商業(yè)智能（BI）的目的是收集和分析大量嘈雜的業(yè)務(wù)數(shù)據(jù)，并使其具有足夠的連貫性和結(jié)構(gòu)化，以便用于決策。人工智能(AI) 通常與大數(shù)據(jù)（也包括 BI 數(shù)據(jù)）結(jié)合使用，以生成人工且類似人類的見解，從而提高利潤和效率。

僅此聲明就已經(jīng)解釋了這兩個(gè)企業(yè)工具如何（以及如何）鏈接在一起。簡而言之，人工智能聚合并消化商業(yè)智能數(shù)據(jù)，并將其分解為可管理的、量身定制的見解。一些下一代 BI 應(yīng)用程序和儀表板已經(jīng)實(shí)現(xiàn)了內(nèi)置機(jī)器學(xué)習(xí)(ML)，例如SAP HANA、Domo 的 Mr. Roboto 或 Avenade。但這還不是全部。

AI 可以利用傳感器和物聯(lián)網(wǎng)(IoT) 設(shè)備捕獲的 BI 數(shù)據(jù)來提高設(shè)備和車輛的效率。BI 挖掘的任何數(shù)據(jù)都可以在以后用于為 AI 提供數(shù)據(jù)并創(chuàng)建集成工具。重工業(yè)大量利用這些匹配技術(shù)進(jìn)行預(yù)測性維護(hù)。

例如，通用電氣的 Predix 操作系統(tǒng)可以從卡車和鉆機(jī)中提取數(shù)據(jù)，以確定何時(shí)必須停止維護(hù)，或者監(jiān)控機(jī)器車隊(duì)的西門子 MindSphere。

Fetch.AI 提供的AI 和 BI 之間鏈接的另一個(gè)強(qiáng)大用例超越了“智能”分析平臺。BI 數(shù)據(jù)通常存儲在第三方云數(shù)據(jù)庫中，例如 Amazon 或 Microsoft 提供的數(shù)據(jù)庫。

然而，如果丟失關(guān)鍵業(yè)務(wù)數(shù)據(jù)的隱私還不是一個(gè)足夠緊迫的問題，那么即使在今天，云服務(wù)仍然面臨著嚴(yán)重缺乏數(shù)據(jù)安全的問題，這使得它們?nèi)菀资艿酵獠抗艉秃诳凸簟^(qū)塊鏈?zhǔn)潜ＷC隱私和安全的理想解決方案，因?yàn)榇鎯υ谌ブ行幕瘮?shù)據(jù)庫中的數(shù)據(jù)實(shí)際上是不可侵犯的。

通過將去中心化數(shù)據(jù)庫的安全性與集體學(xué)習(xí)人工智能/機(jī)器學(xué)習(xí)架構(gòu)相結(jié)合，該公司與土耳其鋼鐵制造商聯(lián)盟實(shí)施了代幣化金屬交易所。

與人工智能和機(jī)器學(xué)習(xí)的集成可實(shí)現(xiàn)高級商業(yè)智能分析——例如，實(shí)時(shí)監(jiān)控和分析貿(mào)易流中金屬的質(zhì)量和數(shù)量。電子文檔也可以在幾秒鐘內(nèi)處理完畢，數(shù)據(jù)用于自動化運(yùn)輸過程并動態(tài)地啟用保險(xiǎn)費(fèi)用。在此示例中，整個(gè)流程得到簡化和優(yōu)化，而無需將 BI 和 AI 拆分為兩個(gè)單獨(dú)的實(shí)體。

人工智能在商業(yè)智能中的另一個(gè)潛在應(yīng)用是確保數(shù)據(jù)的安全。高級加密標(biāo)準(zhǔn) (AES) 協(xié)議是加密 BI 中使用的敏感數(shù)據(jù)的行業(yè)標(biāo)準(zhǔn)。然而，密鑰存儲可能會被黑客入侵，一旦用戶名和密碼被盜，數(shù)據(jù)是否使用最佳級別的 AES 加密進(jìn)行加密就不再重要了。

人工智能可以用來創(chuàng)建密鑰，然后立即銷毀這些密鑰，這樣就沒有人可以再訪問這些數(shù)據(jù)了。如果您認(rèn)為“這真的很愚蠢”，那么，這個(gè)想法是該算法也能夠在以后進(jìn)行自我攻擊，因?yàn)樗Ａ袅藘蓷l重要的信息來重新創(chuàng)建它。

    上一篇我們送上的文章是 什么是點(diǎn)對點(diǎn)內(nèi)容分發(fā)？ ， _!在下一篇繼續(xù)做詳細(xì)介紹，如需了解更多，請持續(xù)關(guān)注。
本文由日本NEC鋰電池中國營銷中心于2023-07-16 17:37:55 整理發(fā)布。
轉(zhuǎn)載請注明出處.