，而且工作已經(jīng)部分完成了。他們已經(jīng)確定這些觀點(diǎn)是重要的，而且他們可以將AI的能力放在首位。
對人工智能的推動是由更強(qiáng)大的處理能力、更智能的算法、云計算和標(biāo)準(zhǔn)接口驅(qū)動的。例如，DataRobot利用了云計算和標(biāo)準(zhǔn)RestAPIs，允許它支持Trifacta、Alteryx和Domino數(shù)據(jù)實(shí)驗(yàn)室業(yè)務(wù)智能系統(tǒng)，除了PowerBI、Tableau、Qlik、Excel、R和其他許多儀表板工具。
人工智能的商業(yè)智能儀表板也可以處理比以前更廣泛的各種數(shù)據(jù)。例如，Symphony不僅僅是看病人記錄中的硬數(shù)字，也看醫(yī)生和護(hù)士記錄的東西。
咨詢公司Publicis.Sapient的全球數(shù)據(jù)和人工智能主管喬什.薩頓（Josh Sutton）表示，在非結(jié)構(gòu)化格式中存儲了大量信息，這些信息可能會導(dǎo)致有用的見解或預(yù)測。不僅僅是文本。
“非結(jié)構(gòu)化數(shù)據(jù)的最大來源之一是視覺圖像，這是商業(yè)智能的一個來源，”薩頓（Sutton）說。例如，營銷部門可以通過分析用戶在社交媒體上分享的照片，來分析他們的客戶是如何與產(chǎn)品互動的。
超越描述性分析
但國際數(shù)據(jù)（International Data）的認(rèn)知和人工智能系統(tǒng)研究主管David Schubmehl說，預(yù)測和洞察力只是人工智能增加商業(yè)智能儀表板的第一步。AI驅(qū)動的儀表板還可以提供建議或建議用戶下一步應(yīng)該做的具體操作，甚至可以為用戶提供這些操作。
他說：“如果銷售數(shù)量下降，它可能會說這對未來意味著什么，以及你現(xiàn)在應(yīng)該怎么做。”
這使得BI更有價值。
他說：“我認(rèn)為這就是為什么這么多人都在采用這類工具。”例如，Salesforce剛剛發(fā)布了一項(xiàng)重大聲明，即它的愛因斯坦預(yù)測最近已經(jīng)超過了10億次預(yù)測，這是一種以規(guī)范的方式幫助人們關(guān)閉新業(yè)務(wù)，識別新線索，創(chuàng)造面向行動的能力。我認(rèn)為這是一個指標(biāo)，人們想要的不僅僅是描述性的商業(yè)分析。
他說，我們還處在早期階段。“在未來兩三年內(nèi)，我們可能會完全成熟。”人們才剛剛開始了解人工智能和機(jī)器學(xué)習(xí)的可能性。
埃森哲（Accenture）負(fù)責(zé)人工智能的高級主管、全球主管魯曼·喬杜里（Rumman Chowdhury）表示，尤其如此，人工智能仍然沒有常識。
她說：“我們生活在一個狹窄的人工智能世界里。”即使一個特定的平臺有內(nèi)置的人工智能模型，用戶仍然需要了解正在使用的數(shù)據(jù)，以及它與當(dāng)前問題的相關(guān)性。
她說：“你必須確保你認(rèn)為自己得到的產(chǎn)出是合適的。我不知道我們是否會在某些方面完全取代人類的判斷。我不知道我們是否能夠完全自動化真正的決策--或者即使我們應(yīng)該這樣做。”
聲明:版權(quán)所有 非合作媒體謝絕轉(zhuǎn)載
作者：瑪麗亞·科爾洛夫（Maria Korolov）
