Power BI中的無代碼機(jī)器學(xué)習(xí)

現(xiàn)代商業(yè)以信息為基礎(chǔ)，但我們卻淹沒在業(yè)務(wù)線系統(tǒng)、公司數(shù)據(jù)庫、工業(yè)物聯(lián)網(wǎng)系統(tǒng)生成的數(shù)據(jù)以及各種各樣的外部數(shù)據(jù)中。那么，在優(yōu)秀的數(shù)據(jù)科學(xué)家稀缺且成本高昂的情況下，我們?nèi)绾伪３謱ΜF(xiàn)有數(shù)據(jù)的掌控，以便獲得所需的業(yè)務(wù)洞見呢?

像Tableau和Power BI這樣的現(xiàn)代數(shù)據(jù)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(gòu)建和結(jié)果的顯示?；贓xcel提供的分析工具，微軟的Power BI可以跨數(shù)據(jù)集工作，構(gòu)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(shù)據(jù)是人工智能的基礎(chǔ)，沒有數(shù)據(jù)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(yè)務(wù)應(yīng)用程序平臺(tái)的用用之處，它以通用數(shù)據(jù)模型(CDM)和業(yè)務(wù)數(shù)據(jù)實(shí)體的共享圖為中心。

微軟的通用數(shù)據(jù)模型(CDM)是一個(gè)標(biāo)準(zhǔn)化、模塊化和可擴(kuò)展的數(shù)據(jù)模式集合。它由實(shí)體、屬性、語義元數(shù)據(jù)和關(guān)系組成。

CDM以Dynamics CRM和ERP數(shù)據(jù)模型為基礎(chǔ)，將水平數(shù)據(jù)(包括常見的業(yè)務(wù)概念)與垂直行業(yè)特定數(shù)據(jù)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(shù)據(jù)，尋找可以用于構(gòu)建新機(jī)器學(xué)習(xí)(ML)模型的見解，這些模型可以包含在您的應(yīng)用程序中。通過交互式方法和訪問預(yù)構(gòu)建的ML工具，Power BI可以成為構(gòu)建ML模型的一種方式，而不必編寫復(fù)雜的代碼。

參見:物聯(lián)網(wǎng)和大數(shù)據(jù)的力量(Tech Pro Research)

畢竟，不是每個(gè)人都能用R或Python(大多數(shù)ML系統(tǒng)使用的兩種主要分析編程語言)進(jìn)行編程。然而，它們與Power BI有一個(gè)共同的概念:使用共享的筆記本來探索數(shù)據(jù)和顯示結(jié)果。Power BI的報(bào)告工具可以與data science的Jupyter筆記本相比較——后者是一個(gè)共享的沙箱，團(tuán)隊(duì)可以在其中探索數(shù)據(jù)并調(diào)整模型，然后在更大規(guī)模的應(yīng)用程序中使用它們。

典型的現(xiàn)代商業(yè)智能(BI)系統(tǒng)從數(shù)據(jù)湖獲取數(shù)據(jù)，并將其提供給諸如Power BI之類的自助BI工具。然而，對于響應(yīng)性更好的操作，Power BI在其數(shù)據(jù)流中包含了一個(gè)更靈活的選項(xiàng)。典型的系統(tǒng)需要開發(fā)時(shí)間，構(gòu)建Extract-Transform-Load (ETL)工具來交付數(shù)據(jù)湖。使用數(shù)據(jù)流，您可以使用熟悉的查詢構(gòu)建技術(shù)來構(gòu)建可重用的數(shù)據(jù)實(shí)體，而無需了解任何底層技術(shù)。

Power BI的數(shù)據(jù)流幫助組織統(tǒng)一來自不同來源的數(shù)據(jù)，并為建模做好準(zhǔn)備?？梢允褂檬煜さ淖灾ぞ邉?chuàng)建數(shù)據(jù)流，用于攝取、轉(zhuǎn)換、集成和豐富大數(shù)據(jù)。

