AI 除了让自己家里的音箱更智能，以及让我们在网上购物时更容易找到自己想要的商品外，还能有什么对我们的工作和生活更直接，更方便的应用？当我们面对纷繁复杂的数据和资料时，AI 是不是可以帮助我们可降低数据科学技术的门槛，帮助企业用户和分析人员更快地做出更明智的决策。当今市场背景下，快速响应成为竞争的有力优势，在 AI 的加持下，把这种优势转变为主动。
分析平台 Tableau 近日推出基于 AI 的预测、洞察和自动解释，帮助实现数据科学大众化，并把这个概念成为「商业科学」，商业科学将利用数据、简化模型创建、预测、假设情景、预想和其他分析方法，为更多人提供更快、更便利的支持。
本月底，Tableau 将在其 2021.1 版本中通过“Einstein Discovery”支持商业科学。Einstein Discovery 是 Tableau 母公司 Salesforce 开发的一种人工智能驱动的分析平台，该平台从历史数据中学习模式，可用于预测未来的结果。具有业务领域知识的分析人员可以无代码地构建和部署预测模型。用户首先将数据加载到 Einstein Discovery 中，然后定义他们希望最大化 (如销售额或利润) 或最小化 (如医院中病人等待时间) 的业务度量。Einstein Discovery 然后提出自动检测模式的数据和预测模型，可以评估其表现。五年多来，Einstein Discovery 帮助 Salesforce 客户在几分钟内快速获得洞察，无需复杂的数据模型，便可分析了解数百万行数据的模式。
将 Einstein Discovery 倍受信赖的实时预测和建议功能集成到 Tableau 中，将帮助人们不仅了解当下情况，以及发生的原因，更可以深入探索对业务可能带来的影响，从而采取更主动的行动。
「如今，大多数企业用户尚无法使用数据科学。业务分析人员依靠数据科学家，建立复杂的模型，从而提取精确的见解，服务业务分析。但获得这些见解的过程可能非常复杂、昂贵且耗时，」IDC 智能未来研究总监 Chandana Gopal 表示。「尽管数据科学可以挖掘强大的见解，但有时需要在精度和时耗之间进行权衡。商业科学能够促成双方的平衡，并致力于让更多人能使用数据科学，并依据数据科学采取行动。」
Tableau 首席产品官 Francois Ajenstat 在接受创见等媒体采访时表示，数据科学和商业科学之间的关键区别在于精准度，比如说数据科学能帮助我们解决的问题包括气象监测，路径优化等等。但是商业科学所涉及的是一家企业方方面面更广泛的问题，帮助企业提升价值。比如降低员工流失率，提高平均的订单价值，缩短成交的时间等等，并且也可以提供预定率。所以，在种种方面，一刀切的方式是不可行的，两者融合才是客户需要的真正价值。
商业科学将助力数据科学家和高级分析师深入工作。通过目前已经应用的机器学习的数据分析，每天进行成百万及上亿的预测。我们把这样自动化的数据，机器学习的数据能力植入到 Tableau 当中来。
「数据科学始终能够解决重大问题，但只有组织内的某几个特定人员拥有这种能力，」 Francois Ajenstat 表示。「要建立真正的数据驱动型组织，我们需要为尽可能多的人释放数据的力量。实现数据科学大众化将帮助更多人更快地做出更明智的决策。」
将自动式的机器学习技术嵌入到 Tableau 当中来，可以让每个客户都能够使用商业科学的工具。首先它是一个简单、直观的、自动式机器学习的工具，同时会让客户更加确信自己做的是透明的，正确的决策。并且，它可以集成到整个工作流当中，可以集成到你现在所使用的 Tableau 页面当中。
Francois Ajenstat 补充道，Tableau 通过数据民主化，通过数据科学让人人都能使用上这项技术，预测式数据分析可以让业务当中的每一个人都可以通过它实现价值。
在产品设计上，Tableau 所呈现出的分析结果快捷性和互动性。
正如一旦一个人的脑海里出现了一个问题，想要获得答案，通过点击相关页面，就能够获得相应的数据分析、数据预测的结果。
例如，客户可以使用商业科学来提高供应链效率、预测订单达成的可能性或实现商品或服务交付的最大化。数据科学可以帮助疫苗研发，而商业科学可以帮助疫苗高效分配运送和接种。
「像 Einstein Discovery 这样的机器学习平台是数据科学大众化的下一个前沿领域，」Verizon 数据分析高级经理 Siddharth Dayama 表示。「集成到 Tableau 中的 Einstein Discovery 为各企业的现有仪表板清单带来了预测功能，并在与自动生成机器学习模型结合使用时，企业可以在其历史数据中探索模式、趋势和相关性，而无需编写任何代码。在现有的商务智能基础架构上对 ML/AI 功能进行分层，为解决日常业务问题开辟了无限的可能性。」
