Qlik使用內(nèi)存引擎和直觀界面對商業(yè)智能（BI）進行獨特處理的方法，使一般商業(yè)用戶的BI民主化，而他們通常對技術(shù)的了解很少甚至沒有。但是，多年來，組織只能分析“發(fā)生了什么”的指標或KPI（即描述性分析）。分析師報告稱，大多數(shù)組織的分析成熟度僅限于事后分析。實際上，Gartner報告說：“ 87％的組織具有較低的BI和分析成熟度。” 因此，即使是數(shù)據(jù)驅(qū)動的組織也受到限制。 決策是通過分析歷史趨勢來做出的，并且容易受到我們的偏見以及我們可以使用多少數(shù)據(jù)的限制。

在過去的十年中，由于云及其無限的計算能力，利用機器學(xué)習(xí)（ML）方法的新分析或預(yù)測分析學(xué)科已變得越來越可訪問。ML使我們能夠創(chuàng)建預(yù)測模型。這些模型在潛在的大型數(shù)據(jù)集上進行訓(xùn)練，并從人類通常無法識別的模式中學(xué)習(xí)。這些模型可以反過來為我們提供業(yè)務(wù)遠見。

利用ML功能的組織可以更深入地了解其業(yè)務(wù)，因此具有競爭優(yōu)勢。Qlik正在為客戶提供在我們的平臺上使用ML功能的能力，以便業(yè)務(wù)用戶可以對各種關(guān)鍵業(yè)務(wù)功能執(zhí)行分析。例如：

• 優(yōu)化供應(yīng)鏈
• 改善庫存管理
• 避免失去機會
• 檢測并防止客戶流失
• 管理員工流失

不幸的是，大多數(shù)組織沒有配備ML。分析報告經(jīng)常將技能差距列為采用AI / ML的最大挑戰(zhàn)。Gartner，Deloitte，McKinsey＆Company和其他公司的報告均支持該概念。ML通常需要數(shù)據(jù)科學(xué)家，數(shù)據(jù)工程師以及類似的稀缺且昂貴的角色。跨團隊協(xié)作是必要的，并且需要有效地完成經(jīng)驗。我們經(jīng)常看到的另一個問題是無法為數(shù)百甚至數(shù)千個業(yè)務(wù)用戶提供ML，因此預(yù)測和ML的功能可以幫助推動洞察力和針對業(yè)務(wù)成果的行動。

為BI普及AI

幸運的是，當(dāng)前ML的復(fù)興已擴展到ML工具。AutoML等領(lǐng)域的快速發(fā)展緩解了技能差距的挑戰(zhàn)。AWS和Qlik已通過為我們的客戶實現(xiàn)預(yù)測分析民主化的共同愿景，合作了這一機會。Qlik是BI的領(lǐng)導(dǎo)者，并且是AWS數(shù)據(jù)和分析能力合作伙伴。

Qlik通過創(chuàng)建Qlik-SageMaker Connector，邁出了緩解這一技能差距挑戰(zhàn)的第一步。它通過橋接Qlik Sense Server和SageMaker Hosting Services與Amazon SageMaker集成，后者是一種托管服務(wù)設(shè)計，用于驅(qū)動和擴展整個ML生命周期。

Qlik的SageMaker連接器

通過連接器，Qlik Sense用戶可以通過Qlik的內(nèi)存引擎從Amazon SageMaker托管模型中獲取實時預(yù)測。連接器降低了將ML模型集成到預(yù)測分析解決方案中通常所需的復(fù)雜性和工作量。它消除了建立和管理評分管道的需要。 它還可以為受益于最新數(shù)據(jù)的用例提供更好的支持。目前，該集成是作為開放源代碼連接器提供的，如今已作為“早期訪問”技術(shù)供客戶使用。

前面的路

該連接器是我們共同愿景的第一步，即通過利用Amazon SageMaker Autopilot等AutoML工具使AWS上的AI民主化。AutoML使ML實驗過程自動化，并為非ML專家提供了使用ML的機會。結(jié)合Amazon SageMaker等服務(wù)，機器學(xué)習(xí)生命周期可以實現(xiàn)大規(guī)模自動化，以縮短實現(xiàn)價值的時間。

