Qlik全球產物市場副總裁 James Fisher

曩昔幾年里，許多剖析家都猜測“智能數據摸索”將代表剖析市場的下一波推翻海潮——應用人工智能和機械進修來主動剖析信息，取得深度剖析成果。數據主動預備、天然說話處置和生成，和對形式辨認、相干性和異知識別停止高等統計剖析等功效的涌現將推翻剖析范疇，這些功效是如斯壯大，乃至讓人有點難以相信了。

對這一波推翻性海潮，企業應當堅持一個謹嚴的立場和采用分歧的看待辦法。企業最關懷的是在可以或許疾速完成數據價值的同時殺青小我、團隊和企業的目的。固然數據量、盤算才能和員工對應用數據的需求呈指數增加，但全部數據摸索的成長卻受制于企業數據素養的完善。這就是Qlik的一切舉動都以用戶為中間的緣由地點，Qlik開辟可以或許支撐人類剖析流程的產物——贊助更多的人停止深度剖析，為全部企業帶來價值，知足他們的目的。固然機械智能為改良剖析流程供給了更多能夠性，但這其實不意味著機械智能將以黑盒辦法[ 黑盒辦法：指的是隱蔽邏輯算法/流程，只對用戶展現終究推論的剖析辦法。在Qlik，一切的剖析和推論面前的邏輯是一步一步向用戶展現的，并沒有隱蔽全部進程。

]終究代替用戶驅動的視覺剖析——至多在短時間內不會。是以，現階段為了推進價值的完成，智能數據摸索功效應與以工資中間的剖析和研討相聯合，以知足企業一切用戶和運用的需求。當機械和人一路協作時，會發生乘數效應，因此可以稱之為新一類的加強智能。

人工智能和真實的加強智能是有差別的，人們的目標是可以或許更聰明天時用機械智能，而不該被局限在機械劃定的預界說成績或許剖析框架上。有些時刻，機械智能可以或許從統計上得出深度看法，讓用戶以分歧的角度對待事物，終究清除成見，拓寬常識面。有些時刻，用戶會經由過程機械不具有的直覺、常識和高低語境等才能來猜測和研討概念。最好的處理計劃是讓二者能一路協作，發明1+1年夜于2的后果。

讓我們換一種思慮方法，好比在《星際迷航》里，假如不是斯波克和柯克船主聯手，朝上進步號星艦確定沒法超出它的第一次義務…

瞻望將來，正如Qlik本年早些時刻所宣告的，經由過程一系列機械發生的涵蓋剖析周期的全體三個階段（數據預備、研討和剖析、協作）的深度剖析和建議來優化Qlik Sense，包含新的智能數據預備功效、用于處置數據和提出深度剖析建議的先輩算法和辦事，和能讓更多用戶輕松應用的天然說話搜刮和通訊功效。其他功效還包含其自己具有的擴大平臺、鄙人游運用和任務流中嵌入深度剖析的才能，應用Qlik開放的APIs取得與數據互動的新方法，例如停止對話剖析[ 對話剖析：指對天然說話的處置才能，Qlik具有并一向在賡續完美這類才能。分歧于語音剖析，對話剖析與谷歌的任務道理雷同，針對用戶與軟件對話的方法停止賡續改良， 可使用戶與軟件溝通時相似人與人之間的溝通。]。Qlik的CTO Anthony Deighton曾在2017年全球客戶年夜會——Qonnections上展現了一些使人高興的新尺度運用，這些運用都構建于Qlik的認知規矩引擎之上。

在曩昔幾個月里，Qlik曾經向全球的客戶展現了這些運用，它在贊助人們靈感閃現的那一刻長短常使人覺得高興的。人工智能的遠景弗成限量，為了推進價值完成，并可以或許從乘數效應中獲益，智能數據摸索聯合以工資本的剖析將成為往后的主導形式，而Qlik老是走在前端。