花一点时间来欣赏技术如何彻底改变通勤的经验。根据您的家庭住址,日历条目和地图信息等上下文细节,Google应用程序现在可以告诉您何时离开房子以便将其达到当天的第一次会议或常规旅行,例如确保您抓住你的航班。其他创新,如Waze绘制AI,以减轻建筑,事故或其他意外打嗝的影响,您可能会在您的旅程中遇到。

这些相同的技术越来越多地应用于企业分析。这种新的分析品种依赖于AI和自动化,现有信息系统的连接,以及关于源自所述数据和分析的决策的基于角色的假设。例如,通过自动识别数据中的模式和关系,分析中的自动化正在减少对人类专业知识和判断的依赖。这可以通过智能决策进一步参考,其中系统然后建议用户应该采取的步骤来解决基于所提供的数据的自动分析中所识别的情况。

以下是AI和自动化增压企业分析的几种方式:

上下文的力量

数据和分析历史上一直是单独的资源,只有在组合后才能传递价值。然而,分析和AI应用程序可以越来越多地提供上下文,以及企业资源规划(ERP),客户关系管理(CRM)和其他关键技术供应商现在正在将这些功能烘焙到他们的软件中。

在人力资源领域工作的自动化分析的一个例子中,人力资本管理系统可以通过使用恢复的自然语言处理(NLP)来自动优化选择过程,并按照最佳潜力顺序排列潜在雇用的术语合身。一旦系统具有将背景和技能信息连接到工作要求的上下文知识,此过程现在就会在很大程度上变得自动释放HR,以专注于更多的动手任务。

增强分析

找到合适的数据并连接它以提供上下文并非自动化的唯一分析过程;如上所述,我们越来越多地看到AI自动和支持的分析本身。这是由于预测分析,机器学习和NLP中的新功能可能是可能的。

通过删除涉及复杂和经常耗时的数据准备和分析过程中涉及的一些更重要的障碍,增强的分析可以以更快的步伐提供更好的洞察力。此外,这种方法使组织中的企业用户更容易获得洞察力并将其应用于他们的决策。

展望未来

这一新一代业务分析处于相对初期性,但其长期影响是有前途的。也许是最关键的好处之一是它能够在传统上落后于更大组织的中小型企业的筹集领域,这是由于较小的分析预算和资源。现在他们有机会成为更加灵活的数据驱动的业务,可以与这些较大的公司竞争。

有关AI可以为您的分析策略做些什么,请查看此HBR文章