AI智慧搜索和非結(jié)構(gòu)化數(shù)據(jù)分析趨勢分析報告

AI智慧搜索和非構(gòu)造化數(shù)據(jù)分析趨勢分析匯報大多數(shù)組織都很好地運用了構(gòu)造化數(shù)據(jù)(表格、電子表格等)，不過諸多未開發(fā)的業(yè)務關鍵的見解都在非構(gòu)造化數(shù)據(jù)中。80%組織正在意識到他們80%的內(nèi)容是非構(gòu)造化的。企業(yè)中近80%的數(shù)據(jù)是非構(gòu)造化的——工作描述、簡歷、電子郵件、文本文檔、研究和法律匯報、錄音、視頻、圖片和社交媒體帖子。雖然這些數(shù)據(jù)過去非常難以處理和使用，但神經(jīng)網(wǎng)絡、搜索引擎和機器學習的新技術(shù)發(fā)展，正在擴展我們使用非構(gòu)造化內(nèi)容進行企業(yè)知識發(fā)現(xiàn)、搜索、業(yè)務洞察和行動的能力。搜索加人工智能正在處理現(xiàn)實世界的問題想想你智能手機上的應用程序——Siri,Alexa,Shazam,Lyft等等。您也許沒故意識到這一點，但它們都是由一大批搜索引擎在幕后工作提供動力的。這些應用程序?qū)⑺阉髋c人工智能技術(shù)(如自然語言處理、神經(jīng)網(wǎng)絡和機器學習)相結(jié)合，可以處理你的語音命令或文本輸入，搜索不一樣的數(shù)據(jù)源，并返回所需的答案，所有這些都是實時且非常精確的。在企業(yè)內(nèi)部，這些技術(shù)可以將員工與他們所需要的內(nèi)容和答案聯(lián)絡起來，而不管答案在哪里——在文檔、財務系統(tǒng)、人力資源系統(tǒng)或政策和程序數(shù)據(jù)庫中。搜索已經(jīng)從尋找文獻發(fā)展到提供答案到，我們但愿看到更多的人工智能搜索和基于搜索的分析應用支持企業(yè)。下面是搜索和非構(gòu)造化數(shù)據(jù)分析領域中值得關注的五大趨勢。1.神經(jīng)網(wǎng)絡和搜索引擎埃森哲的《峽灣趨勢》顯示，神經(jīng)網(wǎng)絡是支持創(chuàng)新型企業(yè)人工智能系統(tǒng)的關鍵技術(shù)，它可以通過模式識別“學習”執(zhí)行任務。通過度析大量的數(shù)字數(shù)據(jù)，神經(jīng)網(wǎng)絡可以學會識別照片，識別語音命令，并對自然語言搜索查詢作出反應。神經(jīng)網(wǎng)絡超越了簡樸的關鍵詞搜索，使搜索引擎可以理解顧客的意思和意圖，從而提供最個性化、最有關的成果。最新的神經(jīng)網(wǎng)絡(BERT及其衍生產(chǎn)品)可以創(chuàng)立一種“語義空間”——對企業(yè)內(nèi)容的抽象理解——可以用于:深入搜索:識別具有相似含義的句子，而不是僅僅包括相似的搜索關鍵詞(如“企業(yè)費用政策”和“商務旅行報銷”)更好的分類:為更好的導航或管理對內(nèi)容進行分類(例如，合規(guī)性、篩選、補救等)提問/回答:從文獻中提取事實，回答與原始材料有關的詳細問題(例如:“美國上季度的收入是多少?”)這些神經(jīng)網(wǎng)絡已經(jīng)被用于高度管理的內(nèi)容，如知識庫文章、政策和程序、文檔、測試原則等等。在接下來的幾年里，我們但愿看到更多的組織應用神經(jīng)網(wǎng)絡來更好地理解他們的文檔內(nèi)容和顧客查詢，提供高度有關的、基于上下文的答案。2.語義搜索語義搜索擴展到神經(jīng)網(wǎng)絡，處理范圍廣泛的企業(yè)顧客的查詢和祈求，并可以直接從業(yè)務系統(tǒng)得到即時的回答。這使得語義搜索成為顧客小區(qū)所需的文檔、問題、事實和業(yè)務數(shù)據(jù)的單一訪問點。語義搜索的目的是為顧客的問題提供精確、精確、即時的答案，包括短尾和長尾。語義搜索包括四個部分:理解查詢中的實體(業(yè)務對象)理解查詢的目的將祈求映射到應答代理獲取答案并將其匯報給最終顧客語義搜索已經(jīng)使搜索引擎從基于關鍵詞顯示成果列表發(fā)展到理解這些詞的意圖并顯示顧客真正需要的目的內(nèi)容。假如顧客正在搜索“Q1營收”，他/她也許不是在尋找包括“Q1營收”的成果列表，而是一種迅速響應，例如“1.23億美元”?！案嗟氖鞘裁?也許收入數(shù)字甚至可以按市場細分進行細分。許多原因支持語義搜索的興起:數(shù)據(jù)倉庫、數(shù)據(jù)湖和內(nèi)容攝入技術(shù)的增長正在打破數(shù)據(jù)豎井，使有價值的內(nèi)容在組織之間隨時可用。為實現(xiàn)業(yè)務應用程序語義搜索而設計的新工具的出現(xiàn)，協(xié)助組織處理了集成挑戰(zhàn)，并極大地減少了實現(xiàn)成本。