The Symphony Post Acute Network就是这样的一个组织。在伊利诺斯州、印第安纳州和威斯康辛州的28个医疗保健机构中，这家医疗保健公司拥有5000张床位，他们希望利用人工智能和机器学习来改善每年8万名患者的护理，这些病人从膝盖手术或接受透析治疗的过程中恢复过来。例如，病人的医疗核心可能是一个表明病人特别面临危险跌倒的迹象，因此需要额外的预防措施。
找到这些迹象，可能是单个数据点或数据的细微模式，是机器学习的一个完美用例。但是建立模型并不是一件简单的工作。
“我被有关预测的问题狂轰轰炸，”Symphony的数据科学和分析主管内森帕特里克泰勒（Nathan Patrick Taylor）说。“即使我把每一个醒着的时间都花在构建机器学习模型上，我也不可能做到这些。”
于是公司又雇佣了两位数据科学家。“而且他们不便宜，”泰勒（Taylor）说。但我们没有得到我们需要的回报。这是非常困难和昂贵的。
因此，两年前，Symphony开始关注商业替代品，那些已经拥有机器学习模型的供应商已经准备好了。现在，该公司将已经收集到的数据存储在数据仓库中，通过来自其供应商DataRobot的基于云计算的AI引擎发送数据，结果每四个小时就会传回公司的Microsoft Power BI仪表盘。泰勒（Taylor）说：“我马上就收到了，我的CIO也收到了，我们都被炸飞了。它看起来像魔法。”
今天，240名医生和护士在他们的PowerBI仪表盘上获得了预测和推荐，他们可以通过平板电脑和智能手机访问。因此，例如，高危患者会被自动标记为楼梯图标。高危患者再入院时被标记为救护车图标。
将AI注入BI
泰勒（Taylor）说，重新入院率对Symphony来说是一件大事。医院和保险公司考虑的是重新调整的费率，每一次重新调整的费用会使公司损失13500美元。“那不是一笔微不足道的钱，”他说。
为了弄清楚DataRobot的预测是否有用，Symphony最初仅推出Data Robot的某些功能，并进行了为期6个月的研究，以查看是否有不同的结果。他说：“如果能改变1%，那你就做得很好了。”
泰勒（Taylor）说，确实有所改善，重新入院率从21%上升到18.8%。“这是一个重大的进步，”他说。“这赢得了我们的CEO。”
如今，该公司开始采用同样的方法来看待与保险公司签订的合同。他说：“如果我们不能正确地为服务付费，我们就会为此付出更高昂的代价。”
最初的安装花费了大约20个小时，涉及到连接数据和建立学习模型。现在，如果有人想要新的预测，一个全新的学习模式需要6到8个小时的时间来建立，他说，在三个工作日内传播。
此外，他说，现有的模型可以在任何时候进行再培训。例如，法规可能改变，或者医务人员可以开始使用新的程序。此外，模型可能随着时间推移而漂移。泰勒（Taylor）每三个月重新培训一次模型，或者每当有重大的政策转变的时候。如果有很大的变化，学习模式可能只需要在新政策生效后的数据上进行培训。
他说，管理这个系统不再需要一个受过高度训练的数据科学家，但它确实需要具备统计学基础知识的人。在Symphony，公司还使用R代码建立模型。
Data Robot也支持Python的退出。Data Robot的产品营销总监Colin Priest说，使用其他语言的客户也可以使用任何RestAPI感知的语言来调用DataRobotRestAPI，包括Java、C#、SAS、JavaScript和Visual Basic。
人工智能（AI）的下一步是自助服务
“人工智能已经实现了民主化，”弗雷斯特研究公司（Forrester Research）副总裁兼首席分析师鲍里斯o埃文斯（Boris Evelson）表示。“直到最近，它还需要一个数据科学家来编写代码。今天，有了这些商业智能系统，我可以点击几个数据点，选择我想预测的变量--就像客户购买的倾向--这些预测模型将会自动生成。”
