Hva er utvidet analyse?
Denne websiden er maskinoversatt for å hjelpe deg. SAP kan ikke garantere at maskinoversettelsen er riktig eller fullstendig oversatt. Den opprinnelige engelske nettsiden finner du ved å bruke verdenskartet i øvre høyre hjørne av denne siden.
Den enkleste utvidede analysedefinisjonen? Utvidede analyser er analyser som er "utvidet" med kunstig intelligensteknologi (AI), inkludert maskinlæring og naturlig språkbehandling (NLP). Maskinlæring automatiserer komplekse analyseprosesser – for eksempel dataforberedelse og analysegenerering. NLP lar alle brukere, til og med utrente forretningsbrukere, stille spørsmål om dataene og få svar på en enkel, samtalebasert måte.
Begrepet "utvidet analyse" ble skapt av Gartner i 2017 og antas nå å være fremtiden til business intelligence (BI) og dataanalyser – inkludert prediksjonsanalyse.
Hvorfor er utvidet analyse viktig?
Utvinning av store datamengder
Data representerer den største muligheten i den moderne økonomien. Med den kan bedrifter vite hva de skal produsere når, hvem som skal markedsføre seg, hvordan de utvikler seg og så mye mer. Men datavolumet i dag er for massiv for mennesker til å tolke på egen hånd – eller uten fordommer – og kravet om umiddelbare svar er ganske enkelt umulig å møte. Det er nødvendig å aktivere teknologier som AI og maskinlæring for å avdekke meningsfull innsikt til sjøs med store datamengder. Dette er en av årsakene til at utvidet analyse er så viktig: De kombinerer datavitenskap og kunstig intelligens for å hjelpe bedrifter med å analysere massive datasett i sanntid.
Redusering av dataforskere
Analyseprosessen er en rekke manuelle, tidkrevende trinn som er så komplisert at vanligvis er det bare dataspesialister som kan utføre dem. Disse profesjonelle analytikerne må:
- Samle inn data fra flere kilder
- Klargjør for analyse
- Utfør analysen
- Finn meningsfull innsikt
- Visualiser resultater
- Dele resultater på en overbevisende måte
- Opprett en handlingsplan
Problemet er, det er stor mangel på dataforskere verden over – og ansettelse av dem er dyrt. Selv om utvidede analyser ikke erstatter disse fagpersonene, kan de redusere avhengigheten av dem ved å automatisere prosesser som datainnhenting, forberedelse, rensing og analyse.
I tillegg til å frigjøre dataforskernes tid til viktigere oppgaver, som å tolke resultater, kan utvidede analyser øke verdien disse analytikerne tilfører organisasjonen din. AI- og maskinlæringsdrevne analyser hjelper dem med å gjøre forbindelser de ellers har gått glipp av – og finne dypere innsikt på mindre tid. Disse teknologiene kan også gi ansatte andre analyseroller – fra forretningsanalytikere til borgerdataspesialister – forbedre sin innsikt og hjelpe dem med å gjøre arbeidet som tidligere bare ble utført av ekspertdataspesialister.
Innen 2025 vil et mangfold av dataspesialister ikke lenger hindre innføring av datavitenskap og maskinlæring i organisasjoner.
Gartner
Demokratiseringsanalyse for utrente brukere
En annen grunn til å øke analysene er så viktige at de lar utrente «Information Explorers» komme inn på spillet. Ved å automatisere komplekse analyseprosesser og tillate brukere å spørre etter data enkelt ved å stille spørsmål, kan ansatte uten datavitenskaper bruke avanserte analyser. Maskinlæring kan veilede disse informasjonsutforskerne ved å anbefale hvilket spørsmål de skal spørre om nå, og foreslå hvor de skal grave dypere.
Med utvidede analyser kommer svar på spørringer i form av bruksklare datavisualiseringer, som diagrammer, grafer og kart, slik at brukerne ikke trenger å opprette dem selv. Disse visualiseringene kan etterforskes med enkle kommandoer, skjerpes sammen til datahistorier og enkelt deles med andre team og lederskap – det kreves ingen doktorgrad.
Utviklingen av analytiske funksjoner
Analytiske funksjoner og Business Intelligence har kommet lang tid de siste årene – og har utviklet seg fra avanserte verktøy for data- og analysemedarbeidere til maskinlæringsanalyser som alle kan bruke.
Tradisjonelle analyser
- Drevet av IT
- Begrenset brukerautorisasjon
- Sofistikerte verktøy for eksperter innen data- og analysefunksjoner
- Fokus på rapportering på skala
Selvbetjeningsanalyse
- Drevet av bedriften
- Mer brukerautorisasjon
- Brukervennlig grensesnitt
- Fokus på brukerdrevet innsikt
Forsterket analyse
- Drevet av AI og maskinlæring
- Ekte brukerautorisasjon
- AI-verktøy og veiledede prosesser
- Fokus på rask, dyp, tidligere skjult innsikt
Fordeler ved økte analysefunksjoner
Økte analyser gir mange av de samme fordelene som Business Intelligence – som forbedret rapportering og beslutningstaking – men de leverer også et farts- og nøyaktighetsnivå som er umulig uten kunstig intelligens og maskinlæring. Her er noen fordeler som er spesifikke for økte analyser:
- Raskere dataforberedelse: Analytikere bruker omtrent 80 % av tiden på å klargjøre data for analyse. De eksporterer store datasett – noen ganger med millioner av poster – og kombinerer, rengjør og strukturerer det før analysen kan begynne. Maskinlæringen i utvidet analyse automatiserer denne prosessen og frigjør analytikere for mer verdifulle aktiviteter og reduserer feil samtidig.