新的機器學習措施，如先進的神經(jīng)網(wǎng)絡，容許語義搜索引擎更好地理解顧客的搜索祈求，分析查詢中的對象，并將查詢映射到意圖和確定回答代理。請閱讀我的短文，深入理解語義搜索和示例業(yè)務用例。3.文檔的理解當計算機閱讀文檔時，它們不會注意文體細節(jié)，例如某個單詞在頁面上的位置，或者它與其他單詞的關系。不過表達元素——定位、顏色、字體、圖形元素等等——包括了文本自身無法傳達的重要語義信息。作為人類，我們無需思索就能理解這一切。例如，我們懂得，字體大小可以表達重要性，標題、段落或圖像的位置可以影響這些項目在文檔中的意義。然而，由于計算機目前忽視了大多數(shù)這些表達元素，組織無法從其文檔中提取實質(zhì)性的價值。人工智能正在通過檢查這些體現(xiàn)元素，使從非構(gòu)造化內(nèi)容中提取洞察力成為也許?？梢詫χ悄芪臋n處理引擎進行培訓，使其可以閱讀這種表達性信息并向最終顧客交付洞察力。想象一下可以運用文檔理解的多種企業(yè)用例:自動PDF發(fā)票處理:提取表，總計，名稱/值對從紙質(zhì)流程到電子流程的轉(zhuǎn)變:藥物生產(chǎn)從批記錄到電子批記錄;或從pdf文獻到試驗室信息管理系統(tǒng)記錄試驗室測試程序PowerPoint內(nèi)容搜索:搜索幻燈片，突出顯示幻燈片內(nèi)的搜索，提取標題，刪除頁腳搜索地球科學匯報:找到測井、地震剖面、地圖和其他元素，并將這些項目與全球的地理位置聯(lián)絡起來自動郵件路由和表格填寫:減少郵件項目的處理時間，包括蝸牛郵件和電子郵件工程圖紙的自動轉(zhuǎn)換:轉(zhuǎn)換為材料清單，并最終轉(zhuǎn)換為連接圖和流程圖方略和過程文檔搜索:搜索和匹配各個段落，或從文本中提取直接答案和更多的閱讀更多有關我們怎樣為企業(yè)構(gòu)建這些文檔理解應用程序的內(nèi)容。4.圖像和語音搜索埃森哲數(shù)字消費者調(diào)查發(fā)現(xiàn)，大概二分之一的受訪者已經(jīng)在使用數(shù)字語音助手(DVA)，14%的人計劃在未來12個月內(nèi)購置。虛擬助手——Siri、Alexa、google助理等等——正變得無處不在。在人工智能技術(shù)的推進下，它們使人類和計算機在平?；又锌梢詫υ?。它們帶來了更深入的自然語言理解，不僅增強了搜索功能，并且提供了一種全新的查找信息的方式。語音助理已經(jīng)進入企業(yè)，使客戶和員工可以更輕易地與企業(yè)數(shù)據(jù)進行交互。例如，員工目前可以問“我們在歐洲的數(shù)據(jù)科學專家是誰?”或“我怎樣預訂巴黎辦公室的會議室?”從外部來看，語音和圖像搜索功能超越了老式的文本搜索，為客戶和合作伙伴提供了在企業(yè)網(wǎng)站上查找信息的更簡樸的措施?！暗?，那些重新設計網(wǎng)站以支持視覺和語音搜索的初期采用率品牌將增長30%的數(shù)字商務收入。這些工具和語義搜索(上面討論過)之間有天然的協(xié)同作用。在許多狀況下，聊天機器人可以被刪除——后端可以完全由一種強健而全面的語義搜索引擎來處理。5.知識圖譜根據(jù)我們?nèi)ツ甑念A測，知識圖的發(fā)展將繼續(xù)推進整個企業(yè)更智能的搜索交互。將組織的既有數(shù)據(jù)聚合到一種存儲庫(一般是企業(yè)數(shù)據(jù)湖)是一種起點。不過我們怎樣運用這些數(shù)據(jù)呢?我們需要給它添加上下文、關系和意義。從不一樣企業(yè)功能的片段數(shù)據(jù)記錄中，自然語言理解(NLU)算法可以創(chuàng)立一種互相連接的信息網(wǎng)絡，表明數(shù)據(jù)記錄是怎樣互相連接的，從而創(chuàng)立企業(yè)知識圖。當顧客提出問題時，搜索引擎和問答系統(tǒng)可以立即抓取有關信息的快照，并提供有關的見解。請注意，知識圖可以跨越廣泛的復雜性:適度互相聯(lián)絡:雇員和雇員信息業(yè)務單位和重要團體組員辦公室的位置產(chǎn)品和支持人員物理平面機械位置豐富的互相關聯(lián)的:組織層次構(gòu)造辦公室走廊、樓梯和會議室位置機器部件及其鄰近性/互相連接性產(chǎn)品類別、血統(tǒng)及配套配件物理設備和機器的互相連接客戶、聯(lián)絡人、銷售人員和購置的產(chǎn)品方略和過程約束、條件和規(guī)定伴隨新的數(shù)據(jù)點和深刻的關系的無限增長，知識圖將會不停增長。除了搜索展望和未來幾年，我們估計這五項發(fā)展將深入發(fā)展，并在企業(yè)內(nèi)部得到更廣泛的運用。重點將放在怎樣應用這