Power BI中的无代码机器学习

现代商业以信息为基础，但我们却淹没在业务线系统、公司数据库、工业物联网系统生成的数据以及各种各样的外部数据中。那么，在优秀的数据科学家稀缺且成本高昂的情况下，我们如何保持对现有数据的掌控，以便获得所需的业务洞见呢?

像Tableau和Power BI这样的现代数据分析工具在解决这些问题上走了很长的路，它们使用图形化工具简化了查询的构建和结果的显示。基于Excel提供的分析工具，微软的Power BI可以跨数据集工作，构建和测试查询，并提供可定制的可视化集。

微软(Microsoft)的史蒂夫•古根海默(Steve Guggenheimer)在一篇博客文章中提出，数据是人工智能的基础，没有数据就没有人工智能。他接着指出，在智能之前需要洞察力，提出了“BI先于AI”的概念。这就是微软的业务应用程序平台的用用之处，它以通用数据模型(CDM)和业务数据实体的共享图为中心。

微软的通用数据模型(CDM)是一个标准化、模块化和可扩展的数据模式集合。它由实体、属性、语义元数据和关系组成。

CDM以Dynamics CRM和ERP数据模型为基础，将水平数据(包括常见的业务概念)与垂直行业特定数据混合在一起。这种方法与Power BI之类的分析工具配合得很好，允许您探索您的数据，寻找可以用于构建新机器学习(ML)模型的见解，这些模型可以包含在您的应用程序中。通过交互式方法和访问预构建的ML工具，Power BI可以成为构建ML模型的一种方式，而不必编写复杂的代码。

参见:物联网和大数据的力量(Tech Pro Research)

毕竟，不是每个人都能用R或Python(大多数ML系统使用的两种主要分析编程语言)进行编程。然而，它们与Power BI有一个共同的概念:使用共享的笔记本来探索数据和显示结果。Power BI的报告工具可以与data science的Jupyter笔记本相比较——后者是一个共享的沙箱，团队可以在其中探索数据并调整模型，然后在更大规模的应用程序中使用它们。

典型的现代商业智能(BI)系统从数据湖获取数据，并将其提供给诸如Power BI之类的自助BI工具。然而，对于响应性更好的操作，Power BI在其数据流中包含了一个更灵活的选项。典型的系统需要开发时间，构建Extract-Transform-Load (ETL)工具来交付数据湖。使用数据流，您可以使用熟悉的查询构建技术来构建可重用的数据实体，而无需了解任何底层技术。

Power BI的数据流帮助组织统一来自不同来源的数据，并为建模做好准备。可以使用熟悉的自助工具创建数据流，用于摄取、转换、集成和丰富大数据。

无需编写ETL系统的自助数据准备工作占用了大量的业务分析工作。不需要等待ETL专家来构建和测试ETL管道;您需要做的就是定义数据流并测试结果实体。如果它不工作，你回去建立一个新的。您还可以与同事共享构建和测试的数据流，使业务分析工具的开发更加大众化。您不需要编写任何代码，因为这些代码都是由熟悉的Power BI工具处理的。

大规模查询可以利用Azure Data Explorer，它现在提供了Power BI集成。Data Explorer用于实时处理大量数据，因此您可以使用它来查看日志文件或其他大量数据的来源。例如，对GitHub公共数据的Power BI分析示例演示了如何处理超过10亿条数据。

微软最近增加了在Power BI中使用Azure认知服务的选项。您可以使用预先构建的机器学习系统来集成认知服务来处理复杂的响应，而不是编写查询来可视化和探索数据。通过使用Microsoft不断增长的机器学习服务之一，您可以快速地从数据湖和外部来源提取相关数据。也许你正在实时浏览Twitter，寻找与你的业务相关的信息;通过获取这些数据并使用Azure Cognitive Services的情绪分析模型，您可以检测出积极或消极的情绪，并将其显示在Power BI仪表板上。

职位描述:数据科学家(专业技术研究)

通过将此方法与dataflows或Azure Data Explorer相结合，您可以快速构建跨业务的智能仪表板。将BI与AI混合在一起很有意义，因为在这里您拥有大量的数据，这对于训练模型和获得重要结果都是必要的。使用Azure认知服务等工具通常需要构建应用程序并使用Azure api。通过将it与桌面业务分析工具集成，微软正在将开发人员从等式中移除，并将其机器学习工具交到业务用户手中。

现在，您可以在Power BI中创建自己的机器学习模型。

下一步是超越预先训练、预先构建的模型，使用Power BI和您的数据仓库来构建和培训您自己的机器学习模型。Microsoft已经添加了一个新的Power BI工作流，它可以帮助您为应用程序选择合适的模型，然后选择培训数据，然后培训模型来处理特定的业务问题。生成的模型将通过Azure机器学习提供，并且可以与同事共享，并构建到桌面或云应用程序中。

企业可以在Azure上快速构建机器学习模型库，Power BI提供了一种替代的无代码方法，可以在应用程序中使用这些模型。Power BI应用程序将扫描可用的模型，并自动生成一个用户界面，让您可以将它们作为BI应用程序中的拖放组件。同样，不需要编写任何代码，也不需要引入数据科学专业知识。如果您可以访问某个模型，您可以在报告或仪表板中使用它。

微软做了很多工作来简化在商业应用程序中使用机器学习，包括Windows库和RESTful api。将它集成到Power BI中需要做更多的工作，删除代码以支持拖放和向导。如果我们想在商业中充分利用人工智能，那么让那些需要查询数据的用户也能使用人工智能就是我们的方向。Power BI已成为重要的桌面业务工具;添加智能应该使其变得至关重要。

遵循这些专家提示，通过阅读关于数据科学创新的见解，掌握大数据分析的基础知识。星期一交付