The Symphony Post Acute Network就是這樣的一個(gè)組織。在伊利諾斯州、印第安納州和威斯康辛州的28個(gè)醫療保健機構中，這家醫療保健公司擁有5000張床位，他們希望利用人工智能和機器學(xué)習來(lái)改善每年8萬(wàn)名患者的護理，這些病人從膝蓋手術(shù)或接受透析治療的過(guò)程中恢復過(guò)來(lái)。例如，病人的醫療核心可能是一個(gè)表明病人特別面臨危險跌倒的跡象，因此需要額外的預防措施。
找到這些跡象，可能是單個(gè)數據點(diǎn)或數據的細微模式，是機器學(xué)習的一個(gè)完美用例。但是建立模型并不是一件簡(jiǎn)單的工作。
“我被有關(guān)預測的問(wèn)題狂轟轟炸，”Symphony的數據科學(xué)和分析主管內森帕特里克泰勒（Nathan Patrick Taylor）說(shuō)。“即使我把每一個(gè)醒著(zhù)的時(shí)間都花在構建機器學(xué)習模型上，我也不可能做到這些。”
于是公司又雇傭了兩位數據科學(xué)家。“而且他們不便宜，”泰勒（Taylor）說(shuō)。但我們沒(méi)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(kāi)始關(guān)注商業(yè)替代品，那些已經(jīng)擁有機器學(xué)習模型的供應商已經(jīng)準備好了。現在，該公司將已經(jīng)收集到的數據存儲在數據倉庫中，通過(guò)來(lái)自其供應商DataRobot的基于云計算的AI引擎發(fā)送數據，結果每四個(gè)小時(shí)就會(huì )傳回公司的Microsoft Power BI儀表盤(pán)。泰勒（Taylor）說(shuō)：“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(lái)像魔法。”
今天，240名醫生和護士在他們的PowerBI儀表盤(pán)上獲得了預測和推薦，他們可以通過(guò)平板電腦和智能手機訪(fǎng)問(wèn)。因此，例如，高危患者會(huì )被自動(dòng)標記為樓梯圖標。高危患者再入院時(shí)被標記為救護車(chē)圖標。
將AI注入BI
泰勒（Taylor）說(shuō)，重新入院率對Symphony來(lái)說(shuō)是一件大事。醫院和保險公司考慮的是重新調整的費率，每一次重新調整的費用會(huì )使公司損失13500美元。“那不是一筆微不足道的錢(qián)，”他說(shuō)。
為了弄清楚DataRobot的預測是否有用，Symphony最初僅推出Data Robot的某些功能，并進(jìn)行了為期6個(gè)月的研究，以查看是否有不同的結果。他說(shuō)：“如果能改變1%，那你就做得很好了。”
泰勒（Taylor）說(shuō)，確實(shí)有所改善，重新入院率從21%上升到18.8%。“這是一個(gè)重大的進(jìn)步，”他說(shuō)。“這贏(yíng)得了我們的CEO。”
如今，該公司開(kāi)始采用同樣的方法來(lái)看待與保險公司簽訂的合同。他說(shuō)：“如果我們不能正確地為服務(wù)付費，我們就會(huì )為此付出更高昂的代價(jià)。”
最初的安裝花費了大約20個(gè)小時(shí)，涉及到連接數據和建立學(xué)習模型。現在，如果有人想要新的預測，一個(gè)全新的學(xué)習模式需要6到8個(gè)小時(shí)的時(shí)間來(lái)建立，他說(shuō)，在三個(gè)工作日內傳播。
此外，他說(shuō)，現有的模型可以在任何時(shí)候進(jìn)行再培訓。例如，法規可能改變，或者醫務(wù)人員可以開(kāi)始使用新的程序。此外，模型可能隨著(zhù)時(shí)間推移而漂移。泰勒（Taylor）每三個(gè)月重新培訓一次模型，或者每當有重大的政策轉變的時(shí)候。如果有很大的變化，學(xué)習模式可能只需要在新政策生效后的數據上進(jìn)行培訓。
他說(shuō)，管理這個(gè)系統不再需要一個(gè)受過(guò)高度訓練的數據科學(xué)家，但它確實(shí)需要具備統計學(xué)基礎知識的人。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(yíng)銷(xiāo)總監Colin Priest說(shuō)，使用其他語(yǔ)言的客戶(hù)也可以使用任何RestAPI感知的語(yǔ)言來(lái)調用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(gè)數據科學(xué)家來(lái)編寫(xiě)代碼。今天，有了這些商業(yè)智能系統，我可以點(diǎn)擊幾個(gè)數據點(diǎn)，選擇我想預測的變量--就像客戶(hù)購買(mǎi)的傾向--這些預測模型將會(huì )自動(dòng)生成。”
他說(shuō)，過(guò)去需要一個(gè)數據科學(xué)專(zhuān)業(yè)的專(zhuān)業(yè)人士用幾個(gè)月來(lái)組裝的東西，現在可以由一個(gè)能夠理解數據和使用Excel工作的人在幾天內搭建起來(lái)。
