天然語言生成（NLG）的好處是什麼，它如何影響BI？

近年來，咱們已經看到了大數據的成功應用，但根據研究，只有20％的員工可以真正的使用BI工具。此外，因爲在統計思惟方面缺少培訓且圖表和圖表形式的數據不是很清晰，決策者每每會出現誤解和決策失誤。而這背後的一切其實就是人工智能技術的子集-天然語言處理，天然語言理解和天然語言生成以及他們的分析算法。

早些時候，企業須要必定的人力和持續監控半智能機器來理解和遵循預先編程的算法。但隨着時間的推移以及人工智能、機器學習、人工神經網絡、深度學習、天然語言處理和天然語言生成的發展，機器變得足夠智能，也能知足特定的業務需求和目標。

戰略性地簡化和利用這些基於AI的技術能夠理解龐大的數據集，從而產生有價值的看法，最終有助於開發定製的、有影響力的解決方案。谷歌，蘋果，微軟和阿里巴巴等IT巨頭都依賴此類算法來改進產品推薦、在線搜索、智能語音的移動服務等。

NLP vs. NLU vs. NLG

儘管人們可能會遇到使人生畏的技術術語，但NLP，NLG和NLU彷佛是用於解釋簡單過程的複雜縮略詞。

一、NLP是指計算機讀取並將輸入文本轉換爲結構化數據；
二、NLU意味着理解計算機捕獲的文本/統計數據；
三、NLG是指計算機將結構化數據轉換爲文本並以人類語言編寫信息；

天然語言處理的閱讀部分很複雜，其中包括許多功能，例如：

一、不雅表達的語言過濾器；
二、涉及人類情感的情感分析；
三、主題分類；

天然語言理解（NLU）是人工智能的重要子集，它出如今天然語言處理以後，用於真正理解文本的內容並提取隱藏在其中的含義。像Alexa，Siri，Google Assistant這樣的會話AI機器人就是使用NLU和NLG來達到目的。

瞭解NLG的真正潛力

人類老是須要數據來制定新的想法並進行溝通。可是，隨着須要評估的數據量變大以及顯著下降成本的需求，企業須要肯定一種新的簡化方法，天然語言生成（NLG）就是目前最佳的方法之一。

天然語言生成（NLG）主要的好處在於它可以將數據集轉換爲人類理解的清晰敘述。在處理電子表格中存在的統計數據時，NLG能夠生成豐富的信息，這與天然語言處理不一樣，後者僅評估文本以造成看法。

經過天然語言生成，能夠準確地評估、分析和傳達數據。經過常規分析和相關任務的智能自動化，能夠提升生產力，這樣人類就能夠專一於更具創造性、高價值的回報活動。

在一個有趣的用例中，美聯社利用天然語言生成成功的從公司收益報表中生成了報告。這意味着他們再也不須要人類消耗他們的時間和精力去解決這些問題。更重要的是，NLG一旦被完美設置就會自動生成數以千計的報告。

天然語言生成的好處是什麼？

天然語言生成的好處超出了人們對於採用人工智能的廣泛見解。由於它對營銷和業務管理也有不少好處：

自動化建立內容

NLG主要可以作的是根據NLP和NLU以前處理的信息，在有組織結構的數據上建立，經過將結構良好的數據放置在精心配置的模板中，NLG能夠自動輸出並提供可記錄的數據形式，例如分析報告、產品描述、以數據爲中心的博客文章等。在這種狀況下，依靠算法編程的機器能夠完成之內容開發者所但願的格式建立內容。他們惟一要作的就是經過流行的媒體渠道向目標受衆宣傳，所以，天然語言生成能夠爲內容開發者和營銷人員提供兩大利器：

一、內容生成自動化；

二、以預期格式傳送數據；

內容生成能夠圍繞Web挖掘、搜索引擎API來開發依靠各類在線搜索的結果和參考文檔創造有價值的內容。到目前爲止，已經出現了幾個基於NLG的文本報告生成系統，好比說以根據輸入的天氣數據生成文本天氣預報報告。

人類參與的顯著減小

隨着天然語言生成系統不斷的優化，僱用具備數據素養的專業人員並訓練他們完成工做變得很是重要。經過使用天然語言生成，企業家會慢慢意識到僱用理解複雜數據的人員是多麼昂貴，爲了提高企業效益，註定會有人被淘汰。Gartner預測，在將來20％的業務內容將經過使用天然語言生成的機器編寫，其中法律文件、股東報告、新聞稿或案例研究將再也不須要人類建立。

預測性庫存管理

商店庫存管理的成功都會在業務目標和整體利潤方面產生巨大的推進。而在供應鏈管理中，獲取並分析生產率、銷售數據尤其重要。根據這些信息，商店經理能夠了解如何將庫存維持在最佳水平。然而，管理者並不可能完徹底全的掌握到實時數據。

此時，更高級的NLG能夠做爲數據分析的交互式媒介，使整個數據報告流程無縫且富有洞察力。商店經理無需經過數據的多個圖表和條形圖，就能夠得到所需格式的清晰敘述和分析。經過天然語言生成，管理者將擁有最佳預測模型，以此對商店績效和庫存管理提供明確的指導和建議。

如何應用天然語言生成？

對於但願採用並得到天然語言生成優點的企業而言，擁有某些要素時相當重要的，例如：

必須具備匹配的場景

並不是每一個內容建立場景都須要天然語言生成。NLG是一種獨特的技術，旨在產生特定的答案，生成你在博客上看到的內容是不可能的。若是你按期傳達的任務具備一致的格式，NLG多是自動執行這些任務的最佳資源。

舉個例子，一個著名的營銷機構PR 20/20利用天然語言生成，在生成Google Analytics的分析報告時少用80%的時間。另外一個例子是華盛頓郵報，它們建立了Heliograf，它是一個基於人工智能的引擎，使用天然語言生成爲2016年奧運會和選舉競賽撰寫快訊。

樹立現實的目標

人工智能技術須要一些時間才能實現自動化操做，要整合並收穫天然語言生成的好處，須要必定的時間。你選擇的智能是有價格標籤的，所以你應該對你的精確要求，AI的實際功能和可擴展性保持理智。若是NLG在生成報告和敘述時真的減小了組織的成本，你能夠選擇它。

數據必須足夠結構化

AI須要特定形式的輸入，NLG只有在輸入結構化數據時纔會起做用。檢查你的數據集是否已組織和優化。確保你上傳的數據乾淨、一致且易於使用。

結論

聊天機器人將更加智能，再也不是簡單的查詢以及提供簡單的對話，並且將來高級NLG系統還將參與企業特定的工做流程管理，它們將幫助管理人員和員工在客戶之間創建一個更優越的互動網絡，以在最短的時間內實現業務動態併產生準確的輸出。

最後，對於面臨數據分析和多語言支持挑戰的企業而言，能夠利用天然語言生成的優點實現報告建立、內容生成的實時自動化。有了NLG，企業應該考慮整合可以以最終用戶指望的格式有效地生成信息的會話界面，最終增長用戶的參與度。

原文連接 本文爲雲棲社區原創內容，未經容許不得轉載。