現代商業以信息為基礎，但我們卻淹沒在業務線系統、公司數據庫、工業物聯網系統生成的數據以及各種各樣的外部數據中。那么，在優秀的數據科學家稀缺且成本高昂的情況下，我們如何保持對現有數據的掌控，以便獲得所需的業務洞見呢?

像Tableau和Power BI這樣的現代數據分析工具在解決這些問題上走了很長的路，它們使用圖形化工具簡化了查詢的構建和結果的顯示?；贓xcel提供的分析工具，微軟的Power BI可以跨數據集工作，構建和測試查詢，并提供可定制的可視化集。

微軟(Microsoft)的史蒂夫?古根海默(Steve Guggenheimer)在一篇博客文章中提出，數據是人工智能的基礎，沒有數據就沒有人工智能。他接著指出，在智能之前需要洞察力，提出了“BI先于AI”的概念。這就是微軟的業務應用程序平臺的用用之處，它以通用數據模型(CDM)和業務數據實體的共享圖為中心。

微軟的通用數據模型(CDM)是一個標準化、模塊化和可擴展的數據模式集合。它由實體、屬性、語義元數據和關系組成。

CDM以Dynamics CRM和ERP數據模型為基礎，將水平數據(包括常見的業務概念)與垂直行業特定數據混合在一起。這種方法與Power BI之類的分析工具配合得很好，允許您探索您的數據，尋找可以用于構建新機器學習(ML)模型的見解，這些模型可以包含在您的應用程序中。通過交互式方法和訪問預構建的ML工具，Power BI可以成為構建ML模型的一種方式，而不必編寫復雜的代碼。

參見:物聯網和大數據的力量(Tech Pro Research)

畢竟，不是每個人都能用R或Python(大多數ML系統使用的兩種主要分析編程語言)進行編程。然而，它們與Power BI有一個共同的概念:使用共享的筆記本來探索數據和顯示結果。Power BI的報告工具可以與data science的Jupyter筆記本相比較——后者是一個共享的沙箱，團隊可以在其中探索數據并調整模型，然后在更大規模的應用程序中使用它們。

典型的現代商業智能(BI)系統從數據湖獲取數據，并將其提供給諸如Power BI之類的自助BI工具。然而，對于響應性更好的操作，Power BI在其數據流中包含了一個更靈活的選項。典型的系統需要開發時間，構建Extract-Transform-Load (ETL)工具來交付數據湖。使用數據流，您可以使用熟悉的查詢構建技術來構建可重用的數據實體，而無需了解任何底層技術。

Power BI的數據流幫助組織統一來自不同來源的數據，并為建模做好準備?？梢允褂檬煜さ淖灾ぞ邉摻〝祿?，用于攝取、轉換、集成和豐富大數據。

無需編寫ETL系統的自助數據準備工作占用了大量的業務分析工作。不需要等待ETL專家來構建和測試ETL管道;您需要做的就是定義數據流并測試結果實體。如果它不工作，你回去建立一個新的。您還可以與同事共享構建和測試的數據流，使業務分析工具的開發更加大眾化。您不需要編寫任何代碼，因為這些代碼都是由熟悉的Power BI工具處理的。

大規模查詢可以利用Azure Data Explorer，它現在提供了Power BI集成。Data Explorer用于實時處理大量數據，因此您可以使用它來查看日志文件或其他大量數據的來源。例如，對GitHub公共數據的Power BI分析示例演示了如何處理超過10億條數據。

微軟最近增加了在Power BI中使用Azure認知服務的選項。您可以使用預先構建的機器學習系統來集成認知服務來處理復雜的響應，而不是編寫查詢來可視化和探索數據。通過使用Microsoft不斷增長的機器學習服務之一，您可以快速地從數據湖和外部來源提取相關數據。也許你正在實時瀏覽Twitter，尋找與你的業務相關的信息;通過獲取這些數據并使用Azure Cognitive Services的情緒分析模型，您可以檢測出積極或消極的情緒，并將其顯示在Power BI儀表板上。

職位描述:數據科學家(專業技術研究)

通過將此方法與dataflows或Azure Data Explorer相結合，您可以快速構建跨業務的智能儀表板。將BI與AI混合在一起很有意義，因為在這里您擁有大量的數據，這對于訓練模型和獲得重要結果都是必要的。使用Azure認知服務等工具通常需要構建應用程序并使用Azure api。通過將it與桌面業務分析工具集成，微軟正在將開發人員從等式中移除，并將其機器學習工具交到業務用戶手中。

現在，您可以在Power BI中創建自己的機器學習模型。

下一步是超越預先訓練、預先構建的模型，使用Power BI和您的數據倉庫來構建和培訓您自己的機器學習模型。Microsoft已經添加了一個新的Power BI工作流，它可以幫助您為應用程序選擇合適的模型，然后選擇培訓數據，然后培訓模型來處理特定的業務問題。生成的模型將通過Azure機器學習提供，并且可以與同事共享，并構建到桌面或云應用程序中。

企業可以在Azure上快速構建機器學習模型庫，Power BI提供了一種替代的無代碼方法，可以在應用程序中使用這些模型。Power BI應用程序將掃描可用的模型，并自動生成一個用戶界面，讓您可以將它們作為BI應用程序中的拖放組件。同樣，不需要編寫任何代碼，也不需要引入數據科學專業知識。如果您可以訪問某個模型，您可以在報告或儀表板中使用它。

微軟做了很多工作來簡化在商業應用程序中使用機器學習，包括Windows庫和RESTful api。將它集成到Power BI中需要做更多的工作，刪除代碼以支持拖放和向導。如果我們想在商業中充分利用人工智能，那么讓那些需要查詢數據的用戶也能使用人工智能就是我們的方向。Power BI已成為重要的桌面業務工具;添加智能應該使其變得至關重要。

遵循這些專家提示，通過閱讀關于數據科學創新的見解，掌握大數據分析的基礎知識。星期一交付