Funzionalita’ di Machine Learning senza codice su Power BI

La nuova integrazione di Power BI con Azure Cognitive Services ed Azure Machine Learning mette l’Intelligenza Artificiale al servizio di chiunque .

I business moderni poggiano le fondamenta sulle informazioni ma siamo sempre più sommersi da dati derivanti dalle linee di business, database aziendali, dati generati dai sistemi di IoT industriale e da tutti i tipi di dati provenienti dall’esterno.
In uno scenario di questo tipo, come possiamo dominare i dati che abbiamo per raggiungere i risultati di business di cui abbiamo bisogno quando i data scientist sono rari da trovare e costosi da impiegare?

Gli strumenti di data analysis moderni come Tableau e Power BI hanno una grande esperienza nella risoluzione di questi problemi avendo al loro interno strumenti grafici che semplificano la costruzione di query e che mostrano i risultati.
Creato a partire dalla strumentazione analitica di Excel, Power BI può lavorare su diversi data set, costruendo e testando query e mostrando un set di visualizzazioni personalizzabile.

Introduzione di Intelligenza Artificiale pragmatica

Steve Guggenheimer di Microsoft, in un suo blog post relativo a quello che definisce real word o ‘pragmatic AI’, suggerisce che il dato è la base per l’AI e che senza dati, non vi sarebbe Intelligenza Artificiale.
Continua poi notando che prima dell’AI, vi è un bisogno di risultati tangibili, elevando il concetto della BI anteriormente rispetto all’AI.
È qui che la piattaforma di business application di Microsoft entra in gioco essendo centrata attorno al Common Data Model (CDM) e ad un grafico condiviso per le entità di dati di business.

Il Modello comune dei dati di Microsoft, (CDM), è uno schema sulla raccolta dei dati standardizzato, modulare ed estendibile. È formato da entità, attributi, metadati semantici e relazioni.

Costruito a partire dal modello dei dati di Dynamics CRM ed ERP, il CDM mescola dati orizzontali, trattando di concetti di common business, a dati verticali specifici della singola industria.
Questo è un approccio che si adatta perfettamente agli strumenti analitici quali Power BI, permettendovi di analizzare i vostri dati cercando risultati che possano essere utilizzati per creare nuovi modelli di machine learning da includere nelle vostre applicazioni. Con un approccio interattivo e l’accesso a strumenti di ML precostruiti, Power BI può diventare il modo per costruire modelli di machine learning senza che sia necessario scrivere codici complicati.

Dopo tutto, non tutti sono in grado di programmare in R o Python – i principali linguaggi di programmazione analitica utilizzati in particolar modo nel sistema ML. In ogni caso, c’è un concetto che hanno in comune con Power BI: l’utilizzo delle notebook condivise per esplorare i dati e visualizzare i risultati.

Permettere a Power BI di avere accesso ad una vasta quantità di dati

Un sistema di business intelligence moderno, solitamente, recupera i dati da un bacino di dati e li inserisce all’interno di uno strumento di BI fai da te come Power BI. In ogni caso, per operazioni più responsive, Power BI include un’opzione più flessibile nel suo dataflow.
Il sistema tradizionale richiede tempo di sviluppo, questo perchè c’è bisogno di costruire lo strumento di Extract-Transform-Load (ETL) con il quale attingere dal bacino dei dati. Con dataflows utilizzate invece tecniche di query building familiari per costruire entità di dati ri-utilizzabili senza che sia necessario conoscerne le tecnologie sottostanti.

La preparazione dei dati di tipo self-service senza avere a disposizione un sistema di ETL, porta via molto tempo alla business analysis. Non c’è bisogno di attendere che specialisti di ETL costruiscano e testino una pipeline ETL. Tutto quello che dovete fare è definire il vostro dataflow e testare le risultanti entità. Se non funziona, tornate indietro e costruitene uno nuovo. Potete inoltre condividere dataflow costruiti e testarli con i colleghi, democratizzando lo sviluppo degli strumenti di business analysis. Non dovrete scrivere alcuna riga di codice, è tutto gestito dagli strumenti di Power BI che già conoscete.

Le query su larga scala possono sfruttare Azure Data Explorer, che ora offre l’integrazione con Power BI.
Data Explorer vi serve per lavorare con grandi quantitativi di dati in real time: in questo modo potete utilizzarlo per esplorare i file di log o altre sorgenti con quantità di dati consistenti.

Apportare funzionalità di machine learning a Power BI

Microsoft ha recentemente aggiunto la possibilità di utilizzare gli Azure Cognitive Services su Power BI.
Invece di scrivere query per visualizzare ed esplorare i dati, potete integrare i Cognitive Services per gestire risposte complesse utilizzando i sistemi di machine-learning pre-costituiti. Utilizzando uno tra i molteplici servizi di Microsoft di machine learning, potete facilmente estrarre i dati importanti dal vostro bacino di dati e da risorse esterne.
Prendiamo l’esempio in cui vogliate campionare Twitter in real-time per cercare menzioni della vostra azienda. Prendendo i dati ed utilizzando un modello di analisi del sentimento proveniente da Azure Cognitive Services, potete rilevare sentimenti positivi o negativi ed evidenziarli nella dashboard di Power BI.

Combinando questo approccio sia con i dataflow che con Azure Data Explorer, potete velocemente costruire una dashboard intelligente per il vostro business.
Combinare la BI con l’AI è un’operazione molto utile poichè è lì che si trovano grandi quantitativi di dati necessari per istruire i modelli e raccogliere dei risultati significativi. Utilizzare strumenti quali Azure Cognitive Services, normalmente richiede la creazione di applicazioni e la collaborazione con le API di Azure. Integrando tutto questo con uno strumento di business analytics di tipo desktop, Microsoft, di fatto, toglie la figura dello sviluppatore dall’equazione e mette i suoi strumenti di machine learning a disposizione degli utenti business.

Il prossimo passaggio consiste nell’andare oltre i modelli pre-formati e pre-costuiti ed utilizzare Power BI ed i vostri data warehouses per strutturare e “addestrare” i vostri modelli di machine learning.
Microsoft ha aggiunto nuovi workflow di Power BI che vi aiutano a scegliere un modello appropriato per le vostre applicazioni, prima di selezionare i training data e successivamente istruire il modello su come gestire le vostre specifiche problematiche di business. Il modello risultante sarà disponibile attraverso Azure Machine Learning e può essere condiviso con i colleghi e creato sia sul desktop che sulle applicazioni cloud.

Le aziende possono rapidamente creare librerie di modelli di machine-learning su Azure. Power BI, in questo caso, offre un metodo alternativo e che non ha bisogno di codice per utilizzarli nelle vostre applicazioni.
Le vostre app di Power BI effettueranno una scansione dei modelli disponibili e genereranno automaticamente un’interfaccia utente che vi permetta di effettuare un drag-and-drop del componente nelle vostre applicazioni di BI. Anche in questo caso, non avrete bisogno di alcun codice e di nessuna competenza di data science. Se avete accesso ad un modello, potete utilizzarlo nei vostri report o sulla dashboard.

Microsoft ha fatto molto per semplificare l’utilizzo del machine learning nelle applicazioni di business, con le library di Windows e con le RESTful API.
Integrando questi ultimi in Power BI viene fatto un ulteriore passo avanti, rilasciando il codice a favore di drag-and-drop e wizard. Se già sfruttate l’AI in azienda, allora rendetela disponibile agli utenti che hanno bisogno di interrogare i dati. Power BI è già diventato un importante strumento desktop nelle aziende, aggiungendovi l’intelligenza diventa praticamente essenziale.