Genişletilmiş analizi anlama
Geleneksel olarak, veri analizinin karmaşıklığı veri profesyonellerinin sorumluluğundaydı. Veri keşfi ve hazırlama, model tasarımı ve geliştirme, içgörü oluşturma ve yayma gibi veri analizi yaşam döngüsündeki temel işlemleri yürütmek için gereken bilgi birikimine, uzmanlığa ve yazılıma sahiptirler. Çoğunlukla manuel ve yorucu olan bu iş, günler, haftalar veya daha uzun sürebilir. İş ekipleri, kararlarını ve eylemlerini yönlendirecek bilgileri bekliyorlardı.
Ancak şirketlerin artık son derece rekabetçi dijital ortamlarda faaliyet göstermeleri gereken hız göz önüne alındığında, karar vericilerin daha fazla beklemesi mümkün değil. Daha derin içgörülere, hem de daha fazlasına her zamankinden daha hızlı ihtiyaçları var. Ancak çoğu veri bilimi ekibi, büyük veriler ve diğer büyük, karmaşık veri depoları nedeniyle, veri analizlerine olan talepleri karşılayabilecek kadar hızlı bir şekilde operasyonlarını ölçeklendiremiyor.
Yapay zeka (AI) ve ilgili teknolojilerin kullanılmasıyla, artırılmış analiz, şirketlerin iş zekası (BI) ve iş analizini (BA) oluşturma, tüketme ve paylaşma biçimini dönüştürmeye yardımcı olur.
Genişletilmiş analiz üç temel bileşenden oluşur:
- Makine öğrenimi (ML). Bir yapay zeka türü olan ML, geçmiş verileri hızla aramak, desenleri belirlemek, sapmaları tespit etmek ve içgörüler ve öneriler üretmek için algoritmalar kullanır. ML modelleri büyük veriler üzerinde gelişir ve insan müdahalesi olmadan sürekli olarak yeni yapılandırılmış ve yapılandırılmamış verilerden öğrenir. Artırılmış analitik yeteneklerinin çoğunun temelinde ML modelleri yatar.
- Doğal dil teknolojileri. İnsan dilini bilgisayarlar için yorumlayan doğal dil işleme (NLP) ve bilgisayar kodunu insan diline çeviren doğal dil üretimi (NLG) sayesinde insanlar ve bilgisayarlar, birbirleriyle daha kolay konuşabilirler. Sonuç olarak, iş insanları, aşina oldukları alan ve sektör terimlerini kullanarak makinelerle ileri geri, soru-cevap oturumlarında etkileşime girebiliyorlar.
- Otomasyon. ML ile desteklenen teknolojiler, veri analizi yaşam döngüsü boyunca rutin manuel görevleri otomatikleştirir. Bu, ML modellerini oluşturmak, eğitmek ve dağıtmak için gerekli olan süreyi önemli ölçüde azaltır. Örneğin, otomatik olarak oluşturulan istemlerin yardımıyla teknik ve teknik olmayan kişiler ham verileri daha hızlı bulabilir ve hazırlayabilir. Yaşam döngüsünün sonuna doğru, kullanıcı tarafından belirlenen sıklıkta otomatik olarak oluşturulan ve dağıtılan metin tabanlı raporlar, içgörü paylaşımını hızlandırır.
Adından da anlaşılacağı üzere, genişletilmiş analiz insan zekasının, sezgisinin ve merakının yerini almaz, aksine geliştirir. Zaman içinde kullanıcılardan toplanan içeriksel ve davranışsal ipuçlarını alan ML modelleri, insan niyetini ve tercihlerini değerlendirir ve doğal dil aracılığıyla uygun içgörüler, rehberlik ve öneriler sunar. Asıl karar vermeyi halka bırakırlar.
Power Platform’u takip edin