ما هو التعلم الآلي للتحليلات؟

كانت التحليلات والتعلم الآلي (ML) موجودة منذ عقود، لكن استخدام التعلم الآلي كان محدودًا بسبب التحديات المرتبطة به. كان التعلم الآلي كثيف المعالج ويتطلب مهارات وأدوات مُتخصصة غير متوفرة على نطاق واسع. مع ذلك، أدى وصول الحوسبة السحابية إلى جعل الوصول إلى نطاق قوة الحوسبة اللازمة لتشغيل التعلم الآلي أرخص وأسهل بالنسبة للعديد من المؤسسات الأخرى. مكنت إمكانيات المعالجة القوية لهواتفنا الذكية وأجهزة الكمبيوتر المحمولة أي شخص تقريبًا من الوصول إلى التحليلات واستخدامها من خلال التعلم الآلي واتخاذ قرارات مستنيرة ومستندة إلى البيانات.

شرح التحليلات

تعد التحليلات عملية اكتشاف الأنماط المهمة في البيانات وتفسيرها ونقلها. تساعد التحليلات على إنشاء رؤى ذات مغزى من مجموعة متنوعة من مصادر البيانات. تركز تحليلات الأعمال على استخدام الرؤى المشتقة من البيانات لاتخاذ قرارات أكثر استنارة تزيد المبيعات وتقلل حركة دوران الموظفين ومسارات التسليم المحسنة وغيرها من تحسينات الأعمال التي تساعد المؤسسات على النجاح.

تعريف التعلم الآلي

يمثل التعلم الآلي تطبيق للذكاء الاصطناعي (AI) يمكّن أجهزة الكمبيوتر من التعلم والتحسين تلقائيًا من التجربة دون برمجة صريحة. يعتمد التعلم الآلي على الأشخاص الذين يطورون النماذج التي تصل إلى البيانات ويستخدمونها للتعلم بأنفسهم ثم يقومون بالاستدلالات والتوصيات والتنبؤات. تبدأ عملية تدريب هذه النماذج بتغذية كميات هائلة من الملاحظات أو البيانات التاريخية، مما يسبب الحاجة إلى موارد الحوسبة كثيفة المعالج. يتم بعد ذلك تطبيق النماذج المدربة على مجموعات البيانات الجديدة لاكتشاف الرؤى القائمة على البيانات وتقديمها.

تعريف التعلم الآلي للتحليلات

يمثل التعلم الآلي للتحليلات عملية استخدام خوارزميات التعلم الآلي للمساعدة في عملية التحليلات لتقييم البيانات واكتشاف الرؤى بغرض اتخاذ القرارات التي تحسن نتائج الأعمال.

يساعد التعلم الآلي في التحليلات المحللين بطريقتين:

• 1. توفير رؤى مستندة إلى التحليلات. يتم اشتقاق النتائج التي تم إنشاؤها بواسطة التعلم الآلي، أو التحليلات التنبؤية من البيانات ويتم اعتمادها على التحليلات (لا تستند إلى التجربة البشرية)، مما يعني تقليل التحيز. تساعد التحليلات من التعلم الآلي على تحديد القيم الشاذة أو الاتجاهات في البيانات التي قد لا يتم العثور عليها—إذا كنت لا تفكر في البحث عن شيء ما، فلن تجده أبدًا. مع قوة الحوسبة المستندة إلى السحابة، يمكن للتعلم الآلي مرعاة المزيد من السيناريوهات للإجابة على سؤال أكثر مما هو ممكن في نهج تقليدي غير التعلم الآلي.

•  

• 2. تعزيز إنتاجية المحللين. تساعد الإمكانات المدعومة بالتعلم الآلي داخل المنصات للتحليلات الحديثة المحللين على تسريع الوقت من الحصول على البيانات إلى اتخاذ قرار. يمكن للإمكانات المُضمنة في هذه المنصات تحليل مجموعات البيانات تلقائيًا وإنشاء تصورات سياقية مع التعليقات، مما يساعد المحللين في إنشاء قصص بياناتهم بسرعة. تمثل AutoML أداة أخرى لزيادة إنتاجية المحللين، إذ إنها تختبر خوارزميات التعلم الآلي المختلفة تلقائيًا لمساعدة المحلل في العثور على النموذج الأدق لحالة استخدامه.

ما سبب استخدام التعلم الآلي مع التحليلات؟

تعتمد التحليلات بدون التعلم الآلي على المحللين البشريين لإنشاء التحليلات والعثور على الرؤى وتقديم التوصيات بناءً على تفسيراتهم. تعتمد النتائج بشكل كبير على الخبرات والآراء المهنية للمحلل.

