Qlik使用內存引擎和直觀界面對商業智能（BI）進行獨特處理的方法，使一般商業用戶的BI民主化，而他們通常對技術的了解很少甚至沒有。但是，多年來，組織只能分析“發生了什么”的指標或KPI（即描述性分析）。分析師報告稱，大多數組織的分析成熟度僅限于事后分析。實際上，Gartner報告說：“ 87％的組織具有較低的BI和分析成熟度?！?因此，即使是數據驅動的組織也受到限制。 決策是通過分析歷史趨勢來做出的，并且容易受到我們的偏見以及我們可以使用多少數據的限制。

在過去的十年中，由于云及其無限的計算能力，利用機器學習（ML）方法的新分析或預測分析學科已變得越來越可訪問。ML使我們能夠創建預測模型。這些模型在潛在的大型數據集上進行訓練，并從人類通常無法識別的模式中學習。這些模型可以反過來為我們提供業務遠見。

利用ML功能的組織可以更深入地了解其業務，因此具有競爭優勢。Qlik正在為客戶提供在我們的平臺上使用ML功能的能力，以便業務用戶可以對各種關鍵業務功能執行分析。例如：

• 優化供應鏈
• 改善庫存管理
• 避免失去機會
• 檢測并防止客戶流失
• 管理員工流失

不幸的是，大多數組織沒有配備ML。分析報告經常將技能差距列為采用AI / ML的最大挑戰。Gartner，Deloitte，McKinsey＆Company和其他公司的報告均支持該概念。ML通常需要數據科學家，數據工程師以及類似的稀缺且昂貴的角色。跨團隊協作是必要的，并且需要有效地完成經驗。我們經?？吹降牧硪粋€問題是無法為數百甚至數千個業務用戶提供ML，因此預測和ML的功能可以幫助推動洞察力和針對業務成果的行動。

為BI普及AI

幸運的是，當前ML的復興已擴展到ML工具。AutoML等領域的快速發展緩解了技能差距的挑戰。AWS和Qlik已通過為我們的客戶實現預測分析民主化的共同愿景，合作了這一機會。Qlik是BI的領導者，并且是AWS數據和分析能力合作伙伴。

Qlik通過創建Qlik-SageMaker Connector，邁出了緩解這一技能差距挑戰的第一步。它通過橋接Qlik Sense Server和SageMaker Hosting Services與Amazon SageMaker集成，后者是一種托管服務設計，用于驅動和擴展整個ML生命周期。

Qlik的SageMaker連接器

通過連接器，Qlik Sense用戶可以通過Qlik的內存引擎從Amazon SageMaker托管模型中獲取實時預測。連接器降低了將ML模型集成到預測分析解決方案中通常所需的復雜性和工作量。它消除了建立和管理評分管道的需要。 它還可以為受益于最新數據的用例提供更好的支持。目前，該集成是作為開放源代碼連接器提供的，如今已作為“早期訪問”技術供客戶使用。

前面的路

該連接器是我們共同愿景的第一步，即通過利用Amazon SageMaker Autopilot等AutoML工具使AWS上的AI民主化。AutoML使ML實驗過程自動化，并為非ML專家提供了使用ML的機會。結合Amazon SageMaker等服務，機器學習生命周期可以實現大規模自動化，以縮短實現價值的時間。

例如，Amazon SageMaker Autopilot（Autopilot）可以提取表格數據并生成優化的回歸和分類模型。 它使數據科學家和數據工程任務自動化，例如數據分析，特征工程，算法探索和超參數調整。 自動駕駛儀用戶的工作是識別具有預測潛力的表格數據集，并將其映射到ML問題。

自動駕駛將所需的機器學習技能降低到許多核心BI分析人員所擁有的技能。

Qlik SageMaker解決方案

下面，我們提供了Qlik SageMaker預測解決方案的高級概述，下圖說明了核心組件。

將SageMaker模型與Qlik集成

從Qlik Sense服務器和至少一個SageMaker模型端點開始，只需部署Qlik-SageMaker連接器，該連接器由以下組件組成：

• Qlik Rapid API Server：這充當Qlik Engine和SageMaker模型端點之間的橋梁。它包含與Qlik Engine連接以及使用其內存中數據格式進行操作的專業知識。
• Amazon API Gateway REST API：Qlik Engine通過Amazon API Gateway管理的REST API與模型端點進行通信。該API為SageMaker模型提供了標準化接口。 ML模型可以具有多種接口，具體取決于模型的構建和服務方式。
• Amazon Lambda Format Transformer：需要Lambda函數來執行數據轉換。 Qlik API服務器以標準格式發送請求，該標準格式需要轉換為與目標模型兼容的格式。我們建議盡可能使用Autopilot，因為它會自動創建并打包轉換邏輯。因此，它使您不必為每個唯一的模型編寫自定義代碼。
• 會話存儲：Qlik Server需要狀態通信。 Amazon DynamoDB用于存儲會話信息，以促進有狀態的雙向通信。

連接器提供了此處記錄的各種配置。配置包括微批處理和WebSocket API支持，以促進性能調整。

預測分析解決方案

部署并配置連接器后，您就可以從信息中心訪問預測。 下圖在Qlik Sense應用程序的上下文中顯示了這一點。

下圖顯示了Qlik Sense以及與Amazon SageMaker一起使用的實時交互式儀表板。在此示例中，業務分析師可以通過修改變量（例如半徑和面積）來實時觸發SageMaker Endpoint。

此Qlik Sense應用程序是從此SageMaker示例存儲庫派生的。Partner Engineering Qlik Server上提供了此Qlik Sense應用程序的實時演示。訪問Qlik SageMaker乳腺癌應用演示。

結論

Qlik-SageMaker連接器是Qlik借助Qlik Sense使機器學習功能民主化的第一步。我們期待看到您使用這些工具創建的解決方案，以及它將對您的組織產生的影響！

點擊獲取Qlik

關于Qlik

Qlik的愿景是一個數據素養的世界，每個人都可以使用數據來改善決策并解決他們最具挑戰性的問題。只有Qlik提供端到端的實時數據集成和分析解決方案，以幫助組織訪問所有數據并將其轉化為價值。慧都作為Qlik官方的中國合作伙伴，我們為Qlik的中國用戶提供產品授權與實施、定制分析方案、技術培訓等服務，旨在讓中國企業的每個Qlik用戶都能探索出數據的價值，讓企業形成分析文化。了解更多信息，請咨詢