发帖
雷达卡
在 AI 类别中，“可解释的 AI”似乎也是近来的热门话题。增强分析、持续智能和可解释的人工智能将在未来五年内彻底颠覆业务分析领域。到 2020 年，所有 BI 和业务分析供应商都必须将增强分析与其平台集成以保持竞争力
无限访问 160 多个在线课程
通过我们的高级订阅，您可以从广泛的按需数据管理课程和综合培训计划中进行选择。
学到更多
Gartner 研究副总裁 Rita Sallam 表示：
“数据和分析领导者必须检查这些趋势的潜在业务影响，并相应地调整业务模式和运营，否则可能会失去竞争优势。”
在增强和高级分析场景中，大多数关键任务（如数据质量管理、数据集成、主数据管理和元数据管理）在很大程度上是自动化的。Gartner 副总裁兼杰出分析师 Donald Feinberg 认为，“数字化颠覆”带来的挑战与机遇一样多。一个数据科学中心职位讨论 Gartner 最近的出版物《客户评价的 2018 年最佳数据科学和机器学习平台软件》。
高级分析用例：之旅开始
以下是高级分析的一些一般但最近的市场应用，其中包括大数据分析：
具有临时数据分析的云中的大数据使用户能够在单独的层上查看选择性的非结构化数据。云服务提供商使用 Hadoop 提供临时数据分析。
一个Datameer 电子书包含五个大数据分析用例。
CEO 现在对高级分析产生了浓厚的兴趣。代码共享库自动化分析平台已经使数据科学成为主流，因为即使是高级业务主管也可以随时使用现成的分析工具。C-Suite 高管不再需要奔向技术团队，将高级算法应用于特定的业务问题，以获得卓越的解决方案。
演讲题为大数据和高级分析：16 个用例展示了高级分析的许多行业应用，例如风险分析、灵活定价模型、有针对性的折扣、欺诈预防和高级客户管理。
使用 IoT 数据进行高级分析：用例
物联网数据分析的一些流行应用包括：
产品使用分析
面向消费者和业务用户的通用分析
传感器和摄像头协同工作，用于分析同时发生或关联的事件
用于监控和安全步骤的视频分析
社会分析
至关重要的方面物联网数据分析尽管商业用户可能认为无线、传感器和移动设备等现代硬件创新正在推动商业价值，但实际上是高质量的传感器数据和大数据等高级分析技术有助于增值分析。
按行业划分的高级分析用例
近来，企业领导者和管理者一直非常关注建立一个高级分析愿景和战略，其中涉及对此类分析练习的适用性的认真考虑。高级分析愿景和战略通常与整体业务战略密切相关，从而实现实现运营效率的首要目标。
现代人工智能平台提供了许多自动化或半自动化工具，金融、保险或医疗保健业务专业人士可以轻松使用这些工具“将数据转化为信息”，从而做出更明智的决策并提高盈利能力。作为数据治理在这三个行业领域也非常重要，支持机器学习 (ML) 的 AI 平台为更准确、更高效的决策提供了更多机会。这些先进的分析技术正在帮助企业从竞争对手中脱颖而出。
高级预测分析的其他应用在预测分析用例，这表明高级分析的真正力量取决于训练有素的专家和高级工具。
零售
用户可以申请预测分析结合对大量市场和消费者数据的规范性分析，以获得可操作的情报
预测分析工具可以帮助用户预测近期的销售结果
过去的销售业绩数据在用于预测分析时，可以帮助零售商预测由于市场趋势或消费者行为变化等特定因素而导致的增长
大数据分析帮助零售商研究产品分销渠道数据以降低成本
保险和金融服务
高级预测分析用于流失管理
大数据以及预测分析可以帮助预测需求
大数据分析在预防欺诈方面发挥着至关重要的作用
风险分析大数据有助于确定客户的信誉
数据挖掘、NLP 和文本分析一起使用，以提供更好的产品和客户洞察力
卫生保健
Health Catalyst 等高级分析平台有助于预测糖尿病酮症酸中毒 (DKA) 的风险，这是一种急性糖尿病病例，可以进行早期干预。
营销
了解消费者行为是营销成功的关键。在数字时代，营销数据是从各种输入渠道和客户接触点收集的。除了结构化的聊天记录或电子邮件之外，许多非结构化数据源（如传感器、点击流和社交媒体）都会生成大量消费者数据。
结语
高级分析不仅仅是一组数据科学家和一组高端分析工具。数据科学是一种完整的思维方式，尤其是现在有了自助式 BI 和分析，供应商正在努力使解决方案平台民主化，以便每个业务用户——从 CEO 到客户服务代理——都能从数据中获益- 在没有数据科学团队的情况下驱动洞察力。
正如市场解决方案所表明的那样，高级分析的最终目的是让业务用户像数据科学家一样思考。因此，高级分析“愿景和战略”必须首先与整体业务战略保持一致，以使用户能够从他们的分析工作中获得最大回报。
相关帖子DA内容精选
|
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
