Темные данные - это данные, полученные с помощью различных компьютерных операций, которые обычно исключаются из процесса принятия решений или анализа, поскольку компьютерам может быть сложно их категоризировать или понять. Фактически, большая часть этих данных неструктурирована и иногда сохраняется только в законных целях. В этой статье IBM Big Data Analytics Hub подсчитано, что только 20% данных видны компьютерным системам, а 80% относятся к категории темных. Вместо того, чтобы оставлять этот неиспользованный потенциал на месте, разблокировка и разрешение системам ИИ учиться на этих данных может помочь организациям раскрыть новые идеи и знания, которые могут дать большее конкурентное преимущество.

IBM Watson Explorer Deep Analytics Edition

В мире, ориентированном на информацию, все сотрудники организации, от передовых до высшего руководства, имеют общую потребность: правильная информация, предоставляемая в нужное время и в контексте. Сам процесс поиска информации отнимает много времени и накладывает когнитивную нагрузку на работников умственного труда, что снижает их эффективность и возможности.

IBM Watson Explorer Deep Analytics Edition (WEXDAE) помогает находить информацию, разбросанную по вашему предприятию, за счет использования моделей машинного обучения (ML) для выявления релевантных и связанных данных. С помощью обновленного Content Miner организации могут обнаруживать тенденции и аномалии, скрытые в неструктурированных данных, часто за считанные минуты.

WEXDAE представляет платформу oneWEX, контейнерное решение нового поколения для когнитивного исследования и анализа контента. Он построен с нуля и включает встроенную поддержку когнитивных возможностей в частном облаке и использует новейшие фундаментальные и аналитические компоненты.

Он имеет хорошо масштабируемую архитектуру, которую легко развертывать и настраивать, обеспечивая улучшенную «возможность встраивания» с модульными службами для всех ключевых функций, включая текстовую аналитику, с планами поддержки других развертываний частного облака.

Три глагола - исследовать, анализировать, консультировать - поместите WEXDAE в контекст:

1. Изучение: анализ данных по всему предприятию

WEXDAE обладает когнитивными возможностями и гибридной облачной архитектурой, что позволяет клиентам управлять своими данными, сохраняя наиболее конфиденциальные данные на месте, а также открывая новые возможности для анализа с помощью обработки естественного языка (NLP), обогащенного корпоративным и сторонним контентом в облаке. Клиенты могут использовать масштабируемость и гибкость облачных технологий, в том числе не только возвращать документы, но и извлекать ответы из этих документов. Короче говоря, это может помочь организациям:

  • поверхностная информация как из внутренних, так и из внешних источников данных - новости, финансовые данные, социальные сети, другие общие веб-данные
  • найти информацию со всего вашего предприятия
  • создать настраиваемую панель управления для динамического предоставления актуальной информации

2. Анализируйте: понимание «почему» за «что»

WEXDAE определяет фразы, настроения и связи в данных. Он визуально направляет пользователей через данные с помощью интерактивной панели инструментов для поиска аномалий.

Возможности Content Miner предоставляют интерактивный интерфейс, который помогает бизнес-профессионалам анализировать большие объемы текста для получения новых бизнес-идей. Текстовая информация анализируется и визуализируется с помощью серии представлений, которые могут отображать тенденции, закономерности и аномалии в информации. Например, со временем пользователь может увидеть в журналах центра обработки вызовов растущее количество ссылок на конкретный компонент или продукт, что указывает на необходимость выяснить, указывает ли увеличение количества ссылок на проблему или новый интерес к возможностям продукта. Из коробки есть десять аналитических фреймворков для выявления закономерностей в неструктурированном контенте. Он работает рука об руку с Watson Explorer Content Analytics Studio, позволяя вашей организации создавать и использовать проекты контент-аналитики, не требуя обширного программирования или кодирования.

3. Совет: как помочь пользователям принять эффективные решения

Слишком часто ценные данные и идеи скрыты или труднодоступны. Если организации смогут раскрыть эти идеи, они получат возможность использовать данные для получения измеримых выгод для бизнеса. Новый когнитивный помощник, показанный на рисунке №1, помогает предоставить пользователям конкретные данные, которые они ищут, помогая им отфильтровывать постороннюю информацию. В сочетании с возможностями машинного обучения WEXDAE запросы пользователей могут быть более актуальными и эффективными, чем когда-либо прежде.

Основное бизнес-преимущество WEXDAE для всех типов приложений, независимо от того, обеспечивают ли они общий доступ к информации, аналитику или расширенные когнитивные возможности, заключается в расширении экспертных знаний за счет предоставления пользователям максимально качественной информации. Когнитивный помощник помогает снизить когнитивную нагрузку, позволяя пользователям сосредоточиться на использовании аналитических данных вместо того, чтобы тратить время на поиски информации.

Как работает WEXDAE: использование машинного обучения для когнитивных советов

WEXDAE использует сквозной классификатор на основе машинного обучения, чтобы рекомендовать действие для данного документа.

Затем классификатор использует НЛП для извлечения слов и фраз, а также структурированных метаданных для принятия когнитивных решений.

И, наконец, WEXDAE использует данные обучения для построения модели машинного обучения для классификации.

Сценарий оттока клиентов

Дэн работает специалистом по анализу данных в компании, занимающейся розничной торговлей продуктами питания. Основываясь на недавней жалобе покупателя, он хочет предсказать, перестанет ли этот покупатель совершать покупки (отток). Исторические данные Дэна включают «Информация о продукте», «Информация о клиенте», «Жалоба (текстовые данные)» и «Индикатор оттока».

WEXDAE предоставляет оболочку API (на Python), а Дэн использует API oneWEX в своем DSX Notebook.

Классификация документов WEX может преобразовывать «текстовые данные» в «номинальные данные», чтобы текстовые данные могли использоваться в качестве входных данных для создания модели прогнозирования с использованием других библиотек машинного обучения.

Резюме и дальнейшие действия

Это сообщение в блоге касается лишь некоторых возможностей WEXDAE. Его когнитивный помощник помогает направлять пользователей, чтобы получить более глубокое понимание, не требуя передовых навыков в области науки о данных. Пользователи могут создавать корпоративные решения на основе Watson, используя встраиваемый движок, и дополнять сотрудников организации знаниями с помощью моделей искусственного интеллекта.

Это видео дает дополнительную информацию вместе с этим белым документом. Как всегда, я советую попробовать эту технологию, что вы можете сделать, подписавшись на бесплатную пробную версию Watson Explorer Community Edition.