KI und ML
Oracle Analytics integriert KI/ML auf der gesamten Plattform und richtet sich an Benutzer aller Qualifikationsstufen, von Klickern bis hin zu Programmierern. Erweitern Sie mit Oracle Database Machine Learning und OCI AI Services über die integrierten KI/ML-Funktionen hinaus, um ein breiteres Spektrum an Anwendungsfällen abzudecken.
Künstliche Intelligenz (KI) und maschinelles Lernen (ML) für Analysen
Oracle Analytics integriert künstliche Intelligenz, generative KI und maschinelles Lernen in jeden Aspekt des Analyseprozesses – von den Daten- bis zur Entscheidungsfindung. Dadurch wird die Benutzerproduktivität verbessert und es stehen bessere analytische Einblicke zur Verfügung, um jede Rolle zu unterstützen. Erweitern Sie integrierte Funktionen um zusätzliche Oracle Cloud Infrastructure (OCI)-Services, um noch mehr KI/ML-Anwendungsfälle abzudecken.
Maschinelles Lernen für Geschäftsbenutzer
Nutzen Sie mit einem Klick erweiterte Analysen, um schnelle Prognosen, Trendlinien, Cluster und Referenzpositionen anzuzeigen. Benutzer können das Vorhersageintervall und den Modelltyp der integrierten Algorithmen anpassen, um die Daten- und Geschäftsanwendungsfälle besser zu erfüllen.
Mit nur wenigen Klicks und ohne Programmierung können Sie den Datensatz mit der Explain-Funktion untersuchen und aussagekräftige Geschäftsfaktoren, kontextbezogene Einblicke und Datenanomalien identifizieren. Wählen Sie Grafiken und Ergebnisse der Explain-Funktion aus, um ein neues Dashboard und eine neue Story zu starten.
Die Auto Insights-Funktion untersucht Datensätze und nutzt ML, um automatisch visuelle Einblicke mit allen verfügbaren Metriken und Attributen zu erstellen. Dadurch können bisher unentdeckte Zusammenhänge und Muster in den Daten erkannt werden, die andernfalls möglicherweise nicht berücksichtigt worden wären. Mit einem Klick zeigt Oracle Analytics eine Reihe von Visualisierungen mit detaillierten Beschreibungen an, die Sie einfach zu Ihrer Projektleinwand hinzufügen können. Alle zur Ableitung der Einblicke verwendeten Berechnungen sind transparent und können bearbeitet werden.
Nutzen Sie die Explain- und Auto-Insights-Funktionen, um Ihre Projekte mit ML-gestützten, analysegesteuerten Erkenntnissen zu unterstützen und das Syndrom der leeren Leinwand und voreingenommene Ergebnisse zu vermeiden.
Generativer KI-Assistent für Analysten
Oracle Analytics AI Assistant nutzt generative KI mit LLMs über eine Konversationsschnittstelle, um Analysten zu helfen, produktiver zu werden. Durch die Umwandlung natürlicher Sprache in präzise Maßnahmen überbrückt der KI-Assistent die Lücke zwischen der Vision eines Analysten und ihrer Umsetzung. So können Analysten spezifische Änderungen anfordern und die Ausführung durch den KI-Assistenten automatisieren lassen. Dadurch müssen Analysten dann keine Experten für Visualisierungstools mehr sein und keine Zeit mehr mit der Suche nach der richtigen Funktion oder Konfiguration verlieren. Analysten, die mit anderen Visualisierungstools wie Power BI oder Tableau vertraut sind, können mit Oracle Analytics schnell produktiv werden.
Wählen Sie zwischen zwei Sprachmodellen.
Ein eingebettetes LLM, das speziell für das Verständnis von Oracle Analytics und der in Ihrem aktuellen Workbook aktiven Datensätze entwickelt wurde. Es ist genau und weniger anfällig für Halluzinationen, da es im Gegensatz zu externen LLMs für analytische Gespräche und Aufgaben optimiert ist. Zum Beispiel: „In welchen Ländern erzielen wir mit unseren Goldstatus-Kunden die höchsten Umsätze?“
Mit Bring-your-own-LLM (BYO-LLM) können Sie ein externes LLM-Abonnement von Services wie OpenAI integrieren. Ein externer LLM liefert zusätzliches Wissen aus seinen Trainingsdaten über die Außenwelt, das über die bereits im Analyseprojekt vorhandenen Datensätze hinausgeht. Dies ermöglicht flexiblere Abfragen unter Verwendung extern referenzierter Fakten, um Filterwerte korrekt festzulegen. Zum Beispiel: „Wie hoch war der Umsatz an US-amerikanischen Feiertagen im Jahr 2024 in den zehn bevölkerungsreichsten Städten der USA, in denen die Durchschnittstemperatur 22 °C oder mehr betrug?“
In diesem Beispiel umfasst der Datensatz des Analyseprojekts eine Umsatztabelle, eine Datumstabelle und eine regionale Tabelle. Diese Tabellen enthalten keine Informationen über US-amerikanische Feiertage, Einwohnerzahlen von Städten und historische Wetterdaten. Das LLM füllt diese fehlenden Details aus und stellt die korrekten Filterwerte bereit, um die Datums- und Regionstabellen genau einzugrenzen.
