更多

    【Market Trend】人工智能所需的數據分析架構

    作者:SAS 香港總經理何偉信
    根據《全球趨勢研究》2017 報告反映,人工智能(Artificial Intelligence)及機械學習(Machine Learning)將於 2020 年在企業決策上帶來重要影響,幾乎所有受訪行業都計畫在 2020 年前投資在人工智能範疇,八成受訪企業目前已有作相關投資。
    人工智能及機械學習最大的特點是能夠針對各行各業需要,發展出不同應用,當中衍生的認知運算(Cognitive Computing)是最常見的應用。認知運算透過應用深度學習(Deep Learning)及高效的認知運算系統,促進人類與電腦的互動,令電腦能感知周遭世界,達至更好的自動化效果,為企業提供更準確的資訊及見解,協助管理層在業務發展上作出重要決策。然而,認知運算系統背後需要豐富的數據源,加上強大而富彈性的分析功能,將數據點與點之間的關聯有效作出銜接,並將日常工作任務自動化。企業必須明確定下業務目標,在決定應用人工智能前,認清本身需要和能力,例如是否有足夠的數據量。

    統一開放架構

    數據分析是現今企業的核心,可助企業改善客戶體驗及發掘新商機。商界、政府和其他機構都需要一個易於管理、可應對各種數據分析挑戰,並提供各種數據分析的技術及架構平台 ,而人工智能其實是進階數據分析的伸延。一個能夠支援人工智能、機械學習及認知運算數據分析的統一開放架構,需具備以下三項條件:
    首先,在未來三至五年,愈來愈多人工智能衍生的數據將儲存在雲端,加快企業把原有系統和數據遷移到雲端。進階數據分析領域需要多雲架構,確保其單一代碼庫一致、可重複利用,以及可隨著基建發展而靈活遷移資產。
    此外,由於認知運算結合自然語言處理、圖像處理、文本挖掘及機器學習等技術,架構必須能處理文本及圖像產生迅速而龐大的數據,並能進一步支援分析來自話音及視像的海量數據。
    最後是簡易管理的架構平台,簡單易用的管理及操作介面,可應對各種數據分析挑戰,提供各種分析技術,如加快建模和產生代碼的速度,協助進行數據分析,數據準備、功能設計、降低數據維數、綜合模型比較,以及在生產過程中實施模型等,協助不同技術水平的人士進行數據挖掘和分析。

    數據人才缺一不可

    最近不少國家的行業和機構採用內置人工智能效能的分析平台,如影像識辨、深入學習及自然語言理解等,以便從數據中獲取更高價值。以為球隊提供策略意見的荷蘭 SciSports 為例,研究隊伍需要重要數據、深入學習及人才專長 ,以取得各種分析及見解。透過人工智能模擬球員動向,而數據亦可以用作發掘新星,以及透過特定賽事中其他隊員表現的指標找出被低估的球員。
    在人工智能的時代,企業如能配備支援所有數據分析工作技術的架構,加上合適的數據分析人才,就能從大量的數據源中得出以數據主導的見解。香港正處於缺乏數據分析人才的境況,不少企業都開始著手培養 IT 人才,以應付市場需求,最有效的方法莫非為員工提供全面的學習基礎和結構化的課程。針對本地僱主對大數據分析人才與日俱增的需求,IT 機構亦有推出專業認證計畫或培訓課程,進修人士可透過認可的課程取得業界肯定、從事大數據及數據分析工作必備的專業資格;僱主也能藉此活用大數據管理、進階數據分析、機器學習及數據可視化等技術,提升企業的競爭優勢。

    您會感興趣的內容

    相關文章