您现在的位置是：首页 > 要闻 > 正文
电力商业智能中的无代码机器学习
发布时间：2022-04-16 18:08:02来源：
现代商业是以信息为基础的，但我们淹没在业务线系统、公司数据库、工业物联网系统以及各种外部数据所产生的数据中。因此，当优秀的数据科学家稀缺且成本高昂时，我们如何保持对现有数据的控制，以便获得所需的业务洞察力？
现代数据分析工具，如Tableau和PowerBI，已经花了很长时间来解决这些问题。他们使用图形工具来简化查询的构造和结果的显示。基于Excel提供的分析工具，MicrosoftPowerBI可以跨数据集工作，构建和测试查询，并提供可定制的可视化集。
微软的SteveGuggenheimer在一篇博文中指出，数据是人工智能的基础，没有数据就没有人工智能。他接着指出，智慧之前需要洞察力，并提出了“BI先于AI”的概念。这是微软业务应用平台的使用，该平台以公共数据模型(CDM)和业务数据实体的共享图为中心。
微软的通用数据模型(CDM)是一套标准化、模块化和可扩展的数据模式。它由实体、属性、语义元数据和关系组成。
CDM基于DynamicsCRM和ERP数据模型，将横向数据(包括常见的业务概念)与行业特定的纵向数据混合在一起。这种方法与PowerBI等分析工具配合使用效果很好，允许您探索数据并找到可用于构建可包含在应用程序中的新机器学习(ML)模型的见解。借助交互式方法和对预先构建的ML工具的访问，PowerBI可以成为一种无需编写复杂代码就能构建ML模型的方法。
参见：物联网和大数据的力量(TechProResearch)
毕竟，不是每个人都能用R或Python(大多数ML系统使用的两种主要分析编程语言)编程。然而，它们与PowerBI有一个共同的概念。使用共享笔记本来浏览数据和显示结果。PowerBI的报表工具可以和数据科学的Jupyter笔记本相提并论，这是一个共享沙盒，团队可以在其中探索数据和调整模型，然后在更大的应用程序中使用。
典型的现代商业智能(BI)系统从数据湖中获取数据，并将其提供给自助BI工具，如PowerBI。然而，对于更具响应性的操作，PowerBI在其数据流中包含了更灵活的选项。一个典型的系统需要开发时间，并且构建了一个提取-转换-加载(ETL)工具来交付数据湖。使用数据流，您可以使用熟悉的查询构建技术构建可重用的数据实体，而无需了解任何底层技术。
PowerBI的数据流帮助组织统一来自不同来源的数据，并为建模做准备。您可以使用熟悉的自助工具来创建数据流，用于接收、转换、集成和丰富大数据。
无需编写ETL系统的自助数据准备就占用了大量的业务分析工作。不需要等待ETL专家来构建和测试ETL管道；您所需要做的就是定义数据流并测试结果实体。如果不行，你就回去建一个新的。您还可以与同事共享构建和测试的数据流，使业务分析工具的开发更加流行。您不需要编写任何代码，因为它是由熟悉的PowerBI工具处理的。
大规模查询可以利用Azure数据资源管理器，它现在提供了PowerBI集成。数据资源管理器用于实时处理大量数据，因此您可以使用它来查看日志文件或大量数据的其他来源。例如，GitHub公共数据的PowerBI分析示例演示了如何处理超过10亿条数据。
微软最近在PowerBI中增加了使用Azure认知服务的选项。您可以使用预先构建的机器学习系统来集成认知服务来处理复杂的响应，而不是编写查询来可视化和探索数据。通过使用微软不断增长的机器学习服务之一，您可以从数据湖和外部来源快速提取相关数据。也许你是在实时浏览Twitter，寻找与你业务相关的信息；通过获取这些数据并使用Azure认知服务的情绪分析模型，您可以检测积极或消极的情绪，并将其显示在PowerBI仪表盘上。
职位描述：数据科学家(专业技术研究)
通过将这种方法与数据流或Azure数据资源管理器相结合，您可以跨业务快速构建智能仪表板。将BI和AI混合在一起是有意义的，因为你这里有很多数据，这对训练模型和获得重要结果是必要的。使用Azure感知服务等工具通常需要构建应用程序并使用Azureapi。通过将其与桌面业务分析工具相集成，微软将开发人员排除在外，并将其机器学习工具交给业务用户。
现在，您可以在PowerBI中创建自己的机器学习模型。
下一步是超越预先培训、预先构建的模型，使用PowerBI和您的
数据仓库来构建和培训您自己的机器学习模型。Microsoft已经添加了一个新的PowerBI工作流，它可以帮助您为应用程序选择合适的模型，然后选择培训数据，然后培训模型来处理特定的业务问题。生成的模型将通过Azure机器学习提供，并且可以与同事共享，并构建到桌面或云应用程序中。企业可以在Azure上快速构建机器学习模型库，PowerBI提供了一种替代的无代码方法，可以在应用程序中使用这些模型。PowerBI应用程序将扫描可用的模型，并自动生成一个用户界面，让您可以将它们作为BI应用程序中的拖放组件。同样，不需要编写任何代码，也不需要引入数据科学专业知识。如果您可以访问某个模型，您可以在报告或仪表板中使用它。
微软做了很多工作来简化在商业应用程序中使用机器学习，包括Windows库和RESTfulapi。将它集成到PowerBI中需要做更多的工作，删除代码以支持拖放和向导。如果我们想在商业中充分利用人工智能，那么让那些需要查询数据的用户也能使用人工智能就是我们的方向。PowerBI已成为重要的桌面业务工具;添加智能应该使其变得至关重要。
遵循这些专家提示，通过阅读关于数据科学创新的见解，掌握大数据分析的基础知识。星期一交付
标签：