他說(shuō)：“市場(chǎng)營(yíng)銷(xiāo)人員利用這一點(diǎn)來(lái)預測和處理客戶(hù)的行為，業(yè)務(wù)經(jīng)理們用它來(lái)觀(guān)察和預測風(fēng)險，供應鏈人員利用它來(lái)觀(guān)察和優(yōu)化物流。”
根據Forrester最近對全球決策者的調查，改進(jìn)數據、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供應商，包括IBM、Oracle和Microsoft，都在這方面努力工作。
如果8個(gè)小時(shí)聽(tīng)起來(lái)太長(cháng)，無(wú)法建立一個(gè)新的機器學(xué)習模型，那么就會(huì )有更容易的選擇。很快，用戶(hù)將能夠得到最常見(jiàn)類(lèi)型的自動(dòng)預測，得到建議，內置的圖像識別和自然語(yǔ)言處理。Gartner預測，自然語(yǔ)言生成（NLG）和人工智能（AI）在未來(lái)兩年將是90%的現代商業(yè)智能平臺的一個(gè)標準特性。
為文本和視覺(jué)分析配備BI
SpringBoard。ai的首席執行官Bruce Molloy說(shuō)，自然語(yǔ)言處理（NLP）會(huì )讓用戶(hù)在需要信息的時(shí)候，通過(guò)問(wèn)一些簡(jiǎn)單的英語(yǔ)問(wèn)題得到答案。“我認為這是自然進(jìn)化的。”
他說(shuō)，領(lǐng)域越窄，平臺的相關(guān)數據越多，供應商就越容易添加人工智能。會(huì )計平臺，或者Salesforce這樣的客戶(hù)關(guān)系管理系統，已經(jīng)擁有了他們需要的數據，并且有一些用戶(hù)最可能會(huì )問(wèn)的問(wèn)題。他說(shuō)：“有了Salesforce，看看他們做什么會(huì )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(guān)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(dòng)是由更強大的處理能力、更智能的算法、云計算和標準接口驅動(dòng)的。例如，DataRobot利用了云計算和標準RestAPIs，允許它支持Trifacta、Alteryx和Domino數據實(shí)驗室業(yè)務(wù)智能系統，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據。例如，Symphony不僅僅是看病人記錄中的硬數字，也看醫生和護士記錄的東西。
咨詢(xún)公司Publicis.Sapient的全球數據和人工智能主管喬什.薩頓（Josh Sutton）表示，在非結構化格式中存儲了大量信息，這些信息可能會(huì )導致有用的見(jiàn)解或預測。不僅僅是文本。
“非結構化數據的最大來(lái)源之一是視覺(jué)圖像，這是商業(yè)智能的一個(gè)來(lái)源，”薩頓（Sutton）說(shuō)。例如，營(yíng)銷(xiāo)部門(mén)可以通過(guò)分析用戶(hù)在社交媒體上分享的照片，來(lái)分析他們的客戶(hù)是如何與產(chǎn)品互動(dòng)的。
超越描述性分析
但國際數據（International Data）的認知和人工智能系統研究主管David Schubmehl說(shuō)，預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驅動(dòng)的儀表板還可以提供建議或建議用戶(hù)下一步應該做的具體操作，甚至可以為用戶(hù)提供這些操作。
他說(shuō)：“如果銷(xiāo)售數量下降，它可能會(huì )說(shuō)這對未來(lái)意味著(zhù)什么，以及你現在應該怎么做。”
這使得BI更有價(jià)值。
他說(shuō)：“我認為這就是為什么這么多人都在采用這類(lèi)工具。”例如，Salesforce剛剛發(fā)布了一項重大聲明，即它的愛(ài)因斯坦預測最近已經(jīng)超過(guò)了10億次預測，這是一種以規范的方式幫助人們關(guān)閉新業(yè)務(wù)，識別新線(xiàn)索，創(chuàng )造面向行動(dòng)的能力。我認為這是一個(gè)指標，人們想要的不僅僅是描述性的商業(yè)分析。
他說(shuō)，我們還處在早期階段。“在未來(lái)兩三年內，我們可能會(huì )完全成熟。”人們才剛剛開(kāi)始了解人工智能和機器學(xué)習的可能性。
埃森哲（Accenture）負責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(méi)有常識。
她說(shuō)：“我們生活在一個(gè)狹窄的人工智能世界里。”即使一個(gè)特定的平臺有內置的人工智能模型，用戶(hù)仍然需要了解正在使用的數據，以及它與當前問(wèn)題的相關(guān)性。
她說(shuō)：“你必須確保你認為自己得到的產(chǎn)出是合適的。我不知道我們是否會(huì )在某些方面完全取代人類(lèi)的判斷。我不知道我們是否能夠完全自動(dòng)化真正的決策--或者即使我們應該這樣做。”
聲明:版權所有 非合作媒體謝絕轉載
作者：瑪麗亞·科爾洛夫（Maria Korolov）