他说，过去需要一个数据科学专业的专业人士用几个月来组装的东西，现在可以由一个能够理解数据和使用Excel工作的人在几天内搭建起来。
他说：“市场营销人员利用这一点来预测和处理客户的行为，业务经理们用它来观察和预测风险，供应链人员利用它来观察和优化物流。”
根据Forrester最近对全球决策者的调查，改进数据、分析或洞察平台是人工智能技术的三大用例。所有主要的BI供应商，包括IBM、Oracle和Microsoft，都在这方面努力工作。
如果8个小时听起来太长，无法建立一个新的机器学习模型，那么就会有更容易的选择。很快，用户将能够得到最常见类型的自动预测，得到建议，内置的图像识别和自然语言处理。Gartner预测，自然语言生成（NLG）和人工智能（AI）在未来两年将是90%的现代商业智能平台的一个标准特性。
为文本和视觉分析配备BI
SpringBoard。ai的首席执行官Bruce Molloy说，自然语言处理（NLP）会让用户在需要信息的时候，通过问一些简单的英语问题得到答案。“我认为这是自然进化的。”
他说，领域越窄，平台的相关数据越多，供应商就越容易添加人工智能。会计平台，或者Salesforce这样的客户关系管理系统，已经拥有了他们需要的数据，并且有一些用户最可能会问的问题。他说：“有了Salesforce，看看他们做什么会很有意思。”它已经受到限制，而且工作已经部分完成了。他们已经确定这些观点是重要的，而且他们可以将AI的能力放在首位。
对人工智能的推动是由更强大的处理能力、更智能的算法、云计算和标准接口驱动的。例如，DataRobot利用了云计算和标准RestAPIs，允许它支持Trifacta、Alteryx和Domino数据实验室业务智能系统，除了PowerBI、Tableau、Qlik、Excel、R和其他许多仪表板工具。
人工智能的商业智能仪表板也可以处理比以前更广泛的各种数据。例如，Symphony不仅仅是看病人记录中的硬数字，也看医生和护士记录的东西。
咨询公司Publicis.Sapient的全球数据和人工智能主管乔什.萨顿（Josh Sutton）表示，在非结构化格式中存储了大量信息，这些信息可能会导致有用的见解或预测。不仅仅是文本。
“非结构化数据的最大来源之一是视觉图像，这是商业智能的一个来源，”萨顿（Sutton）说。例如，营销部门可以通过分析用户在社交媒体上分享的照片，来分析他们的客户是如何与产品互动的。
超越描述性分析
但国际数据（International Data）的认知和人工智能系统研究主管David Schubmehl说，预测和洞察力只是人工智能增加商业智能仪表板的第一步。AI驱动的仪表板还可以提供建议或建议用户下一步应该做的具体操作，甚至可以为用户提供这些操作。
他说：“如果销售数量下降，它可能会说这对未来意味着什么，以及你现在应该怎么做。”
这使得BI更有价值。
他说：“我认为这就是为什么这么多人都在采用这类工具。”例如，Salesforce刚刚发布了一项重大声明，即它的爱因斯坦预测最近已经超过了10亿次预测，这是一种以规范的方式帮助人们关闭新业务，识别新线索，创造面向行动的能力。我认为这是一个指标，人们想要的不仅仅是描述性的商业分析。
他说，我们还处在早期阶段。“在未来两三年内，我们可能会完全成熟。”人们才刚刚开始了解人工智能和机器学习的可能性。
埃森哲（Accenture）负责人工智能的高级主管、全球主管鲁曼·乔杜里（Rumman Chowdhury）表示，尤其如此，人工智能仍然没有常识。
她说：“我们生活在一个狭窄的人工智能世界里。”即使一个特定的平台有内置的人工智能模型，用户仍然需要了解正在使用的数据，以及它与当前问题的相关性。
她说：“你必须确保你认为自己得到的产出是合适的。我不知道我们是否会在某些方面完全取代人类的判断。我不知道我们是否能够完全自动化真正的决策--或者即使我们应该这样做。”
声明:版权所有 非合作媒体谢绝转载
作者：玛丽亚·科尔洛夫（Maria Korolov）
