Il futuro della BI è l’intelligenza artificiale, afferma Capone, CEO di Qlik

(VideoFlow/Shutterstock)

Il futuro della business intelligence sarà definito dal modo in cui le capacità di intelligenza artificiale e scienza dei dati possono essere integrate negli strumenti di analisi e supporto decisionale tradizionali che possono avere un impatto sul business alla velocità della generazione dei dati, afferma il CEO di Qlik Mike Capone datanami in una recente intervista.

Anche se ci saranno sempre casi d’uso di alto valore che si basano sull’ampio set di competenze dei data scientist di livello PhD, la quantità di dati e l’opportunità di agire su di essi è semplicemente troppo grande oggi per fare affidamento su un numero limitato di persone per creare valore aziendale da esso, secondo Capone, un veterano del business tecnologico che guida Qlik dal 2018.

“È sempre stata questa cosa in cui i data scientist in camice bianco sono dalla parte”, afferma Capone. “Prendi i dati, glieli dai, loro esaminano alcune cose e poi in un modo o nell’altro potrebbero essere reintrodotti nelle tue analisi di base.”.

Oggi i dati e il business si muovono troppo velocemente per avere quel tipo di flusso di lavoro. Come la maggior parte dei fornitori di BI, Qlik si sta muovendo per integrare le funzionalità di intelligenza artificiale e machine learning direttamente nella sua linea di prodotti, che offrirà agli analisti aziendali i vantaggi del rilevamento di pattern e anomalie che solo una macchina può fornire. Tutti i principali concorrenti di Qlik stanno adottando l’intelligenza artificiale e l’apprendimento automatico, secondo un rapporto del 2020 di Gartner, non solo per la capacità di individuare modelli e anomalie, ma anche per aiutare a preparare i dati e spiegare i risultati.

Ci sono molti vantaggi che possono derivare dal trasformare gli analisti aziendali in scienziati dei dati dei cittadini, afferma Capone.

“Quello che stiamo vedendo e che stiamo facendo effettivamente”, afferma, “è che stiamo sviluppando funzionalità AutoML e AI all’interno della nostra piattaforma di analisi per consentire davvero all’utente BI medio di essere in grado di trarre vantaggio da AI e ML in una sorta di analisi quotidiana funzionano e poi lo prendono e lo inseriscono e lo inseriscono in normali processi aziendali”.

AI e ML vengono incorporati nei prodotti BI (YAKOBCHUK-VIACHESLAV/Shutterstock)

Qlik, che è di proprietà della società di private equity Thoma Bravo, ha acquisito la funzionalità AutoML con l’acquisizione nel settembre 2021 di Big Squid, una startup di data science che è stata elencata come sfidante in una carrellata di fornitori di AutoML del 2019 da parte di Forrester. La funzionalità di Qlik AutoML, che viene rapidamente adottata secondo un comunicato stampa di Qlik rilasciato oggi, consente agli utenti di esplorare modelli predittivi e testare scenari ipotetici. Se la situazione lo giustifica, i modelli possono anche attivare risposte automatizzate.

Si tratta di consentire decisioni aziendali più rapide basate su tempo reale e previsioni sugli stati futuri, afferma Capone. Non è qualcosa che potrebbe essere fatto utilizzando solo query SQL e interfacce BI retrospettive per interrogare ciò che è accaduto in passato.

“Bloccare le informazioni dettagliate, in dashboard o report, non è proprio il modo in cui si fanno affari”, afferma Capone. “Ora il business viene svolto in tempo reale e la capacità di sviluppare effettivamente insight in tempo reale – imparare dai dati in tempo reale, ma poi agire su tali insight in tempo reale – è davvero ciò che conta. Ed è quello che stiamo cercando di fare, è riunire tutto questo”.

Ad esempio, l’azienda di servizi di ristorazione Aramark utilizza i prodotti Qlik per affrontare situazioni mutevoli, afferma Capone. Se la domanda di birra o hot dog è alta al Lincoln Financial Field (dove giocano i Philadelphia Eagles), Qlik AutoML può rilevare quel segnale e agire automaticamente, senza che un dipendente Aramark debba muovere un dito.

“Quello che stanno facendo è analizzare quei dati in tempo reale, capire quali sono le implicazioni di un punteggio di scoppio o stiamo finendo la birra, [so] porta lì i camion della birra e poi prendi decisioni”, dice Capone. “Non c’è nessuno che fissa un dashboard perché gli algoritmi sono già stati addestrati per essere in grado di prendere decisioni e quindi inviare i dati al sistema del punto vendita. Quindi abbassa il prezzo degli hot dog perché ne avremo troppi. Questa è la moderna piattaforma di analisi dei dati”.

Aramark utilizza i feed di dati in tempo reale e l’intelligenza artificiale di Qlik AutoML per apportare modifiche alle consegne di cibo al Lincoln Financial Field (Andriy Blokhin/Shutterstock)

L’ottimizzazione del prezzo della birra e degli hot dog potrebbe non sembrare l’uso ottimale e ottimale dell’apprendimento automatico e dell’intelligenza artificiale. Questa è una vista. Ma visto da un’altra angolazione, è un indicatore del fatto che i leader aziendali sono pronti a portare l’intelligenza artificiale e l’apprendimento automatico fuori dalla torre d’avorio e portarli sul campo in cui possono avere un impatto nel mondo reale.

