為什麼你的商業智慧(BI)沒那麼智慧? —用NLP領航你的BI
關於BI商業智慧(Business Intelligence)的文章，網路上已經不乏各種介紹。BI常被用來解讀過去的資料，例如：銷售數據、營業成本或銷售收入等數據，讓決策管理者隨時隨地獲取關鍵資訊，它的確是有各種優勢：BI可以快速回應報表需求，準備好資料，讓你可以順利交出報表；在資料視覺化也是推坑的一大重點，讓你不用再花時間去拉EXCEL或PPT做圖表。
目前市面上的BI軟體主要以報表作為結果呈現，因此也有人認為報表工具就是BI軟體，或是認為Excel也能夠作BI軟體做的事情。
但實際上，像EXCEL這樣需要人工處理的報表可能有以下的情況：
- 人工出錯機率高：隨著決策者對分析的要求越來越高，於是報表越來越多、越來越複雜，最後大量的手工處理的報表，出錯機率也大幅提高
- 取得結果耗時：由於仰賴人工處理流程，在資料搜集匯出、資料統整…等階段一來一往的過程耗時極高，因此無法及時得到想要的結果。
而當彙整報表開始需要花費越來越多時間時，許多企業開始設立專職的人員負責報表製作，但仍無法人工流程的限制。
其實BI軟體除了報表功能之外，更著重在資料匯入的便利性、統整效率的提升、即時產生高複雜的報表、方便探勘資料、及隨時掌握關鍵因子…等功能。
商業智慧(Business Intelligence,BI)，簡單說就是「輔助決策者的分析角色」，用來讓決策管理者對企業獲取的大量數據，透過報表和圖表，有一個概略性的認識，進而輔助決策。簡單的來說就是進行商業數據分析。
而商業數據分析的目的就是要「挖掘數據背後的訊息」，透過這些數據分析，企業可以訂定決策、針對外在需求變化採取即時行動，進而達成想要的結果。這才是商業數據分析的核心價值。
那麽要怎樣才能挖掘出數據背後的訊息，以支持企業決策呢？
世界權威顧問機構Gartner於2013年整理出一套數據分析的類別，包含以下四大項，
- 描述型分析(Descriptive Analytics)
- 診斷型分析(Diagnostic Analytics)
- 預測性分析(Predictive Analytics)
- 處方型分析(Prescriptive Analytics)
BI的第一道難題:仍停留在描述型分析，未進階到診斷型分析
BI雖然有多項包含容易上手和快速的優勢，但是主要核心價值仍然停留在第一項描述型分析，簡單來說就是把已經發生的事實用數據做出準確的描述。比如本月企業在訂單的金額上相較上的月多出一百萬元，來到一千一百萬元，但是訂單達交率從上月的98%下降到了95%，庫存周轉率從上月的0.8下降到了0.7。
然而知道發生什麼事，對企業決策的幫助並不大，更重要的是明白為什麼會發生。
比如經過分析，發現訂單達交率下降的原因是成品生產不出來，無法完成交付。而成品生成不出來的原因則是部分原材料的供應商未能按時送貨，導致原材料不齊全，無法開始生產。上述例子能直接「透過數據分析給出可執行的洞察(Actionable Insights)」，這就是所謂的診斷型分析，也才能真正體現數據分析在商業應用的價值。
但是難題來了，如果要做診斷型分析，傳統的BI是無法協助使用者辦到的，或許企業資源龐大，可以用大筆資金購買市面上名牌分析軟體，並聘請相對應數量的資料科學家，藉由寫程式去做分析。但是從提出分析需求開始、了解需求、跨部門討論、最後根據需求產出分析報告，這一連串的流程在企業中常常要花上好幾天甚至一週的時間。
BI的第二道難題:商業世界這麼高速競爭，誰有時間等你慢慢決策？
隨著當今的商業世界越來越競爭，企業需要能即時回應市場需求的決策輔助，過去這一套需要輾轉透過數據分析師才得以提取資訊的分析方式開始顯得跟不上世代 — -BI已經不夠智慧！內建演算法的新一代分析軟體正式取代BI，但是如果使用者沒有資料分析背景要如何把演算法變成分析的利器呢？這時候一個關鍵人物 — NLP的出現，就即時拯救了這些沒有資料分析背景的使用者，大幅提升分析的「智慧感」！
關於NLP‧‧‧‧‧‧
NLP(Natural Language Processing)，中文是「自然語言處理」，白話文就是「讓電腦擁有理解人類語言的能力」，是AI技術的一種。
NLP主要有三個階段的應用：
- 機器翻譯：通過特定的電腦程式將一種書寫或聲音形式的自然語言，翻譯成另一種形式。目前，文本翻譯最為主流的工作方式依然是以傳統的統計機器翻譯和神經網絡翻譯為主。
- 訊息檢索：從相關文檔集合中查找用戶所需信息的過程。以Google為代表的「關鍵詞查詢+選擇性瀏覽」交互方式，用戶用簡單的關鍵詞作為查詢 提交給搜尋引擎，搜尋引擎並非直接把檢索目標頁面反饋給用戶。
- 自動問答：指利用計算機自動回答用戶所提出的問題以滿足用戶知識需求的任務。這一過程 涉及了包括詞法句法語義分析的基礎技術，以及信息檢索、知識工程、文本生成等多項技術。
文字應用
至於文字的自然語言應用就屬上面所提及的「Google搜尋」最為強大，想要尋找什麼就直接輸入文字進行搜尋，也可以輸入意圖類型的詞彙，例如：比較A與B，Google都會進行識別你想要他處理的事情，並找出適合的內容給你。
語音應用
自然語言在語音應用方面，最著名的例子是iPhone語音助理「Siri」，只要透過語音方式，就可以完成對手機功能的操作；語音應用的另一個例子還有「小米智能喇叭」，透過語音對話就可以控制當下環境中的小米產品，達成了人與機器、機器再與機器的溝通。
介紹完NLP是什麼，你大概就了解NLP和BI是多麼美好的相遇了吧？
若說BI軟體的出現是要降低產生報表的門檻，那NLP功能的加入就是為要降低一般人做分析的門檻，讓分析軟體的操作困難度大幅降低。你可以想像，在企業分析過程當中，常會進行資料的多項步驟處理，當中涉及複雜的技術操作，因此若非專業人員則無從著手。但如果是透過自然語言文字或語音的輸入，就能達成這些複雜邏輯步驟的結果，這就大幅降低分析的專業門檻啦！
作者介紹
Joseph Wu
Synergies現任UI/UX設計師。鑽研介面互動流程規劃與UI視覺設計，以使用者體驗設計為出發點，是Synergies產品JarviX自然語言智慧企業決策平台的重要推手。
