AI Meets BI: Artificial Intelligence and Business Intelligence

با ظهور هوش مصنوعی (AI) در دنیای تجارت، عصر جدیدی از هوش تجاری (BI) برای ایجاد راه حل های تجاری در دنیای واقعی با استفاده از تجزیه و تحلیل آغاز شده است. توسعه دهندگان و متخصصان BI اکنون ابزارها و فناوری هایی برای ایجاد سیستم ها و راه حل هایی برای هدایت تصمیم گیری موثر دارند. تصمیمات را می توان بر اساس اطلاعات و اطلاعات قابل اعتمادتر و دقیق تر اتخاذ کرد، که می تواند به بینش های ارزشمند و عملی برای تجارت منجر شود. پیش از این، متخصصان BI با داده‌های بد یا ناقص، راه‌حل‌های معماری ضعیف، یا حتی سیستم‌ها یا منابع کاملاً ناتوان، مانع می‌شدند. با ظهور هوش مصنوعی، BI امکانات جدیدی برای اثربخشی دارد. این مرحله برای شاغلین و توسعه دهندگان و علاوه بر این، برای مدیران اجرایی و رهبرانی است که به تصمیم گیری آگاهانه و هوشمندانه برای سازمان خود متکی هستند.

شروع با یک طرح کلی از روش‌های سنتی برای پیاده‌سازی BI در سازمان و چگونگی تبدیل BI به استفاده از تجزیه و تحلیل سلف‌سرویس، کشف داده‌ها و اخیراً هوش مصنوعی، AI Meets BI ابتدا سه معماری معمولی اول و دوم را ارائه می‌کند. و نسل سوم BI. سپس نگاهی عمیق به انواع مختلف تجزیه و تحلیل می‌اندازد و نحوه اجرای هر یک از این موارد را با استفاده از الگوریتم‌های فعال‌شده با هوش مصنوعی و مدل‌های یادگیری عمیق نشان می‌دهد.

محور کتاب چهار مورد استفاده در صنعت است. آنها توضیح می‌دهند که چگونه یک شرکت می‌تواند از طریق کشف داده‌ها، تعریف معیارهای کلیدی که این امکان را فراهم می‌کند، تعریف قوانین حاکمیتی و فعال‌سازی ابرداده برای توصیه‌های AI/ML، به داده‌ها دسترسی پیدا کند، ارزیابی کند و تجزیه و تحلیل انجام دهد. این کتاب با توضیح ویژگی‌های پیاده‌سازی هر یک از این چهار مورد استفاده با استفاده از الگوریتم‌های یادگیری ماشینی و یادگیری عمیق با قابلیت هوش مصنوعی، کد کاملی را برای هر یک از پیاده‌سازی‌ها به همراه خروجی کد همراه با تصاویر بصری ارائه می‌کند که کمک می‌کند. در تصمیم گیری با BI فعال

در پایان با یک بحث مختصر در مورد جنبه‌های محاسبات شناختی هوش مصنوعی، این کتاب به روندهای آینده از جمله تجزیه و تحلیل افزوده، هوش مصنوعی خودکار و مستقل، و امنیت و حاکمیت هوش مصنوعی می‌پردازد. دارای BI.

With the emergence of Artificial Intelligence (AI) in the business world, a new era of Business Intelligence (BI) has been ushered in to create real-world business solutions using analytics. BI developers and practitioners now have tools and technologies to create systems and solutions to guide effective decision making. Decisions can be made on the basis of more reliable and accurate information and intelligence, which can lead to valuable, actionable insights for business. Previously, BI professionals were stymied by bad or incomplete data, poorly architected solutions, or even just outright incapable systems or resources. With the advent of AI, BI has new possibilities for effectiveness. This is a long-awaited phase for practitioners and developers and, moreover, for executives and leaders relying on knowledgeable and intelligent decision making for their organizations.

Beginning with an outline of the traditional methods for implementing BI in the enterprise and how BI has evolved into using self-service analytics, data discovery, and most recently AI, AI Meets BI first lays out the three typical architectures of the first, second, and third generations of BI. It then takes an in-depth look at various types of analytics and highlights how each of these can be implemented using AI-enabled algorithms and deep learning models.

The crux of the book is four industry use cases. They describe how an enterprise can access, assess, and perform analytics on data by way of discovering data, defining key metrics that enable the same, defining governance rules, and activating metadata for AI/ML recommendations. Explaining the implementation specifics of each of these four use cases by way of using various AI-enabled machine learning and deep learning algorithms, this book provides complete code for each of the implementations, along with the output of the code, supplemented by visuals that aid in BI-enabled decision making.

Concluding with a brief discussion of the cognitive computing aspects of AI, the book looks at future trends, including augmented analytics, automated and autonomous BI, and security and governance of AI-powered BI.