Compreender a análise aumentada
Tradicionalmente, os meandros da análise de dados pertenciam aos profissionais de dados. Tinham os conhecimentos, as competências e o software necessários para executar processos fundamentais no ciclo de vida da análise de dados, que inclui exploração e preparação de dados, design e desenvolvimento de modelos e geração e disseminação de informações. Muitas vezes manual e entediante, o trabalho pode levar dias, semanas ou mais. As equipas comerciais aguardavam por informações para tomarem decisões e agirem.
No entanto, dada a rapidez com que as empresas devem agora operar em ambientes digitais altamente competitivos, os decisores simplesmente não podem esperar. Precisam de uma maior quantidade de informações mais aprofundadas, mais rapidamente do que nunca. No entanto, a maioria das equipas de ciência de dados não consegue dimensionar as respetivas operações com a rapidez necessária para acompanhar as exigências de análise de dados e o problema agrava-se devido aos macrodados e outros arquivos de dados grandes e complexos.
Ao utilizar inteligência artificial (IA) e tecnologias relacionadas, a análise aumentada ajuda a transformar a forma como as empresas geram, consomem e partilham business intelligence (BI) e análises de negócios (BA).
Três componentes fundamentais compõem a análise aumentada:
- Aprendizagem automática (ML). Um tipo de IA, o ML utiliza algoritmos para pesquisar rapidamente dados históricos, identificar padrões, determinar desvios e gerar informações e recomendações. Os modelos de ML prosperam nos cenários de macrodados e aprendem continuamente com novos dados estruturados e não estruturados, sem intervenção humana. Os modelos de ML são a base da maioria das capacidades de análise aumentada.
- Tecnologias de linguagem natural. Humanos e computadores podem conversar mais facilmente entre si através do processamento de linguagem natural (NLP), que interpreta a linguagem humana para computadores, e a geração de linguagem natural (NLG), que traduz o código do computador para linguagem humana. Como resultado, os empresários podem interagir com máquinas em sessões bidirecionais de perguntas e respostas utilizando termos familiares do domínio e setor.
- Automatização. As tecnologias orientadas por ML automatizam as tarefas manuais de rotina em todo o ciclo de vida da análise de dados. Isto reduz significativamente o tempo necessário para criar, preparar e implementar modelos de ML. Por exemplo, auxiliadas por pedidos gerados automaticamente, as pessoas com ou sem conhecimentos técnicos descobrem e preparam rapidamente dados não processados. Perto do fim do ciclo de vida, os relatórios baseados em texto (criados e distribuídos automaticamente com a frequência especificada pelo utilizador) aceleram a partilha de informações.
Fiel ao seu nome, a análise aumentada não substitui, mas antes aumenta a inteligência humana, a intuição e a curiosidade. Com base em pistas contextuais e comportamentais recolhidas pelos utilizadores ao longo do tempo, os modelos de ML avaliam a intenção e as preferências humanas, e oferecem informações, orientações e recomendações adequadas através da linguagem natural. Deixam a tomada de decisão real para as pessoas.
Seguir o Power Platform