商业智能和机器学习有何相似之处？
商业智能是一种描述性和诊断性分析，用于分析所发生的事情。而机器学习还会对于已发生的事情进行评测，然后使用这些信息来预测未来的行为。商业智能处理的是结构化数据，而机器学习还可以处理电子邮件和照片等非结构化信息。这两种类型的数据分析目的相似，即利用数据来指导人们做出明智的决策。机器学习允许商业智能系统从数据集中不太明显的数据模式中提取更深入的见解。
商业智能与机器学习之间的主要区别Machine Learning？
尽管商业智能和机器学习有一些相似之处，但是它们属于两种不同的分析形式。
商业智能
商业智能虽然能够处理近乎实时的数据，但它是一种历史分析法，最准确的说法应该是描述性和诊断性分析法。商业智能分析通常会解释所发生的事情、发生方式以及发生原因。商业智能由业务分析师创建，其中还利用了可视化分析工具，例如仪表板和图表。
机器学习和人工智能
机器学习属于人工智能范畴的一部分。机器学习和商业智能的主要区别在于，机器学习是一门开发算法和统计模型的科学，计算机系统使用这些算法和模型，在没有明确指令的情况下，依靠既有模式和推理来执行任务。计算机系统使用机器学习算法来处理大量数据，并识别数据模式。这可让计算机系统根据给出的输入数据集更准确地预测结果。例如，数据科学可以通过存储数百万的扫描图像和相应诊断来训练医疗应用程序，使该程序能够根据 X 光图片诊断癌症。
商业智能和机器学习之间的区别总结
|
|
商业智能 |
机器学习 |
| 业务目标 |
确定以往趋势并确定目前具体情况、发生方式、发生原因 |
创建对未来结果的预测 |
| 具备所需技能 |
精通如何使用控制面板进行统计分析、数据提取和数据可视化 |
具备编程、编码、数据科学和数据挖掘高级技能，以及高级统计数据技能，或使用无代码机器学习工具进行统计分析的技能 |
| 数据来源 |
适用于整理有序的关系数据库和数据仓库 |
适用于大型结构化和非结构化数据湖 |
| 复杂性 |
不太复杂，但取决于分析师的业务技能和知识 |
相对复杂，需要大量的资源和时间 |
| 数学 |
使用数学技巧 |
依赖于算法 |
何时使用商业智能 vs.机器学习
以下提供了一些示例，可以进一步了解两者的区别以及两者的使用条件。由于这些示例代表了一些常见问题，因此对比分析师是如何使用这些技术来发现问题和优化业务流程将十分实用。
客户流失预测
客户流失率是指企业在一段时间内损失的客户数量与期初的客户总数之比。这是一个简单的商业智能计算，它以图形方式显示了以往每月的流失率。机器学习计算流失率的方式则不同。这种算法可以分析客户数据库中的特定因素，例如购买历史记录、人口统计数据和营销活动，以预测未来的流失率。
客户情绪分析
评估客户情绪很重要，无论是积极情绪、中立情绪还是负面情绪。借助商业智能，您可以通过调查问卷和评级方式来评估客户的想法。同时，机器学习通过分析电子邮件、呼叫中心记录和社交媒体提要等数据集中隐藏的情绪信息来帮助您更深入地了解情况。
AWS 如何利用机器学习优化商业智能？
通过利用机器学习优化商业智能，您可以缩小过去、现在和未来之间的差距。借助 Amazon SageMaker Canvas 等无代码机器学习工具，无需任何机器学习经验，也不必编写代码，您就可以生成准确的机器学习预测，有助于您更好地做出基于数据的业务决策。
此外，您可以使用 Amazon QuickSight 对 SageMaker Canvas 生成的预测内容实现可视化，Amazon QuickSight 提供超大规模的统一商业智能（BI）。借助 QuickSight，所有用户都可以通过现代交互式控制面板、分页报告、嵌入式分析、自然语言查询，从同一个事实来源满足不同的分析需求。
请观看研讨会，了解如何开始使用 SageMaker Canvas 和 QuickSight。
