روند تکامل هوش تجاری

جادوبی مجله جادوبی روند تکامل هوش تجاری
هوش تجاری

بصری سازی کلان داده مجله جادوبی هوش تجاری

در سال های اخیر اکوسیستم هوش تجاری (BI) انفجاری را در فناوری های مربوط به فراگیری ماشین و اطلاعات شناختی دیده است. انفجاری که نهایتا علوم داده را برای شرکت ها به عنوان یک نیاز واقعی مطرح کرده است. در این جهان هوشمند، راهکارهای داده ای بر قابلیت هایی تمرکز دارد که در نسل های قبلی فناوری های هوش تجاری وجود نداشته است اما اکنون این قابلیت ها دارد مرزهای فضای هوش تجاری را به سمت سطوح جدید گسترش می دهد؛ یعنی به سمت نسل چهارم هوش تجاری. در ادامه شما را دعوت می‌کنم با روند تکاملی نسل‌های هوش تجاری بیشتر آشنا شوید.

نسل اول: معماری کلاینت-سرور و گزارش های واحد فناوری اطلاعات

نسل اول فناوری های BI بر اساس مدل های محلی کلاینت-سرور بوده که گزارش ها در آن توسط واحد فناوری اطلاعات و مبتنی بر نیازمندی های خاص کسب و کار تهیه می شده است. از نقطه نظر زیرساخت داده ای، این گونه از فناوری های هوش تجاری با پایگاه های داده ای رابطه ای و چند بعدی (که پایه و اساس معماری داده های فناوری اطلاعات به شمار می‌رود) عجین شده است. این نسل از پلتفرم های هوش تجاری زیر سلطه ابزارهای قدرتمندی نظیر Microsoft Reporting Services، IBM Cognos یا SAP Business Objects قرار داشت.

نسل دوم: کلان داده

ظهور محاسبات ابری و تکامل مدل های پایگاه داده ای NOSQL و کلان داده زمینه ایجاد نسل دوم پلتفرم های هوش تجاری را فراهم کردند. این راهکارهای جدید بر روی تقویت مدل های توانمندسازی ابری تمرکز کرده اند. مدل هایی که برای رفع مشکلات ناشی از استفاده از زیرساخت‌های محلی و نیز یکپارچه‌سازی با منابع داده نوظهور نظیر سیستم‌های کسب و کاری آنلاین و شبکه های اجتماعی توسعه یافته‌اند. نسل دوم هوش تجاری همچنین روی ارتقای پلتفرمهای کلان‌داده و NOSQL سرمایه‌گذاری کرد تا بتواند برای تحلیل مقادیر عظیمی از داده های نیمه ساختاریافته و ساختارنیافته، راهکارهایی فراهم کند. پلتفرم هایی نظیر GoodData، Birst و Grow از این گونه هستند.

نسل سوم : شخصی، مبتنی بر همکاری، بصری و همراه

ایجاد داشبوردهای بصری جذاب و سلف سرویس، عنصر اساسی در شکل گیری نسل سوم از فناوری های هوش تجاری است. این نسل BI با توانمند کردن کاربران برای ایجاد داشبوردهای بصری در قالب مدلی سلف سرویس توانسته فرایندهای مرتبط با هوش تجاری را از واحد فناوری اطلاعات سازمان ها به واحدهای مرتبط با کسب و کار سوق دهد. از سوی دیگر، ظهور استفاده از نرم‌افزارهای سازمانی در پلتفرم تلفن همراه و شکل گیری روندهای همکاری به نسل سوم هوش تجاری شتاب بیشتری داده است. از این منظر، راهکارهای این نسل به کاربران امکان بهره مندی از داشبوردهای دستگاه های تلفن همراه و تقویت مدل های رنگ آمیزی برای جمع آوری دانش درباره یک راهکار خاص را به می‌دهند. راهکارهایی نظیر Tableau و QlikView این جنبش را رهبری کرده‌اند.

نسل سوم هوش تجاری - شخصی، مبتنی بر همکاری، بصری و همراه
نسل سوم هوش تجاری – شخصی، مبتنی بر همکاری، بصری و همراه

نسل چهارم : پیش‌بینانه، پیش گیرانه، آنی و شناختی

جنبش نسل چهارم هوش تجاری (اگر البته ما بتوانیم بر سر این واژه به توافق برسیم) توسط ظهور فناوری های فراگیری ماشین هدایت می شود. البته به همان شکلی که زمینه انجام تحلیل داده آنی توسط تکامل روندهایی نظیر اینترنت اشیاء فراهم گردید. از منظر توانایی، راهکارهای نسل چهارم BI با برخورداری از مدل های تحلیلی پیش بینانه و پیش گیرانه ای که سطوح بیشتری از هوش را درباره منابع داده کسب و کار فعال می‌کنند، موجب گسترش روش‌های گزارشگیری سنتی می‌شود. از این منظر، نسل سوم، تمرکز کمتری روی ایجاد گزارش هایی که بتواند اوضاع گذشته را به خوبی نشان ‌دهد و کمک به کشف بینش های ناشناخته و پیش بینی راجع به آینده کند داشته است.

تحلیل آنی جریان داده ها نیز عنصری کلیدی در نسل چهارم BI است. در واقع، راهکارهای تحلیل جریان داده که سیگنال های داده ای را از منابعی نظیر دستگاه های هوشمند یا شبکه های اجتماعی جمع آوری و ادغام می کند جز‌ء اصلی هوش تجاری هستند. در نهایت، توانمندی های محاسبات شناختی و یادگیری عمیق که ما را قادر به تحلیل متن، تصویر یا صدا می‌کند به شدت دارد در این نسل جدید از هوش تجاری رایج می گردد.

در حالی که نسل چهارم BI هنوز در دوران کودکی است ما می‌توانیم پلتفرم هایی را که در این زمینه جلودار هستند معرفی کنیم: IBM Watson، Microsoft Cortana Analytics، Apache Spark و AWS Kinesis. نسل جدیدی از پلتفرم ها نظیر Dato، Databricks یا  H2o.ai نیز با نوآوری های منحصر به فرد و راهکارهایی در فضای نسل چهارم هوش تجاری، به سرعت در حال ظهور هستند.

آیا نسل چهارم هوش تجاری یک جنبش جدید است؟

نسل چهارم هوش تجاری روی حوزه هایی تمرکز می کند که به طور قابل توجهی متفاوت از نسل های قبلی آن است. همچنین، ظهور برندهایی که بازیگران کلیدی در این فضا هستند به نوبه خود می تواند نشانه خوبی از شکل‌گیری یک جنبش جدید باشد.

در حالی که عبارت نسل چهارم هوش تجاری مطمئنا بحث پذیر است، این واقعیت که فراگیری ماشین، محاسبات شناختی و تحلیل داده آنی در حال تغییر فضای راهکارهای هوش تجاری هستند نیز آشکارا و اجتناب ناپذیر است. یقینا بهترین زمان برای نسل چهارم هوش تجاری در پیش روی ما قرار دارد.

مطالب پیشنهادی

درج دیدگاه

You have to agree to the comment policy.

*