共计 2626 个字符，预计需要花费 7 分钟才能阅读完成。
摘要：足以让小编失业的 NLG，到底如何影响 BI?
近年来，我们已经看到了大数据的成功应用，但根据研究，只有 20%的员工能够真正的使用 BI 工具。此外，由于在统计思维方面缺乏培训且图表和图表形式的数据不是很清晰，决策者往往会出现误解和决策失误。而这背后的一切其实就是人工智能技术的子集 - 自然语言处理，自然语言理解和自然语言生成以及他们的分析算法。
早些时候，企业需要一定的人力和持续监控半智能机器来理解和遵循预先编程的算法。但随着时间的推移以及人工智能、机器学习、人工神经网络、深度学习、自然语言处理和自然语言生成的发展，机器变得足够智能，也能满足特定的业务需求和目标。
战略性地简化和利用这些基于 AI 的技术可以理解庞大的数据集，从而产生有价值的见解，最终有助于开发定制的、有影响力的解决方案。谷歌，苹果，微软和阿里巴巴等 IT 巨头都依赖此类算法来改进产品推荐、在线搜索、智能语音的移动服务等。
NLP vs. NLU vs. NLG
尽管人们可能会遇到令人生畏的技术术语，但 NLP，NLG 和 NLU 似乎是用于解释简单过程的复杂缩略词。
1、NLP 是指计算机读取并将输入文本转换为结构化数据；2、NLU 意味着理解计算机捕获的文本 / 统计数据；3、NLG 是指计算机将结构化数据转换为文本并以人类语言编写信息；
自然语言处理的阅读部分很复杂，其中包括许多功能，例如：
1、不雅表达的语言过滤器；2、涉及人类情感的情感分析；3、主题分类；
自然语言理解（NLU）是人工智能的重要子集，它出现在自然语言处理之后，用于真正理解文本的内容并提取隐藏在其中的含义。像 Alexa，Siri，Google Assistant 这样的会话 AI 机器人就是使用 NLU 和 NLG 来达到目的。
了解 NLG 的真正潜力
人类总是需要数据来制定新的想法并进行沟通。但是，随着需要评估的数据量变大以及显著降低成本的需求，企业需要确定一种新的简化方法，自然语言生成（NLG）就是目前最佳的方法之一。
自然语言生成（NLG）主要的好处在于它能够将数据集转换为人类理解的清晰叙述。在处理电子表格中存在的统计数据时，NLG 可以生成丰富的信息，这与自然语言处理不同，后者仅评估文本以形成见解。
通过自然语言生成，可以准确地评估、分析和传达数据。通过常规分析和相关任务的智能自动化，可以提高生产力，这样人类就可以专注于更具创造性、高价值的回报活动。
在一个有趣的用例中，美联社利用自然语言生成成功的从公司收益报表中生成了报告。这意味着他们不再需要人类消耗他们的时间和精力去解决这些问题。更重要的是，NLG 一旦被完美设置就会自动生成数以千计的报告。
自然语言生成的好处是什么？
自然语言生成的好处超出了人们对于采用人工智能的普遍看法。因为它对营销和业务管理也有很多好处：
自动化创建内容
NLG 主要能够做的是根据 NLP 和 NLU 之前处理的信息，在有组织结构的数据上创建，通过将结构良好的数据放置在精心配置的模板中，NLG 可以自动输出并提供可记录的数据形式，例如分析报告、产品描述、以数据为中心的博客文章等。在这种情况下，依靠算法编程的机器可以完成以内容开发者所希望的格式创建内容。他们唯一要做的就是通过流行的媒体渠道向目标受众宣传，因此，自然语言生成可以为内容开发者和营销人员提供两大利器：
1、内容生成自动化；
2、以预期格式传送数据；
内容生成可以围绕 Web 挖掘、搜索引擎 API 来开发依靠各种在线搜索的结果和参考文档创造有价值的内容。到目前为止，已经出现了几个基于 NLG 的文本报告生成系统，比如说以根据输入的天气数据生成文本天气预报报告。
人类参与的显著减少
随着自然语言生成系统不断的优化，雇用具有数据素养的专业人员并训练他们完成工作变得非常重要。通过使用自然语言生成，企业家会慢慢意识到雇用理解复杂数据的人员是多么昂贵，为了提升企业效益，注定会有人被淘汰。Gartner 预测，在未来 20%的业务内容将通过使用自然语言生成的机器编写，其中法律文件、股东报告、新闻稿或案例研究将不再需要人类创建。
预测性库存管理
商店库存管理的成功都会在业务目标和总体利润方面产生巨大的推动。而在供应链管理中，获取并分析生产率、销售数据尤为重要。根据这些信息，商店经理可以了解如何将库存维持在最佳水平。然而，管理者并不可能完完全全的掌握到实时数据。
此时，更高级的 NLG 可以作为数据分析的交互式媒介，使整个数据报告流程无缝且富有洞察力。商店经理无需通过数据的多个图表和条形图，就可以获得所需格式的清晰叙述和分析。通过自然语言生成，管理者将拥有最佳预测模型，以此对商店绩效和库存管理提供明确的指导和建议。
如何应用自然语言生成？
对于希望采用并获得自然语言生成优势的企业而言，拥有某些要素时至关重要的，例如：
必须具有匹配的场景
并非每个内容创建场景都需要自然语言生成。NLG 是一种独特的技术，旨在产生特定的答案，生成你在博客上看到的内容是不可能的。如果你定期传达的任务具有一致的格式，NLG 可能是自动执行这些任务的最佳资源。
举个例子，一个著名的营销机构 PR 20/20 利用自然语言生成，在生成 Google Analytics 的分析报告时少用 80% 的时间。另一个例子是华盛顿邮报，它们创建了 Heliograf，它是一个基于人工智能的引擎，使用自然语言生成为 2016 年奥运会和选举竞赛撰写快讯。
树立现实的目标
人工智能技术需要一些时间才能实现自动化操作，要整合并收获自然语言生成的好处，需要一定的时间。你选择的智能是有价格标签的，因此你应该对你的精确要求，AI 的实际功能和可扩展性保持理智。如果 NLG 在生成报告和叙述时真的减少了组织的成本，你可以选择它。
数据必须足够结构化
AI 需要特定形式的输入，NLG 只有在输入结构化数据时才会起作用。检查你的数据集是否已组织和优化。确保你上传的数据干净、一致且易于使用。
结论
聊天机器人将更加智能，不再是简单的查询以及提供简单的对话，而且未来高级 NLG 系统还将参与企业特定的工作流程管理，它们将帮助管理人员和员工在客户之间建立一个更优越的互动网络，以在最短的时间内实现业务动态并产生准确的输出。
最后，对于面临数据分析和多语言支持挑战的企业而言，可以利用自然语言生成的优势实现报告创建、内容生成的实时自动化。有了 NLG，企业应该考虑整合能够以最终用户期望的格式有效地生成信息的会话界面，最终增加用户的参与度。
本文作者：【方向】阅读原文
本文为云栖社区原创内容，未经允许不得转载。