- Automatisert analyse: Maskinlæringsmodeller kan automatisere komplekse analyser som ellers ville tatt dataforskernes uker for å bygge på egen hånd. Svar og datavisualiseringer genereres umiddelbart og blir tilgjengelige for brukerne, slik at de kan bruke mindre tid på å grave inn i data og mer tid på å tolke innsikten, fortelle datahistorier til lederskap og påkalle endringer.
- Dypere innsikt: Maskiner kan se på data på måter mennesker ganske enkelt ikke kan. De kan undersøke mye større datasett fra flere vinkler – og de kan finne statistiske korrelasjoner, relasjoner og mønstre som er usynlige for det menneskelige øye. Maskiner kan forstå data raskt og i målestokk, forsterke menneskelig intelligens med upartisk innsikt, og fortelle brukere hvor de skal fokusere oppmerksomheten sin.
- Konversasjonsanalyse: Naturlig språkbehandling – den samme samtale-AI-teknologien som fullfører digitale assistenter som Siri og Alexa – lar forretningsbrukere uten kunnskap om spørringsspråk eller kode stille spørsmål på en samtalemåte. Naturspråklig generasjon (NLG) gir dem svar i fullstendige setninger, skrevet eller verbal, som oppsummerer eller forklarer resultater.
- Øyeblikkelig forretningskontekst: Innsikt uten forretningskontekst gir mening. Ved å ta hensyn til brukerhensikt og -atferd kan maskinlæringsalgoritmer levere kontekstbevisste analyser som er klare til handling. Ved å demokratisere analyser kan ledere og mangeårige ansatte også øke innsikten med sin stammekunnskap og dype forståelse av forretningsmodeller og operasjoner.
Brukstilfeller for utvidet analyse
Utvidede analyser har makt til å revolusjonere forretningsprosesser – men hva ser dette ut i den virkelige verden? Her er noen eksempler på brukstilfeller for utvidet analyse av økonomi, salg og markedsføring, logistikk, Human Resources og kundereskontro.
Utvidet analyse i finans
En forretningsanalytiker kan bruke utvidet analyse til enkelt å prognostisere og styre utgifter til reiser og underholdning (T&E) på tvers av ulike forretningsområder.
Utvidet analyse i kundereskontro
Inkassoansvarlige kan bruke maskinlæring i utvidet analyse til å forutsi forsinkede betalinger, fastsette riktig inkassostrategi og holde deg oppå kontantstrømmen.
Forsterket analyse i salg og markedsføring
Salgs- og markedsføringsteam får bedre kundeprofiler – og rask identifisering av muligheter for kryss- og oppsalg – ved hjelp av utvidede analyser.
Utvidet analyse i produksjon
En analytiker for en stålprodusent kan bruke utvidet analyse for å forutsi, overvåke og kontrollere forbruk på tvers av ulike fabrikker i hele Europa.
Utvidede analyser i HR
HR-ledere kan prognostisere medarbeidernes kundeavgang, forstå årsakene til hvorfor og iverksette korrigerende tiltak for å beholde de beste medarbeiderne – alle med AI-analyse.
Oppdag nettskyanalyseløsninger
Se utvidede analysefunksjoner i aktivitet og hvordan bedrifter bruker dem.
Analyseglossar og relaterte begreper
Augmentert intelligens er praksisen med å forsterke menneskelig intelligens med kunstig intelligens (AI). Istedenfor science fiction-skildringen av maskiner som erstatter mennesker, fokuserer etterretning på AIs overgripende rolle i å hjelpe andre med å lære, ta beslutninger og skape nyvinninger.
Konversasjonsanalyse er analyser som bruker konversasjonelle AI-teknologier – nemlig naturlig språk-prosessering (NLP) og naturlig språk-generasjon (NLG) – for å gi maskinene mulighet til å forstå menneskelig tale, prosesstekst eller talespørsmål, og gi svar på en samtalemåte.
Naturlig språk-prosessering er en gren av konversasjons-AI som gjør det mulig for datamaskiner å forstå skriftspråk eller talespråk. I forbindelse med utvidede analysefunksjoner lar NLP brukerne spørre data ved å stille spørsmål på en naturlig måte, enten ved å skrive dem inn eller snakke dem høyt.
Naturlig språkgenerering er en gren av konversasjons-AI som gjør det mulig for datamaskiner å omdanne data til skriftspråk eller talespråk. I forbindelse med utvidede analyser, besvarer NLG brukerspørringer ved å generere fraser som beskriver, oppsummerer eller forklarer resultater.
Avanserte analyser er en type datavitenskap som bruker avanserte teknikker og verktøy, inkludert store data og prediksjonsanalyser, for å forutsi fremtidige hendelser, atferder og trender. Utvidede analyser forbedrer disse allerede avanserte mulighetene med AI, maskinlæring og behandling av naturlig språk – automatiserer komplekse prognosemodelleringsoppgaver og gjør det enklere for alle typer brukere å avdekke innsikt fra fremtidig utvikling.
Nyhetsbrev for SAP Insights