人人可用的数据分析认知计算产品

               IBM WatsonAnalytics 试用体验三

上一贴给大家更新了第一、二部分的体验，这一贴继续

第一帖：https://bbs.pinggu.org/thread-5192743-1-1.html

第二贴：https://bbs.pinggu.org/thread-5284784-1-1.html

       关于自然语言的分析，业务人员可以直接通过自然语言的输入来获得 Watson 的回答，比如我输入了一句：I want to know course cost of departments ，我想知道每个部门的课程成本。其实要分析就是想看看每个部门在培训课程中的花费，哪些部门花费的比较高，大概是因为哪些原因，但这些问题可能还不是非常具体。英文的问题可能也比较随意和含糊，也不用特别去考虑英文的语法。

      接着之前的页面在输入这句话后回车，IBM Watson Analytics 就会返回一些与这个问题可能相关的很多提示，这就是 Watson 的自然语言处理和认知能力。每个问题对应的又是一个分析的结果，即提出问题，分析呈现就已经完成。

        这种场景我们经常遇到：很多的业务人员可能只是根据工作经验和自身的业务能力有一个想法，提出的要分析的问题也不是非常明确。数据分析师或者 BI 开发人员在跟业务人员沟通的时候，往往都希望得到一个非常明确的分析需求，这就是一种矛盾。

       但现在业务人员通过 ASK A QUESTION 的时候就可以获得 Watson 给出的更加具体的提示，也有可能这些提示当中就会把业务人员想问但是不知道怎么问的问题给呈现出来，也可能是之前没有想到的问题也给呈现出来了，这就是 Watson Analytics 打造的一种分析场景。

      这种场景就是普通的业务人员不需要专业的分析背景知识，借助于 IBM Watson的认知能力，也可以一步一步完成基础的数据分析工作。一旦业务人员逐步养成了这种数据探索习惯，随着数据思维意识的逐步提高，业务人员和专业分析人员的沟通成本会越来越低。对于同一个问题大家达成的共识会越来越清晰，这种数据意识的提高和沟通的正向循环将带给企业不可想象的价值。

       按我的想法，IBM Watson Analytics 给出的这个提示“What are the values of Course cost for each Department? ”很符合我想问的问题，即每个部门的培训成本。

       点击这个问题，Watson Analytics 将自动为我们呈现分析的结果 - Sales 部门的培训课程成本最高。

       但最后想起来想问的是 Expense Total，那么可以点击 Course Cost 很灵活的将它换成 Expense Total。

       在实际的分析过程中，我们通常会一个接一个的抛出另外的问题，要探索究竟。比如，这里的分析结果可以展示出哪些部门的培训花费最高，比如 Sales、Finance 部门。但接着可能更想知道的是为什么花费要哪么高，是哪些问题导致的呢？ 有些原因我们可能可以根据一些日常的经验来判断，比如职位越高的培训费用就越高，比如不同的部门、培训时间天数、培训涨价了等等，但到底哪些因素重点影响了这些结果 ?

       遇到这些问题业务人员如何来解决？ 数据分析师该如何解决？ 提出假设再分析再验证？ 验证完了再分析？ 这个过程会相对漫长。对业务熟悉对数据熟悉，分析和判断的方向可能是对的，如果不熟悉不敏感，这个方向可能就是错误的。

IBM Watson Analytics 很好的解决了这一点，在该分析结果的右侧区域Discoveries 自动给出了一些探索式预测分析结果，而这一切不需要任何的具体操作。

       点击 Top Drivers of Expense Total （驱动/改变/导致/影响 Expense Total  变化的最高的几个因素或者原因），这时问题就变成了 What drives Expense total ?

       左侧的螺旋图中，越靠近中间点的维度越说明了它们对 Expense Total 影响越大。从这个图中可以看出 Position 职位和 Organization 组织的双向组合对 Expense Total 总花费越大，也就是说 Expense Total 总花费受职位和组织影响最大。

我们还可以点击 Position and Organization 旁边的 + 号对这一点进行更进一步细致的分析，这时问题就变成了 How do Position binned and Organization binned impactExpense Total ?  职位和组织是如何影响 Expense Total 总花费的，颜色的深浅告诉了我们哪些组织的哪些职位 Expense Total 总花费最大。

       比如这里看到的在横轴上 Level 2 Sales Representative和 Level 3 Sales Representative 销售代表他们的培训消费最高，同时也可以看到与之交汇的组织是 GO Central、GO Asia Pacific、GO Americas。

