В трактовке Gartner расширенная аналитика означает применение таких передовых технологий, как машинное обучение (МО) и искусственный интеллект (ИИ), с целью подготовки данных, генерации инсайтов и их трактовки. Другими словами, она расширяет возможности людей по части изучения и анализа данных в аналитических и BI-платформах.
Расширенная аналитика - это не конкретная технология или продукт — это скорее сочетание таких технологий, как машинное обучение (МО) и аналитика, чтобы автоматизировать весь конвейер управления данными — от их подготовки до получения аналитических результатов, а также оказывать помощь начиная с создания моделей и заканчивая их внедрением в эксплуатацию.
Наука о данных и МО необычайно сложны. Именно по этой причине всего несколько лет назад множество организаций всеми силами старались нанять высококвалифицированных специалистов по обработке данных, которые имеют опыт работы в трех различных сферах: статистике, кодировании и отдельных областях бизнеса. Осознавая потенциал МО, они также стремились как можно раньше запустить пилотные проекты в этой области, чтобы затем их можно было перевести в коммерческую эксплуатацию. Расширенная аналитика, или расширенный интеллект, применяют МО и автоматизацию для того, чтобы предприятия смогли разобраться со сложными нюансами аналитики, МО и других видов ИИ[1].
Преимущество расширенной аналитики заключается в том, что она позволяет аналитикам данных, инженерам по обработке данных и другим специалистам по данным сэкономить время, затрачиваемое на выполнение повторяющихся ручных процедур.
2020
Вице-президент по инновациям и дизайну Qlik Элиф Тутук пояснила, что технология аналитики значительно продвинулась с момента появления пассивных систем первого поколения, которые выдавали пользователям статические отчеты о данных и быстро устарели. «Наиболее эффективная расширенная аналитика является комбинацией лучших аспектов машинного интеллекта, а также креативности и опыта человека, чтобы помочь пользователям быстрее реагировать, повышать продуктивность, а также добывать идеи, способствующие принятию правильных решений», — сказала она. В качестве примера эксперт приводит действия руководителя команды продаж, который может использовать поисковую аналитику (search-based analytics) для оценки эффективности работы отдельных торговых представителей[2].
По ее словам, чтобы ввести в аналитическую платформу вопрос, руководитель применяет обработку естественного языка. Заложенный механизм обработки данных и ИИ немедленно приступают к анализу как структурированных, так и неструктурированных данных с помощью поисковых терминов, чтобы отобразить наиболее релевантные результаты, включая визуальные представления. Затем пользователь может изучить интерпретации ранее недоступных данных, которые выступят подспорьем для принятия бизнес-решений. Расширенная аналитика превращает аналитику в общедоступную дисциплину, и «компании, которые вкладывают средства в эти простые в использовании инструменты, получат четкое визуальное представление о скрытых в данных крупицах ценной информации. Эти омпании будут на всех уровнях продвигать грамотность данных, что будет способствовать успеху их бизнеса», — добавила Тутук.Чекап для искусственного интеллекта: зачем и как тестировать ИИ-решения? 
Директор по стратегии ИИ Dataiku Алексис Фурнье уверен, что внедрение расширенной аналитики позволяет современному бизнесу значительно ускорить и автоматизировать моделирование ИИ. В то же время она начала изменять роль специалистов по данным. «Внедрение расширенной аналитики в бизнесе не значит, что потребность в специалистах по данным отпала. Здесь речь о том, что она демократизирует данные, делая их доступными для большего круга сотрудников. Вместе с этим появляются новые бизнес-потребности и обязанности, которые включают в себя обучение всех сотрудников работе с данными, превращая их в гражданских специалистов по данным. Внедрить расширенную аналитику не значит создать новые инструменты обработки данных и оставить сотрудников с ними один на один. Чтобы они могли связать любую работу, связанную с данными, с бизнес-вопросами, на которые ищут ответы, необходимо надлежащее обучение и понимание», — считает эксперт.
По словам Фурнье, предприятия возлагают большие надежды на то, что в конечном итоге расширенная аналитика приведет к полной автоматизации, но пока что они делают упор на ускоренное создание более точных МО-продуктов. В свою очередь, это открывает путь для улучшения бизнес-процессов, повышения точности операций и ускорения разработки новых продуктов.
Фурнье продолжает: «Задействование расширенной аналитики невозможно без абсолютной прозрачности данных. Чтобы устранить возможные преграды между персоналом, инструментами данных и бизнес-целями, необходимо провести разъяснительную работу по поводу того, как аналитика и связанные с ней технологии ИИ изменят рабочую силу, бизнес-процессы и способы работы. Обладая необходимыми знаниями, сотрудники смогут успешно ориентироваться в технологиях, основанных на данных, таких как автоматизированное МО для создания моделей, проведения сравнений и повышения эффективности бизнеса. В конечном счете, именно свойственная расширенной аналитике прозрачность объединит науку о данных с практиками бизнес-аналитики, предоставляя новый и централизованный уровень доступа к ранее разрозненным источникам бизнес-идей».
CEO и основатель orgvue Руперт Моррисон предупреждает, что предприятия, использующие аналитику, должны выйти за рамки исторически накопленных данных, «которые являются отправной точкой для определения будущего через прошлое». Он советует руководителям предприятий при принятии решений и выработке планов принимать во внимание гораздо больше нюансов, чем данные за прошлые периоды. Эксперт поясняет: «Возможности, которые сулят бизнесу МО и ИИ, не должны его ослеплять. Конечно, эти новые и интеллектуальные технологии уже заняли свою нишу, но бизнес-лидеры должны убедиться, что имеющиеся у них данные являются действенными. Создавать будущее на основе ретроспективы — безумие. Эти технологии просто не могут предсказать, что будет дальше, поэтому организации должны сами взяться и смоделировать различные сценарии на будущее».
По его словам, выход за границы накопленных предприятиями данных поможет им понять, как будет построена работа будущего и какая рабочая сила потребуется, чтобы ее выполнять. «Covid-19 привел к неопределенности и нарушению привычного порядка вещей, и в этих условиях значимость расширенной аналитики повышается. У предприятий вряд ли получится составить действенный план на будущее, основываясь на анализе исторических данных. В конечном счете в категорию лидеров вырвутся те компании, которые применяют лучшие решения в области ИИ и МО и сочетают их с непрерывным анализом, моделированием, планированием и реализацией», — говорит Моррисон.
Примечания