例如，Amazon SageMaker Autopilot（Autopilot）可以提取表格數(shù)據(jù)并生成優(yōu)化的回歸和分類模型。 它使數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程任務(wù)自動化，例如數(shù)據(jù)分析，特征工程，算法探索和超參數(shù)調(diào)整。 自動駕駛儀用戶的工作是識別具有預(yù)測潛力的表格數(shù)據(jù)集，并將其映射到ML問題。

自動駕駛將所需的機器學(xué)習(xí)技能降低到許多核心BI分析人員所擁有的技能。

Qlik SageMaker解決方案

下面，我們提供了Qlik SageMaker預(yù)測解決方案的高級概述，下圖說明了核心組件。

將SageMaker模型與Qlik集成

從Qlik Sense服務(wù)器和至少一個SageMaker模型端點開始，只需部署Qlik-SageMaker連接器，該連接器由以下組件組成：

• Qlik Rapid API Server：這充當(dāng)Qlik Engine和SageMaker模型端點之間的橋梁。它包含與Qlik Engine連接以及使用其內(nèi)存中數(shù)據(jù)格式進行操作的專業(yè)知識。
• Amazon API Gateway REST API：Qlik Engine通過Amazon API Gateway管理的REST API與模型端點進行通信。該API為SageMaker模型提供了標準化接口。 ML模型可以具有多種接口，具體取決于模型的構(gòu)建和服務(wù)方式。
• Amazon Lambda Format Transformer：需要Lambda函數(shù)來執(zhí)行數(shù)據(jù)轉(zhuǎn)換。 Qlik API服務(wù)器以標準格式發(fā)送請求，該標準格式需要轉(zhuǎn)換為與目標模型兼容的格式。我們建議盡可能使用Autopilot，因為它會自動創(chuàng)建并打包轉(zhuǎn)換邏輯。因此，它使您不必為每個唯一的模型編寫自定義代碼。
• 會話存儲：Qlik Server需要狀態(tài)通信。 Amazon DynamoDB用于存儲會話信息，以促進有狀態(tài)的雙向通信。

連接器提供了此處記錄的各種配置。配置包括微批處理和WebSocket API支持，以促進性能調(diào)整。

預(yù)測分析解決方案

部署并配置連接器后，您就可以從信息中心訪問預(yù)測。 下圖在Qlik Sense應(yīng)用程序的上下文中顯示了這一點。

下圖顯示了Qlik Sense以及與Amazon SageMaker一起使用的實時交互式儀表板。在此示例中，業(yè)務(wù)分析師可以通過修改變量（例如半徑和面積）來實時觸發(fā)SageMaker Endpoint。

此Qlik Sense應(yīng)用程序是從此SageMaker示例存儲庫派生的。Partner Engineering Qlik Server上提供了此Qlik Sense應(yīng)用程序的實時演示。訪問Qlik SageMaker乳腺癌應(yīng)用演示。

結(jié)論

Qlik-SageMaker連接器是Qlik借助Qlik Sense使機器學(xué)習(xí)功能民主化的第一步。我們期待看到您使用這些工具創(chuàng)建的解決方案，以及它將對您的組織產(chǎn)生的影響！

點擊獲取Qlik

關(guān)于Qlik

Qlik的愿景是一個數(shù)據(jù)素養(yǎng)的世界，每個人都可以使用數(shù)據(jù)來改善決策并解決他們最具挑戰(zhàn)性的問題。只有Qlik提供端到端的實時數(shù)據(jù)集成和分析解決方案，以幫助組織訪問所有數(shù)據(jù)并將其轉(zhuǎn)化為價值。慧都作為Qlik官方的中國合作伙伴，我們?yōu)镼lik的中國用戶提供產(chǎn)品授權(quán)與實施、定制分析方案、技術(shù)培訓(xùn)等服務(wù)，旨在讓中國企業(yè)的每個Qlik用戶都能探索出數(shù)據(jù)的價值，讓企業(yè)形成分析文化。了解更多信息，請咨詢