       这些问题还可以继续分析下去，整个过程不需要做任何的编程和手工拖拉拽维度和事实，所有的分析非常自然的由 Watson Analytics 给呈现出来。

回顾这个简单的分析流程

       1. 各个部门培训课程的成本，通过自然语言提问，Watson 给出了我想要的问题，一次点击就呈现了分析的结果。

       2. 之后发现我还想了解各个部门培训的总消费（实际消费），很自然的切换了一个字段我找到了所要的分析结果。

       3. 其次，相对这个结果做深入分析，想看看这个总消费为什么这么高，受哪些因素影响最大、为什么，我通过 IBM Watson Analytics Discoveries 小面板也找到了答案。

       这个逻辑是我们最简单的一个分析问题、思考问题和寻找答案的一条再清晰不过的逻辑。我们可以试想一下，利用我们手边的工具、纸笔、SQL 查询、报表分析工具，我们大概需要多长的时间来从一层逻辑来打通到另外一层逻辑，并且中间还需要层层验证逻辑推理的正确性和合理性。

       但是在使用 IBM Watson Analytics 的过程中，我的逻辑猜想和逻辑实现就是三次点击，这就是 IBM Watson 的强大之处，也是人工智能认知计算的魅力。

       最后可以将刚才几个相关的分析结果重命名保存到一个文件夹中，比如 Personal，同时回到 IBM Watson Analytics 主页点击 Display。

        新建一个 Display 显示选择一种布局方式以及找到刚才保存的分析结果。

       把分析的结果放到不同的面板中保存下来。

      在展示版块，我们随时可以看到我们保存的数据分析结果，还可以做很多筛选过滤等操作。

      最后可以对这些分析结果进行分享，分享的选择也很多。

       对于分析结果，发送邮件可以使用图片的格式，也可以是 PDF 或者 PowerPoint 的形式。

至此，整个对于 IBM Watson Analytics 的试用体验就正式完成了，整个分析的过程不超过 10 分钟。当然还有很多需要去研究的细节，可以帮助我们完成更多更深入和精细的分析，这还需要对 IBM Watson Analytics 做进一步的研究和深入体验。

IBM Watson Analytics 适合使用的人群

        1. 普通的业务人员，不需要专业的数据分析背景，通过对 Watson 的提问和 Watson 给出的引导就可以展开分析的工作。

        2. 数据分析和数据挖掘工程师，IBM Watson 会给出关于同一问题的不同分析角度，这对大家分析和思考问题是一个很好的补充。同时，专业的数据挖掘和分析素养和对数据的意识，可以让大家对 IBM Watson Analytics 驾驭的更好。

IBM Watson Analytics 需要改善的地方

        1. 目前通过试用发现 IBM Watson Analytics 对中文的支持还是不够，缺乏中文本地化的展现界面，提问环节所展现的结果是中英文混杂的。这一点如果能够解决，相信还是降低了不少的使用门槛。但是，中国文化博大精深，汉语言文化丰富多彩，类似于“冬天：能穿多少穿多少；夏天：能穿多少穿多少。”这样的自然语言处理也很期待 IBM Watson Analytics 的表现。

       2. 由于 IBM Watson 云在国外的缘故，导致在实际的分析和操作过程中页面加载有一定的延迟，最后通过 VPN 链接完成了整个产品试用的过程。

IBM Watson Analytics 试用总结

       虽然有很多功能可能并没有使用到，但是目前体验到的功能还是给我留下了比较深刻的印象。在数据分析的整个过程中不需要任何 IT 人员的引导、也不需要特定的数据分析背景，这应该就是 IBM Watson Analytics对自己的一个定位。

一个好的产品设计需要很多人性化的思考，IBM Watson Analytics 在这些方面做的很好。Watson Analytics 对人们考虑问题和分析问题、分解问题的逻辑梳理的比较清晰，通过一步一步的提示、引导、相关性的分析展示让人的逻辑在 Watson Analytics 的使用过程中得到了很好的补充和延续。

当然，越让人觉得使用简单的产品，背后所隐藏的技术实现和为此所做出的努力就越大。

        如果感兴趣！或者觉得自己要提升！或者想跟我们一起探讨一些问题，扫描下方二维码加好友，发送wa进群，寻找和你一样志同道合的小伙伴！

想了解更多IBM WatsonAnalytics，请点击阅读原文获取平台试用链接。

阅读原文链接：http://t.cn/RMFW8pD

本文由天善智能原创，原文链接：[url=]https://ask.hellobi.com/blog/lvpin/6065。[/url]