Екатерина Занозина, заместитель директора Дирекции управления данными БФТ-Холдинга, – о перспективах внедрения ИИ в системы класса BI.
BI-системы – мощные помощники бизнеса. Они позволяют быстро получать ценную информацию, прогнозировать рыночные тренды, своевременно выявлять риски, принимать более точные и обоснованные решения. Усиленные технологиями искусственного интеллекта аналитические инструменты становятся доступными более широкому кругу пользователей и приобретают дополнительные возможности, способствуя повышению эффективности и конкурентоспособности компаний на рынке.
Современный рынок стремится к максимальной цифровизации и автоматизации, но при этом вынужден отвечать на целый ряд вызовов, связанных с быстро меняющимися «правилами игры», дефицитом квалифицированных кадров и ростом объемов данных. В таких условиях у бизнеса возникают новые требования и новые подходы к аналитическим системам: теперь они должны применяться не только для стратегического планирования, но и как инструмент для повседневной работы каждого сотрудника.
Поэтому неотъемлемой частью эффективных аналитических решений становятся технологии машинного обучения и искусственного интеллекта. Они дают возможность автоматизировать рутинные операции, сделать анализ данных с помощью ИИ быстрее и точнее, а также повысить удобство пользователей BI-системы за счет интуитивных интерфейсов, персонализированных рекомендаций и голосовых команд.
Если спросить саму нейросеть, как она может быть полезна в рамках BI-систем, то вариантов ответа может быть множество. Однако основных векторов развития у таких технологий, на наш взгляд, всего три – это удобство и гибкость для рядовых пользователей, скорость, качество поддержки и развития систем для разработчиков и продвинутые инструменты анализа для бизнес-аналитиков.
Причем оптимальным является их поэтапное освоение. Прежде всего интеллектуальные помощники делают проще рутинную работу простых пользователей: берут на себя выполнение простых, но времязатратных процедур. На финальном же этапе, когда польза от них становится очевидной каждому сотруднику, инструменты ИИ начинают применяться для решения сложных задач, например, глубокого анализа данных. Рассмотрим каждый из этих этапов.
Демократизация BI: удобство и гибкость повседневной работы
Технологии ИИ делают бизнес-аналитику доступной пользователям практически с любым уровнем подготовки, будь это топ-менеджер, аналитик или рядовой сотрудник. Теперь каждый может быстро и качественно создавать необходимые в повседневной работе отчеты и дашборды. По запросу на естественном языке система автоматически определяет нужные в отчете метрики и показатели, группирует данные по категориям, подбирает графики и диаграммы, учитывая специфику аудитории.
BI-инструмент формирует отчеты, адаптированные под конкретные запросы или параметры, динамически обновляет содержание и структуру отчета при изменении входных данных, фильтров или временных диапазонов, а также при поступлении новых данных. Таким образом можно, например, моделировать различные сценарии, прогнозируя возможные результаты при изменении входных параметров.
Наибольший эффект применение ИИ в составе BI-системы приносит при ее интеграции с голосовыми помощниками и чат-ботами. При помощи такой связки пользователи могут запрашивать отчеты и визуализации голосом или через чат, а система автоматически генерирует и предоставляет в этом же чате нужные материалы. Реализовать это можно через разработку отдельного голосового интерфейса или интеграцию с существующими платформами LLM.
Вот типовые сценарии и примеры команд:
- вызов готовых отчетов и дашбордов: «Покажи продажи за последний месяц», «Открой финансовый дашборд по проектам»;
- настройка фильтров и параметров отчетов: «Укажи диапазон дат с 1 по 31 марта», «Отфильтруй по региону Европа», «Покажи только продукты категории A»;
- изменение визуальных представлений: «Поменяй тип графика на диаграмму», «Добавь стрелки к этим графикам», «Сделай таблицу с более крупным шрифтом»;
- создание новых отчетов и аналитических панелей: «Создай новый дашборд под проект X с KPI и трендами»;
- навигация по разделам аналитической системы для быстрой работы с системами, имеющими много разделов: «Перейти в раздел продаж», «Переключи на аналитические отчеты за квартал», «Покажи рекомендации по маркетинговой кампании»;
- автоматизация рутинных задач: «Запланируй ежедневную отправку отчета о продажах на почту», «Обнови данные и подготовь свежий отчет»;
- обратная связь и уточнение: «Нет, сделай это для другого периода», «Добавь к отчету новые показатели»;
- обучающие подсказки и диалоговая помощь: если пользователь не уверен, как сформулировать команду, голосовой ассистент подсказывает: «Вы можете сказать «Показать тренды по клиентам за месяц» .