يحسّن استخدام التعلم الآلي مع التحليلات إلى عملية التحليلات بطريقتين رئيستين:

• 1. يعزز التعلم الآلي التحليلات التقليدية من خلال تحديد الأنماط والاتجاهات والارتباطات التي لولاها لم تلاحظها التحليلات التقليدية وحدها. تستند هذه الرؤى والتوصيات وحدها إلى البيانات المقدمة، بهدف تقليل الحدس البشري أو التجربة أو التحيز.

•  

• 2. يساعد التعلم الآلي صناع القرار على أن يكونوا أكثر كفاءة مع عمليات التحليلات الخاصة بهم، على سبيل المثال، من خلال تقييم مجموعات البيانات تلقائيًا وتقديم توصيات مرئية حول النتائج أو تقديم توصيات لإعداد البيانات وإثرائها أسرع. تسرّع هذه الإمكانات وقت اتخاذ القرار من خلال ملء لوحات المعلومات بسرعة برؤى مستمدة من التعلم الآلي تستند إلى التحليلات.

لا يعد استخدام التعلّم الآلي في التحليلات متطلبًا ويجب استخدامه عند الاقتضاء فحسب. يحسن تعزيز التحليلات باستخدام التعلم الآلي بالطريقة الصحيحة عمليات القرارات الحالية. على سبيل المثال، عند التعامل مع مجموعة بيانات جديدة، يمكن استخدام التعلم الآلي لتحليل البيانات تلقائيًا وتوفير رؤى مستمدة من البيانات كسردات نصية وتمثيلات مرئية.

خمس طرق لاستخدام التعلم الآلي في منصة التحليلات من Oracle

توفر المنصات للتحليلات الجيدة إمكانات التعلم الآلي لجميع مستويات المستخدمين، بدءًا من المستخدمين المتقدمين الذين يعرفون الخوارزميات شائعة الاستخدام وطريقة ضبطها للأشخاص الذين يرغبون في تجربة بسيطة وخالية من التعليمات البرمجية لتطبيق التعلم الآلي على مجموعات البيانات لديهم.

إضافة رؤى قائمة على التحليلات إلى قصص البيانات بنقرة واحدة

يمكن للمستخدمين الذين لديهم خبرة قليلة أو معدومة في التعلم الآلي إضافة عمليات حسابية مُتقدمة، مثل التوقعات (التحليلات التنبؤية)، والمجموعات، والخطوط المرجعية، وخطوط الاتجاه إلى مشروعات التمثيل المرئي بنقرة واحدة فقط. تستخدم هذه الطريقة خوارزميات عامة وتكون مُفيدة في تمييز الحالات الشاذة المحتملة في البيانات التي قد تتطلب مزيدًا من التحقيق.

يُعد المثال أدناه مخطط بسيط يعرض الإيرادات على مدار الوقت مع تظليل التقدير المكون آليًا باللون الرمادي. تُعد مراقبة الإيرادات المستقبلية المتوقعة أمرًا سهلاً، كما يتوافق النمط المستقبلي المتوقع في هذه الحالة مع التوقعات؛ ولا توجد حالات شاذة واضحة.

الأدوار النموذجية التي تستخدم التحليلات المتقدمة:
مستخدمو الأعمال الذين ليس لديهم خبرة في التعليمات البرمجية

استخدام التعلم الآلي لشرح مجموعة بيانات جديدة

قد لا يعرف محللو الأعمال من أين يبدأون عند إنشاء قصص مرئية جديدة ببيانات غير مألوفة. يعني هذا السيناريو أن المحلل يرجع إلى خبرته المهنية لتوجيه عمليته لبناء تحليلاته. مع ذلك، يمكن لهذا النهج إدخال التحيز البشري ويؤدي إلى نتائج غير دقيقة. يكمن النهج الأفضل في السماح للتعلم الآلي بتقييم جميع البيانات أولاً، ثم تسليط الضوء على النتائج بصريًا من خلال السرد الوصفي. ثم يبدأ المحلل تحليلاته بناءً على ما تعلمه به البيانات.

في المثال أدناه، يتم تحليل مجموعة بيانات جديدة من خلال إمكانية التعلم الآلي المضمنة، والرؤى التلقائية التي وجدت العديد من الأنماط والاتجاهات في البيانات التي ربما لم يفكر فيها المحلل أبدًا. ثم تضيف نقرة واحدة تلك النتائج إلى لوحة عمل المصنف. يدعم هذا نهجًا قائمًا على التحليلات لرواية قصص البيانات ويقدم رؤى ربما لم يتم تفويتها.

