A Língua Natural do Analytics

Matemática e estatística (felizmente) é desprovidas de muitas das idiossincrasias da linguagem humana. Como você vai ouvir muitas vezes, há uma pureza nos números. Como você vai ouvir muitas vezes, há uma pureza nos números. Mas numeracia e alfabetização de dados variam muito, tanto na sociedade e dentro de nossas organizações.

Para muitos de nós, a palavra falada e escrita ainda é como podemos melhor compreender as informações. É o poder descritivo que transforma mensagens significativas que as pessoas podem se comunicar e agir sobre dados concretos. E isso requer habilidade. Você precisa ser capaz de 'ler' os dados, (ou visualizações) e então articular o que estão 'dizendo'. Que é o que torna um grande analista não apenas descobrir o insight mas também comunicar o resumo em uma forma compreensível.

Como sabemos, visualização de dados é um meio poderoso para revelar e comunicar os fatos dados. Infelizmente ela depende fortemente da capacidade dos telespectadores para ler, compreender e processar o que eles estão olhando. Grande parte do problema com a adoção de revestimento de práticas analíticas é que as ferramentas e artefatos de dados raramente são projetados para ajudar pessoas nesse esforço. Na melhor das hipóteses, ele é projetado para o analista treinado, o que é ótimo, se você é um analista treinado. Mas decisões orientadas a dados precisam ser feitas por uma grande variedade de pessoas com diferentes habilidades. Para BI "self-service" para trabalho que precisa estar acessível para muitos, e não apenas alguns. É aí que a inteligência artificial e a geração de linguagem natural (NLG) podem ajudar. NLG neste cenário, é a capacidade de se comunicar automaticamente as observações analíticas em linguagem clara e compreensível.

A orientação que NLG traz para uma visualização de dados, está sob a forma de uma camada descritiva e pode ser extremamente útil para a criação de dados de alfabetização. Se considerarmos D'Ignazio e 4 princípios de concepção para a alfabetização de dados do Bhargava; Ele pode fornecer o foco para o leitor realçando a importância dos fatos dados. Ele pode guiar o leitor pelo revestimento a espécie de conhecimentos que podem ser elaboradas a partir da visualização de dados. É convidativo porque ele usa termos e frases que o leitor compreenda e é expansível porque pode ajudar a introduzir visualizações avançadas e muito sofisticados de uma forma que ajuda as pessoas a aprender a lê-las. Naturalmente o impacto e a utilidade de NLG vai muito além da melhoria da literacia de dados. Pode suportar uma grande variedade de ideias para a criação de experiências de dados centrados nas pessoas.

Tudo isso se encaixa muito bem em como nos abordamos projetando para análise em Qlik. O grupo de inovação e Design tem se ocupado por um tempo explorar os benefícios de NLG e criando centrados nas pessoas formas de analisar e trabalhar com dados. Qlik foi a primeira empresa de BI a estrear NLG como parte de um painel integrado e interativo, através de nossa parceria com a Narrative Science.

Nossas parcerias com Narrative Science e YSEOP Savvy no ano passado levaram a extensões de linguagem natural intuitivas e poderosas que podem ser usadas para adicionar narrativas de visualizações de dados em aplicações Qlik Sense. O melhor de tudo é que estão vinculados ao modelo associativo da Qlik de modo a que estas reescrevem suas narrativas instantaneamente no momento em que você faz uma seleção, pedindo uma nova pergunta.

Nossa jornada com linguagem natural começou com os primeiros trabalhos sobre os recursos de pesquisa no Qlik Sense. A última versão do Qlik Sense demonstra como estamos cada vez mais naturalmente interagindo com nossos dados, criando um verdadeiro diálogo entre nós e os dados. E que a rapidez e fluidez faz toda a diferença quando se trata de obter o melhor conhecimento para a tomada de decisão. Afinal de contas, uma conversa bate um monólogo de cada vez.

Fonte: global.qlik.com