Il punto di vista di Capone sul grande potenziale della citizen data science non è condiviso da tutti. Ci sono state preoccupazioni sul fatto che gli scienziati dei dati dei cittadini non abbiano la formazione necessaria per costruire modelli predittivi che forniscano in modo affidabile le risposte giuste, riflettano i valori etici e non incorporino pregiudizi.

“Questi modelli essenziali, mission-critical, spesso regolamentati, non possono, e non dovrebbero, essere creati da nessuno che non sia un data scientist professionista per lo stesso motivo per cui un ospedale non dovrebbe essere dotato di personale ‘cittadino chirurgo’, le compagnie aeree non dovrebbero fare affidamento su ‘ citizen pilot,’ le torri non dovrebbero essere costruite da ‘citizen architect’ e la tua C-suite non dovrebbe essere composta da ‘citizen manager'”, scrive Kjell Carlsson, un ex analista di Forrester che ora è a capo della strategia della scienza dei dati e dell’evangelizzazione presso Domino Laboratorio di dati.

Ma Capone è fermamente convinto che il potenziale bene che deriva da una condivisione più democratica delle capacità di scienza dei dati con gli analisti aziendali sarà maggiore di qualsiasi danno causato dalla diluizione della scienza dei dati “pura”.

“Non fraintendermi: di tanto in tanto, dovrai prendere dati, eseguire del codice R e Python su di essi e analizzarli in questo modo”, afferma Capone. “Non sto affermando che la scienza dei dati nella sua forma più pura per casi d’uso davvero di fascia alta andrà via. Quello che sto dicendo è sempre di più [data science] verrà riportato nella tua infrastruttura di analisi principale. E poi salvi il data scientist per i problemi davvero difficili e complessi, non per i problemi quotidiani”.

Tutto questo presuppone che i dati siano in un formato pulito, centralizzato e utile in primo luogo, il che spesso è un’ipotesi troppo grande da fare. Per molti dei clienti di Qlik, è già stato svolto un ampio lavoro per integrare e normalizzare i dati, di solito in un data warehouse su cloud, afferma Capone.

“La maggior parte delle aziende ha fatto un sacco di lavoro per raccogliere i propri dati in una piattaforma di analisi”, afferma. “Senti, hai questo fantastico tipo moderno di piattaforme di dati cloud come Snowflake o [AWS] Redshift, quindi tutti i dati sono lì. Quindi è davvero orribile dover togliere i dati da quello, darli da parte ad alcuni data scientist in modo che possano eseguire del codice contro di esso. Perché non fare tutto quello lì?”

Il CEO di Qlik Mike Capone vuole democratizzare l’IA

Oltre a vendere strumenti di BI e analisi e funzionalità AutoML, come abbiamo appreso, Qlik offre anche una linea di prodotti per l’integrazione dei dati. Alcuni clienti, come Urban Outfitters, si affidano esclusivamente agli strumenti di integrazione dei dati di Qlik, mentre altri utilizzano un mix di prodotti.

E come accade con l’apprendimento automatico e l’intelligenza artificiale, Qlik ha difficoltà a separare l’integrazione dei dati dall’analisi. “La nostra ferma convinzione è che l’integrazione dei dati e l’analisi siano una cosa. È un continuum. È una cosa”, dice Capone. “E abbiamo costruito la nostra piattaforma per portarla effettivamente da un capo all’altro.”

È possibile essere troppo presi dal seguire le ultime più grandi tecnologie e applicarle religiosamente dove prescrivono gli esperti, ma Capone non sembra essere suscettibile di quella debolezza. Ricorda con affetto il suo tempo come dirigente tecnologico presso il gigante delle buste paga ADP e come l’azienda abbia utilizzato il server di fascia media IBM iSeries, da allora ribattezzato server IBM i ma ancora liquidato da alcuni puristi della tecnologia come una grande reliquia di ferro, con grande successo aziendale.

“Quando ero in ADP, mi piacevano quelle cose. Li userei sempre”, dice. “Ho pagato 30 milioni di persone ogni giorno di paga con quel tipo di tecnologia. È un cavallo di battaglia, amico. È fantastico.

Capone ha una visione altrettanto pragmatica dell’apprendimento automatico e dell’intelligenza artificiale, che finora non ha fornito lo stesso tipo di valore aziendale di quella macchina IBM cavallo di battaglia.

“C’è stato un tempo indietro – tu ne eri parte, io ne facevo parte – in cui c’era un eccesso di intelligenza artificiale”, dice. “Ci sono state alcune aziende che hanno commesso molto dolore sovrastimandolo. “Cureremo il cancro, saremo migliori dei medici”. Quella roba era un male per tutti noi. Ma ora è stato resuscitato in un formato molto più pratico”.

Man mano che il clamore iniziale sull’intelligenza artificiale e sull’apprendimento automatico svanisce, si aprono opportunità per Qlik e altri fornitori di BI di trovarne usi più pratici. Che si tratti di individuare anomalie nei dati o di fare domande e risposte in linguaggio naturale, è probabile che la sperimentazione con l’IA a lungo termine andrà a beneficio di tutti.

Articoli correlati:

Cosa ostacola i progressi nell’apprendimento automatico e nell’intelligenza artificiale? Sono i dati, stupido

I limiti degli scienziati dei dati dei cittadini

L’Augmented Analytics è il nuovo campo di battaglia della BI, afferma Gartner

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *