Zaawansowane funkcje AI w raportach BI. Use Case ubezpieczeń zdrowotnych

AI a przetwarzanie informacji

Fei-Fei Li to chińsko-amerykańska wykładowczyni informatyki na Stanford University zajmująca się sztuczną inteligencją, głównie w obszarze widzenia komputerowego, gdzie prowadziła Vision Lab.

Li jest również współzałożycielką i przewodniczącą rady nadzorczej organizacji AI4ALL, która promuje różnorodność i inkluzję w dziedzinie sztucznej inteligencji.

Fei – Fei Li zwykła mówić:

„Sztuczna inteligencja ma potencjał nie tylko do zautomatyzowania rutynowych zadań, ale także do wzbogacenia naszej kreatywności i zdolności do podejmowania decyzji. Wykorzystując AI do wydajniejszego przetwarzania informacji, możemy skoncentrować się na bardziej wartościowych aspektach naszej pracy, co prowadzi do zwiększenia produktywności i innowacyjności.”

Idąc za tymi słowami, zastanówmy się: jakie funkcje AI kryją się w platformie Power BI? Oraz w jaki sposób mogą wesprzeć złożone raporty Power BI.

Czym jest Power BI?

Power BI to potężna platforma do analizy danych i ich wizualizacji, stworzona przez Microsoft. Pozwala użytkownikom na zbieranie, łączenie, przekształcanie i analizowanie danych z różnych źródeł, a następnie prezentowanie wyników w czytelnej formie za pomocą interaktywnych dashboardów i paneli.

Dzięki wbudowanym narzędziom do wizualizacji, raportowania i interakcji z danymi, Power BI umożliwia szybkie podejmowanie informowanych decyzji biznesowych w modelu real-time. Platforma ta wspiera również zaawansowane funkcje sztucznej inteligencji, co pozwala na jeszcze głębszą analizę danych i prognozowanie trendów.

Czym różni się Power BI od Excela?

W porównaniu do Excela Power BI oferuje zaawansowane funkcje wizualizacji danych, integrację z chmurą, a także umożliwia łatwe tworzenie interaktywnych pulpitów zarządzania.

Po więcej informacji odsyłamy do artykułu: Excel vs narzędzie klasy Power BI – jakie możliwości daje analiza danych?.

Jego głównymi przewagami nad Excelem jest możliwość obsługi dużych zbiorów danych, szybka analiza w czasie rzeczywistym oraz zaawansowane funkcje sztucznej inteligencji. Wszystko to sprawia, że skuteczniejszym narzędziem do obsługi rozbudowanych analiz biznesowych. Power BI jest elastyczny i skalowalny, tym samym odpowiada na potrzeby zarówno małych firm, jak i dużych przedsiębiorstw.

Funkcje AI, które znajdziemy w Power BI

Power BI oferuje szereg funkcji sztucznej inteligencji (AI), które umożliwiają zaawansowaną analizę danych i generowanie bardziej precyzyjnych prognoz.

Poniżej znajdują się niektóre z głównych funkcji AI dostępnych w Power BI:

Automatyczne Wyszukiwanie Wzorców (Pattern Recognition)

Pattern Recognition w Power BI to narzędzie, które pomaga komputerowi „samemu” zauważać i analizować powtarzające się wzorce w danych. Może to obejmować różne rzeczy, takie jak sekwencje liczb, określone relacje między danymi czy inne reguły występujące w danych.

Wykorzystując tę funkcję, Power BI jest w stanie szybko wykrywać powtarzające się wzorce, tym samym pozwalając użytkownikom na łatwe zrozumienie, co dzieje się w danych. Działa to tak, jakbyśmy uczyli komputer patrzeć na dane i rozumieć, co się w nich kryje. Bez konieczności ręcznego przeszukiwania czy definiowania reguł.

Automatyczne Modele AutoML (Machine Learning)  

Funkcja Automatyczne Modele ML (Machine Learning) w Power BI to narzędzie, które umożliwia tworzenie modeli uczenia maszynowego bez konieczności posiadania zaawansowanej wiedzy programistycznej. Jest to podejście nazywane także AutoML (Automated Machine Learning).

Po zaimportowaniu interesujących nas danych — a mogą to być dane dotyczące klientów, transakcji czy dowolne inne informacje, które chcemy analizować — wybieramy kolumny danych, mające nam posłużyć do prognozowania lub analizy.

Następnie aktywujemy funkcję Automatyczne Modele ML, która samoistnie przeszuka różne algorytmy uczenia maszynowego i dostosuje je do naszych danych.

Power BI automatycznie tworzy kilka równoległych modeli uczenia maszynowego, a następnie ocenia ich skuteczność w oparciu o określone metryki, takie jak precyzja czy dokładność.

Na podstawie wyników oceny jesteśmy w stanie wybrać najbardziej skuteczny model, który najlepiej dopasowuje się do naszych danych.

Po wyborze najlepszego modelu możemy go używać do prognozowania przyszłych danych na podstawie nowych informacji, które wprowadzamy do systemu.

Zaletą korzystania z Automatycznego Modelu ML w Power BI jest to, że umożliwia on osobom bez specjalistycznej wiedzy z zakresu uczenia maszynowego korzystanie z zaawansowanych technik analitycznych.

To narzędzie przyjazne dla użytkownika, pozwalające szybko eksperymentować z różnymi modelami. Jest to szczególnie przydatne w przypadku osób, które nie są ekspertami w dziedzinie sztucznej inteligencji.

Questions and Answers (Q&A)

Funkcja Q&A umożliwia użytkownikom zadawanie pytań w naturalnym języku.

Power BI przetwarza te pytania, wykorzystując model języka naturalnego i generując odpowiednie wizualizacje danych, co ułatwia szybkie zrozumienie informacji.

Analiza Wrażliwości (What-If Analysis)

What-If Analysis w Power BI to funkcja, która pozwala użytkownikom modelować różne scenariusze, żeby zobaczyć, jak ich skutki będą na wyniki biznesowe.

Można eksperymentować z różnymi wartościami i parametrami, np. zmieniając ceny produktów czy liczbę sprzedaży, a następnie obserwować wpływy zmian na dane biznesowe.

To narzędzie umożliwia lepsze zrozumienie potencjalnych wyników w różnych warunkach, co jest przydatne do podejmowania bardziej trafnych decyzji biznesowych.

Klastrowanie (Clustering)

Clustering w Power BI to funkcja, która pomaga grupować podobne dane razem na podstawie ich podobieństw. Pomaga w identyfikacji naturalnych struktur w danych i lepszym zrozumieniu ich istoty.

Załóżmy, że chcesz pogrupować swoich klientów ze względu na wiek, dochód czy przebyte choroby.

Wybierz kolumny z danymi, które chcesz uwzględnić w procesie klastrowania. Następnie aktywuj funkcję klastrowania, która automatycznie przegrupuje dane na podstawie ich podobieństw.

Power BI wykorzystuje algorytmy, aby znaleźć naturalne grupy w danych.

Po przeprowadzeniu klastrowania możesz analizować, w jaki sposób dane zostały podzielone na różne grupy (każda grupa zawiera elementy o podobnych cechach). Klastrowanie pomaga zidentyfikować struktury w danych, nawet jeśli nie są one wcześniej znane. Tym samym możesz zobaczyć, jakie elementy są do siebie najbardziej podobne.

Zidentyfikowane grupy mogą być używane do podejmowania decyzji biznesowych, na przykład w marketingu czy personalizacji ofert dla klientów.

Rozpoznawanie Obrazów (Vision)

Funkcja Rozpoznawania Obrazów w Power BI umożliwia programowi analizowanie i rozumienie zawartości obrazów.

Dzięki funkcji rozpoznawania obrazów, Power BI może analizować grafiki i identyfikować obiekty. Jest to przydatne w kontekście analizy danych wizualnych, na przykład w dziedzinie marketingu czy analizy efektywności kampanii reklamowych.

Power BI wykorzystuje technologie sztucznej inteligencji, takie jak widzenie komputerowe — funkcja ta jest w stanie rozpoznawać obiekty i elementy na obrazach (np. ludzi czy określone przedmioty).

Na podstawie analizy, program przypisuje klasyfikacje do rozpoznanych obiektów. Przykładowo, może rozpoznać, że na obrazie znajduje się samochód lub jakaś osoba.

Wyniki rozpoznawania obrazów mogą być używane do podejmowania decyzji, np. w analizie marketingowej, identyfikowaniu treści obrazów, czy automatycznym przypisywaniu tagów.

Analiza Tekstu (Text Analytics)

Funkcja Analiza Tekstu w Power BI pozwala na przetwarzanie i zrozumienie tekstu w danych. Po zaimportowaniu danych, które zawierają informacje tekstowe, aktywujemy funkcję Analizy Tekstu, która automatycznie analizuje słowa.

Power BI używa technik przetwarzania języka naturalnego (NLP) i innych algorytmów do zrozumienia znaczenia tekstu.

Funkcja ta może rozpoznawać kluczowe elementy w tekście, takie jak ważne słowa kluczowe, sentyment (czy tekst jest pozytywny, negatywny czy neutralny) czy też inne informacje (język lub emocje wyrażane w tekście).

Na podstawie analizy, możemy generować wnioski dotyczące treści tekstu. To może obejmować identyfikację trendów, opinii klientów czy też analizę tonu komunikatu.

Power BI pozwala na wizualizację wyników analizy tekstu, dzięki czemu łatwo można przekazywać informacje o treści tekstu w bardziej zrozumiały sposób, na przykład poprzez wykresy czy raporty.

Funkcja Analizy Tekstu w Power BI jest przydatna w zrozumieniu i wyciąganiu informacji z dużych ilości tekstu.

Może być stosowana w różnych obszarach, takich jak analiza opinii klientów, monitorowanie mediów społecznościowych czy też klasyfikacja dokumentów.

Use Case: przykład zastosowania funkcji AI w branży ubezpieczeniowej

Funkcje Sztucznej Inteligencji AI powstały w Power BI jako odpowiedź na rosnące potrzeby rynku w zakresie przetwarzania danych.

Ilość zgromadzonych danych jest olbrzymia, ale nie ma to żadnego znaczenia w przypadku, gdy nie potrafimy tych danych wykorzystać.

Ogromne zasoby danych są trudne w analizie, a ich uporządkowywanie jest zajęciem rutynowym oraz czasochłonnym. A ponieważ ludzki czas jest w wiecznym deficycie, funkcje AI — przejmując część zadań — pozwalają go zaoszczędzić i przeznaczyć na bardziej kreatywne zajęcia.

Aby lepiej zobrazować możliwości wykorzystanie sztucznej inteligencji, przytoczmy kilka prostych przykładów.

Ubezpieczenia: Analiza tekstu

Wyobraźmy sobie, że dla uproszczenia komunikacji z klientami powstał jeden adres email, pod który ci wysyłają swoje zapytania. Do jednej skrzynki trafiają zapytania o płatności, skargi czy prośby o zmiany w polisie.

Towarzystwo ubezpieczeniowe, wyposażone w Power BI, wykorzystuje funkcję analizy tekstu, aby przetworzyć treść e-maili, identyfikując najważniejsze elementy (treść zgłoszenia, pytania klienta, informacje o produkcie czy usłudze oraz inne kluczowe słowa).

Na podstawie takiej analizy system jest w stanie określić kategorie, do których można przypisać konkretne e-maile.

Przykładowo: e-maile z pytaniem o płatność mogą trafić prosto do działu finansowego, a te dotyczące produktów — do działu obsługi klienta.

Funkcja Analizy Tekstu, wykorzystując słowa kluczowe, może również określić, czy przesłane wiadomości są nacechowane negatywnie, pozytywnie czy też neutralnie.

Co więcej, w oparciu o przeprowadzoną analizę tekstu, system przypisze tagi lub kategorie do e-maili, co pomoże w łatwiejszym i szybszym sortowaniu.

Ubezpieczenia: Power Automate

Wykorzystując inne narzędzia, np. Power Automate, możemy w systemie skonfigurować automatyczne reguły zarządzania e-mailami, które wykorzystają przypisane tagi lub kategorie w celu przekierowania e-maili do odpowiednich skrzynek odbiorczych.

Następnie, po przekierowaniu e-maili do odpowiednich działów, możemy skonfigurować system powiadomień tak, aby informować wskazanych pracowników o nowych zgłoszeniach lub pytaniach klientów. W ten sposób zautomatyzowany proces przyspieszy kategoryzacje wiadomości oraz dostarczy wielu przetworzonych danych do dalszej analizy (np. pod postacią liczby skarg).

Ubezpieczenia: Klastrowanie (Clustering)

Idąc dalej tym przykładem, gdy mamy już wiadomości e-mail poddane analizie tekstu, to wykorzystując funkcję Klastrowania jesteśmy w stanie poszukać nieoczywistych zależności.

Po skategoryzowaniu email ze względu na treść oraz nastrój, wykorzystajmy kolejne dane w bazie do stworzenia podgrup ze względu na wiek, płeć, miejsce zamieszkania, ostatnio odbyte wizyty lekarskie itd.

Wyniki takiej szerokiej analizy mogą być zaskakujące, np. może się okazać, że najwięcej skarg w dziale finansowym jest kierowana przez osoby w wieku 50-55 lat, po przebytym pierwszym zawale serca i z długim okresem oczekiwania do kardiologa.

Odkrycie takich zależności pomoże zidentyfikować obszary wymagające usprawnienia. Może wpłynąć na stworzenie dedykowanych kampanii marketingowych, np. dla osób w wieku 50 lat z profilaktyką antyzawałową. 

Ubezpieczenia: Analiza Wrażliwości (What-If Analysis)

Mając w bazie historyczne dane, np. dotyczące polis kupionych przez osoby w wieku x, posiadające y dzieci. 

W historycznych danych zapisane jest, jakie kwoty taka grupa klientów wydała na ubezpieczenie, jak długo z niego korzystała, z jakich usług najczęściej, jakie były powody rezygnacji z ubezpieczenia, jakie wpływały skargi oraz jakie dodatkowe roszczenia.

Na podstawie takich danych funkcja What-If Analysis pomaga stworzyć modele przewidywanych wyników różnego typu kampani.

W tych modelach można eksperymentować wiekiem klientów, ilością dzieci, zakresem ubezpieczenia a następnie analizować otrzymane wyniki, co ostatecznie prowadzi do maksymalnego dopasowania oferty do potrzeb rynkowych.

Kampania Social Media

Zdecydowana większość firm prowadzi kampanie marketingowe w social mediach typu Facebook, Instagram, TikTok, LinkedIn, Twitter, Snapchat, WhatsUp. Cel kampanii może być różny, od poszukiwania nowych pracowników czy dostawców, aż po pozyskanie nowych klientów.

Integracja sztucznej inteligencji (AI) z narzędziami do analizy danych, w tym Power BI, może znacznie wzmocnić tego typu kampanie, dostarczając bardziej precyzyjnych analiz i pomagając lepiej zrozumieć reakcje użytkowników.

W kontekście branży ubezpieczeniowej, wykorzystanie sztucznej inteligencji (AI) w Power BI może być niezwykle korzystne dla strategii marketingowej w mediach społecznościowych.

Zaawansowane funkcje pozwalają na:

• Ocenę nastroju: AI może pomóc w zrozumieniu, czy komentarze klientów na platformach społecznościowych są pozytywne, negatywne czy neutralne, co jest istotne do monitorowania opinii na temat ubezpieczeń.
• Segmentację klientów: Dzięki AI i Power BI można zidentyfikować różne grupy klientów na podstawie ich zachowań online, co ułatwia dostosowanie komunikacji i oferty ubezpieczeń do konkretnych potrzeb. Inaczej zaadresujemy ofertę dla pokolenia Zet na TikToku od oferty dla millenialsów na Facebooku, a może się okazać, że nasz target używa głównie Instagrama.
• Dostosowanie treści: Algorytmy uczenia maszynowego mogą pomóc w dostarczaniu spersonalizowanych treści reklamowych, a Power BI pozwala na śledzenie, które z nich są najbardziej skuteczne. Korzystając z narzędzi Power BI do prognozowania i analizy danych, można przewidywać trendy w branży ubezpieczeniowej na podstawie reakcji klientów w mediach społecznościowych.
• Raportowanie wyników: Automatyczne tworzenie raportów w Power BI ułatwia śledzenie efektywności kampanii w mediach społecznościowych oraz szybką reakcję na zmiany w zachowaniach klientów.
•  Identyfikacja wpływowych klientów: Analiza danych za pomocą algorytmów AI może pomóc w identyfikowaniu klientów, którzy wpływają na opinie innych, co jest istotne w kontekście budowania marki ubezpieczeniowej.
• Automatyczne Prowadzenie kampanii: Wykorzystanie algorytmów uczenia maszynowego do automatycznego dostosowywania kampanii reklamowych pozwala na lepsze dotarcie do konkretnych grup klientów.

Integracja AI z Power BI staje się potężnym narzędziem w rękach firm ubezpieczeniowych, pomagając lepiej zrozumieć klientów, dostosować ofertę i skuteczniej prowadzić kampanie marketingowe na platformach społecznościowych.

AI w Power BI

Podsumowując, możemy zadać sobie pytanie: czy obecności sztucznej inteligencji w platformie Power BI jest w ogóle potrzebna? Czy to tylko zbędny dodatek, bez którego każdy doświadczony analityk mógłby się obejść?

Sztuczna inteligencja pojawiła się w naszym życiu prywatnym i zawodowym. Można ją oceniać na wielu płaszczyznach, ale dla mnie AI jest niezwykłym narzędziem, które wspiera i pozwala się rozwijać.

W wątku sztucznej inteligencji zgadzam się ze słowami Satya Nadella, CEO firmy Microsoft:

„Sztuczna inteligencja może być narzędziem, które nie tylko automatyzuje rutynowe zadania, ale także inspiruje ludzi do bardziej kreatywnego i skoncentrowanego podejścia do swojej pracy. W połączeniu z ludzką inteligencją, AI może być kluczowym współpracownikiem, wspomagającym nasze wysiłki i pomagającym nam osiągać wyższe poziomy efektywności i innowacji”.