無需編寫ETL系統(tǒng)的自助數(shù)據(jù)準(zhǔn)備工作占用了大量的業(yè)務(wù)分析工作。不需要等待ETL專家來構(gòu)建和測試ETL管道;您需要做的就是定義數(shù)據(jù)流并測試結(jié)果實(shí)體。如果它不工作，你回去建立一個(gè)新的。您還可以與同事共享構(gòu)建和測試的數(shù)據(jù)流，使業(yè)務(wù)分析工具的開發(fā)更加大眾化。您不需要編寫任何代碼，因?yàn)檫@些代碼都是由熟悉的Power BI工具處理的。

大規(guī)模查詢可以利用Azure Data Explorer，它現(xiàn)在提供了Power BI集成。Data Explorer用于實(shí)時(shí)處理大量數(shù)據(jù)，因此您可以使用它來查看日志文件或其他大量數(shù)據(jù)的來源。例如，對GitHub公共數(shù)據(jù)的Power BI分析示例演示了如何處理超過10億條數(shù)據(jù)。

微軟最近增加了在Power BI中使用Azure認(rèn)知服務(wù)的選項(xiàng)。您可以使用預(yù)先構(gòu)建的機(jī)器學(xué)習(xí)系統(tǒng)來集成認(rèn)知服務(wù)來處理復(fù)雜的響應(yīng)，而不是編寫查詢來可視化和探索數(shù)據(jù)。通過使用Microsoft不斷增長的機(jī)器學(xué)習(xí)服務(wù)之一，您可以快速地從數(shù)據(jù)湖和外部來源提取相關(guān)數(shù)據(jù)。也許你正在實(shí)時(shí)瀏覽Twitter，尋找與你的業(yè)務(wù)相關(guān)的信息;通過獲取這些數(shù)據(jù)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(shù)據(jù)科學(xué)家(專業(yè)技術(shù)研究)

通過將此方法與dataflows或Azure Data Explorer相結(jié)合，您可以快速構(gòu)建跨業(yè)務(wù)的智能儀表板。將BI與AI混合在一起很有意義，因?yàn)樵谶@里您擁有大量的數(shù)據(jù)，這對于訓(xùn)練模型和獲得重要結(jié)果都是必要的。使用Azure認(rèn)知服務(wù)等工具通常需要構(gòu)建應(yīng)用程序并使用Azure api。通過將it與桌面業(yè)務(wù)分析工具集成，微軟正在將開發(fā)人員從等式中移除，并將其機(jī)器學(xué)習(xí)工具交到業(yè)務(wù)用戶手中。

現(xiàn)在，您可以在Power BI中創(chuàng)建自己的機(jī)器學(xué)習(xí)模型。

下一步是超越預(yù)先訓(xùn)練、預(yù)先構(gòu)建的模型，使用Power BI和您的數(shù)據(jù)倉庫來構(gòu)建和培訓(xùn)您自己的機(jī)器學(xué)習(xí)模型。Microsoft已經(jīng)添加了一個(gè)新的Power BI工作流，它可以幫助您為應(yīng)用程序選擇合適的模型，然后選擇培訓(xùn)數(shù)據(jù)，然后培訓(xùn)模型來處理特定的業(yè)務(wù)問題。生成的模型將通過Azure機(jī)器學(xué)習(xí)提供，并且可以與同事共享，并構(gòu)建到桌面或云應(yīng)用程序中。

企業(yè)可以在Azure上快速構(gòu)建機(jī)器學(xué)習(xí)模型庫，Power BI提供了一種替代的無代碼方法，可以在應(yīng)用程序中使用這些模型。Power BI應(yīng)用程序?qū)呙杩捎玫哪Ｐ?，并自?dòng)生成一個(gè)用戶界面，讓您可以將它們作為BI應(yīng)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(shù)據(jù)科學(xué)專業(yè)知識(shí)。如果您可以訪問某個(gè)模型，您可以在報(bào)告或儀表板中使用它。

微軟做了很多工作來簡化在商業(yè)應(yīng)用程序中使用機(jī)器學(xué)習(xí)，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?qū)?。如果我們想在商業(yè)中充分利用人工智能，那么讓那些需要查詢數(shù)據(jù)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(yè)務(wù)工具;添加智能應(yīng)該使其變得至關(guān)重要。

遵循這些專家提示，通過閱讀關(guān)于數(shù)據(jù)科學(xué)創(chuàng)新的見解，掌握大數(shù)據(jù)分析的基礎(chǔ)知識(shí)。星期一交付