الأدوار النموذجية التي تستخدم الرؤى المؤتمتة:
مستخدمو الأعمال وعلماء بيانات المواطنين

نماذج مدربة من علماء بيانات المواطنين لاستخدام أي شخص

يمكن للمستخدمين الذين لديهم دراية بأنواع مختلفة من خوارزميات التعلم الآلي وبياناتهم استخدام تدفقات بيانات نمط النقر والسحب لإنشاء نماذج التعلم الآلي المخصصة وضبطها واختبارها ونشرها لتعزيز تحليلاتهم التنبؤية—دون الحاجة إلى كتابة تعليمات برمجية. تنشئ نماذج التعلم الآلي هذه المصممة لغرض معين تنبؤات أدق لحالة الاستخدام المحددة الخاصة عن نظيراتها العامة.

تأتي الخطوة الأولى في تدريب نموذج التعلم الآلي واختباره. للقيام بذلك، يربط المستخدم مصدر بيانات تاريخي بنتائج معروفة، ويختار خوارزمية التعلّم الآلي المناسبة، ويعين المعلمات لحالة الاستخدام المحددة هذه. ثم يتم اختبار النموذج مقابل بيانات جديدة لتحديد الدقة. إذا كانت تنبؤات النموذج مقبولة، فيمكن بعد ذلك نشر النموذج لجمهور أوسع. يمكن بعد ذلك تشغيل النماذج المنشورة بواسطة أي مستخدم مقابل مجموعات بيانات جديدة. تضمن هذه الطريقة لبناء النماذج واختبارها مركزيًا أن الأشخاص أصحاب التدريب والخبرة المناسبين ينشئون نماذج موثوقة. كما توفر وصولاً سهلاً لمعظم المستخدمين عن طريق التخلص من الاعتماد على تكنولوجيا المعلومات لتشغيل النماذج نيابة عنهم.

الأدوار النموذجية التي تدرب نماذج التعلم الآلي الخالية من التعليمات البرمجية:
علماء بيانات المواطنين، المستخدمون المتقدمون

بالنسبة لحالات استخدام محددة، تتطلب نماذج تعلم آلي مُتخصصة

الأدوار النموذجية التي تدمج خدمات علوم البيانات:
علماء البيانات، وعلماء بيانات المواطنين، والمتخصصون في تطبيقات تكنولوجيا المعلومات

إمكانات تعلّم آلي مُسبقة الإنشاء لمستخدمي الأعمال

تتسم تطبيقات التحليلات بأنها تحليلات مُصممة لغرض معين لوظائف الأعمال، مثل Oracle Analytics for HCM أو Analytics for ERP. تستخدم تطبيقات التحليلات هذه أساليب التعلم الآلي الموضحة أعلاه، لكنها توفر نماذج تعلم آلي تم إنشاؤها مسبقًا لحالات استخدام محددة. على سبيل المثال، يمكن لتطبيق تحليلات ERP توفير تعلم آلي جاهز للتنبؤ بالدفع في الوقت المحدد أو اكتشاف أوجه الخلل في النفقات، في حين يمكن لتطبيق تحليلات HCM توفير نماذج، مثل توقع حركة دوران الموظفين.

أدوار المستخدم النموذجية:
مستخدمو أعمال الأقسام ومحللو الأعمال

الخطوات التالية

يمثل التعلم الآلي المُضمن في التحليلات قدرة قوية لتعزيز عملية التحليلات التي تطورت بسرعة باستخدام الحوسبة السحابية. يمكن أن يوفر تحليلات تنبؤية ويحدد الأنماط والاتجاهات والارتباطات في البيانات التي قد تمر دون أن يلاحظها أحد. تساعد نماذج التعلم الآلي أيضًا في الحد من التحيز غير المقصود وتمكين أصحاب المصلحة من اتخاذ قرارات أفضل وأكثر استنارة. توفر المنصات للتحليلات الجيدة إمكانات التعلّم الآلي لجميع مستويات المستخدمين، مما يسهل استخدام التعلّم الآلي في تحليلاتهم بغض النظر عن قدرتهم التقنية.

باستخدام منصات التحليلات الحديثة، أصبح بدء رحلتك باستخدام التعلم الآلي أسهل مما تعتقد. لا يحل التعلم الآلي محل عمليات التحليلات الحالية، بل يعززها من خلال التوصية بخيارات جديدة يمكن أن تؤدي إلى قرارات أعمال أفضل.