Также возможны другие сценарии:
- интеграция со сторонними голосовыми платформами, например, чтобы управлять дашбордами и отчетами через голосовые команды;
- упрощение кастомизации дашборда, например, адаптировать стиль дашборда под фирменный стиль компании или создать макет предполагаемого дашборда.
Аналитическая система фиксирует наиболее употребительные команды для быстрого доступа и настройки отчетов. Также, используя машинное обучение, она постоянно совершенствует методы генерации на основе обратной связи от пользователей, улучшая структуру, визуальный дизайн и точность аналитических комментариев.
Итак, благодаря ИИ отчеты аналитической системы становятся доступными и понятными для всех пользователей. Необходимая бизнесу информация генерируется своевременно, повышается эффективность ее восприятия. Интеграция системы с чат-ботами и голосовыми ассистентами избавляет от сложной ручной настройки и позволяет гибко управлять полученными данными.
BI для профессионалов: упрощение процессов обработки данных
Используя методы машинного обучения и глубинное обучение, аналитик может выявлять скрытые взаимосвязи в данных, которые не очевидны при традиционном анализе, формируя таким образом более точные модели и гипотезы.
Также инструменты ИИ упрощают и ускоряют процесс внедрения других ML-моделей в аналитическую систему. Например, они могут автоматически проводить тестирование новых моделей, оценивать их качество и стабильность, рекомендовать наиболее подходящие алгоритмы и параметры моделей с учетом их использования для разных задач (прогнозирования, кластеризации, обнаружения аномалий), формировать документацию – описание алгоритмов, отчеты о качестве моделей. Также ИИ помогает системе самостоятельно выявлять необходимость дообучения или перенастройки моделей по мере появления новых данных, контролировать работу моделей, выявлять признаки деградации точности или технических ошибок.
Таким образом, применение технологий искусственного интеллекта положительно влияет на процесс создания и доработки аналитических систем, повышает их надежность, ускоряет цикл внедрения и облегчает коммуникацию между участниками команд.
Интеллектуальная база для мощной аналитики
BI-инструменты с ИИ-модулями применяются для прогнозирования рыночных трендов, спроса, поведения клиентов, рисков и других важных бизнес-факторов. На основе анализа данных они способны предоставить рекомендации в реальном времени. Это помогает компаниям принимать более обоснованные оперативные и стратегические решения, предугадывать верные действия, персонализировать маркетинговые активности и повышать качество сервиса.
Большой пласт задач ИИ в бизнес-аналитике связан с обнаружением аномалий. Аналитическая система обрабатывает большие объемы информации. Обучая модели ИИ на исторических данных, она формирует представление о «нормальных» сценариях, а затем сравнивает с ними новые данные, выявляя необычные события и отклонения. Это помогает обеспечить безопасность и бесперебойность бизнеса за счет проактивного контроля, раннего выявления и предотвращения мошенничества, утечек, аварийных ситуаций и других рисков.
Используя поисковые алгоритмы, система на основе ИИ ищет статистические выбросы или нестандартные тренды: например, резкое увеличение объема транзакций, необычные паттерны посещений, изменение поведения клиентов. Также она разбивает данные на кластеры с похожими характеристиками, где любые объекты или события, не входящие в существующие кластеры, маркируются как аномальные. При этом пользователь может задавать пороговые значения срабатывания тревоги (thresholds) по каждому параметру с учетом степени риска.
Заключение
Итак, интеллектуальные помощники сделают BI-системы проще и доступнее каждому. Для рядового пользователя они являются ассистентом, упрощающим доступ к аналитике: голосовые команды, персонализированные рекомендации и интуитивные интерфейсы делают работу с данными понятной и комфортной.
Бизнес-аналитики получают мощные инструменты для быстрого выявления скрытых закономерностей и генерации автоматических отчетов, что сокращает время на подготовку и повышает качество аналитики.
Системные аналитики и программисты используют ИИ для автоматизации разработки, оптимизации архитектур, выбора наиболее подходящих моделей машинного обучения и ускорения внедрения решений, обеспечивая высокий уровень адаптивности и надежности системы.
Однако на текущем этапе развития ИИ в BI ключевой приоритет — это обеспечение удобства и простоты взаимодействия именно для простого пользователя. Неформализованные алгоритмы принятия решений пока не вызывают достаточной уверенности у конечных пользователей, поэтому cначала необходимо сформировать их доверие к ИИ. Только тогда можно будет перейти к дальнейшему развитию инструмента и его использованию на более сложных аналитических задачах.
Поскольку во многих компаниях уже устоялась практика применения BI-систем, то внедрение технологий ИИ станет новым этапом ее развития. Это перспективное направление, в которое компаниям стоит вкладываться: исследовать рынок, тестировать и внедрять различные инструменты, обучать персонал.
Источник: РБК