Verarbeitung und Erzeugung natürlicher Sprache
Verwenden Sie KI-gestütztes Natural Language Processing (NLP) und Natural Language Generation (NLG) zusammen mit von generativer KI erstellten Antworten, um besser mit Analysen zu interagieren und diese zu verstehen. Verwenden Sie einfach natürliche Sprache (gesprochen oder Suchschlüsselwörter), um Informationen aus Oracle Analytics-Datensätzenund der semantischen Ebene abzufragen, ohne dabei wissen zu müssen, wo sich die Daten befinden bzw. wie die Daten zusammengesetzt sind. Rendern Sie Visualisierungen automatisch im Kontext, während die Abfrage erstellt wird.
NLG erstellt intelligente Texterzählungen von Visualisierungen, die standardmäßig live mit der Datenquelle verbunden sind und mit anderen Datenobjekten auf der Leinwand interagieren, wie z. B. Visualisierungen und Filter. Das Erklärungsdetail verfügt über sieben wählbare Ebenen und die Beschreibung kann entweder auf „Trend“ oder „Aufschlüsselung“ eingestellt werden. Texterzählungen sind in mehreren Sprachen verfügbar. Mit der mobilen App können Sie Analytics-Arbeitsmappen in gesprochene Erzählungen wie beispielsweise Podcasts konvertieren.
Maschinelles Lernen für Data Scientists
Während der Datenvorbereitung können Sie den Datenflusseditor verwenden, um numerische Vorhersagen, den Multiklassifikator, den Binärklassifikator oder Clustering-Modelle zu trainieren. Dabei können Sie verschiedene integrierte Algorithmen verwenden. Diese ML-Algorithmen können angepasst, geschult, optimiert und dann in der weiteren Analytics-Benutzercommunity veröffentlicht werden. Sobald Modelle veröffentlicht sind, können sie auf neue Unternehmens- oder Personendatensätze angewendet werden.
In Oracle Analytics Cloud trainierte Modelle können auf Qualität und Genauigkeit überprüft werden. Beispielsweise wurde dieser binäre Klassifikator nach Naive Bayes mit Abnutzungsdaten trainiert und die Qualität des Algorithmus anhand der bekannten wahren Werte aus den Testdaten bewertet.
Erweiterung mit Oracle Database ML
Profitieren Sie von der Tiefe und Fortschrittlichkeit des Machine Learning in Oracle Database, einem Teil von Oracle Autonomous Database. Maschinelles Lernen in Oracle Database bietet eine zentral gesteuerte Plattform zum Entwickeln, Testen und Veröffentlichen von ML-Modellen mit SQL, R, Python, REST und AutoML. Es bietet Geschäftsanwendern bei der Vorbereitung ihrer Daten die Flexibilität, Self-Service-Ansätze zu nutzen. Veröffentlichte Modelle können dann in Oracle Analytics Cloud registriert werden, damit breitere Unternehmenskreise auf ihre eigenen Datasets zugreifen und diese ausführen können.
Sie können die AutoML-Funktion in Oracle Database innerhalb eines Oracle Analytics Cloud-Datenflusses verwenden. Sie analysiert Ihren Datensatz, wählt automatisch den genauesten ML-Algorithmus aus und erstellt ein neues ML-Modell. Dies vereinfacht den Prozess und ermöglicht es Benutzern, genaue Modelle ohne maschinelles Lernen zu erstellen.
Erweiterung mit OCI AI Services
Oracle Analytics Cloud lässt sich mit OCI AI Services, einschließlich OCI Vision und OCI Document Understanding integrieren. Diese Integrationen erweitern die vorhandenen eingebetteten Funktionen für maschinelles Lernen von Oracle Analytics Cloud, um ein noch breiteres Spektrum an Geschäftsanwendungsfällen zu unterstützen. Nutzen Sie vortrainierte Modelle oder entwerfen, verfeinern und implementieren Sie benutzerdefinierte Modelle und registrieren Sie diese in Oracle Analytics Cloud, damit Geschäftsanwender direkt darauf zugreifen können.
OCI Vision bringt die Leistungsfähigkeit der KI-Bildanalyse zu den Oracle Analytics Cloud-Dashboards. Stellen Sie sich vor, Sie würden Daten von Überwachungskameras nutzen, um automatisch die Parkplatzbelegung oder das Kundenaufkommen in Geschäften zu überwachen. OCI Vision analysiert Bilder und übersetzt die visuellen Informationen in Einblicke, sodass Geschäftsanwender auf der Grundlage der sichtbaren Informationen Datengeschichten erzählen können.
Mit OCI Document Understanding können Sie KI-Modelle auf Dokumente – wie JPEG- und PDF-Dateien – anwenden und Schlüsselwerte sowie deren Kontext extrahieren. Auf diese Weise können Sie Informationen aus Dokumenten erschließen, um zusätzliche Erkenntnisse zu gewinnen, selbst wenn die Informationen nicht in einer zentralen Datenbank erfasst wurden.
Diese dynamischen Selfservice-Ansätze reduzieren die Abhängigkeit von Business-Anwendern von Ihrem Data-Science-Team bei der routinemäßigen, sich wiederholenden Modellausführung und Ergebnisbereitstellung. Business-Anwender können ihre Modelle unabhängig planen und ausführen, sodass sich Data-Science-Experten auf strategischere Aufgaben konzentrieren können.