論文の概要: A Reference Model for Collaborative Business Intelligence Virtual
Assistants
- arxiv url: http://arxiv.org/abs/2304.10556v1
- Date: Thu, 20 Apr 2023 14:02:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 17:05:44.421310
- Title: A Reference Model for Collaborative Business Intelligence Virtual
Assistants
- Title(参考訳): 協調型ビジネスインテリジェンス仮想アシスタントのための参照モデル
- Authors: Olga Cherednichenko (ERIC), Fahad Muhammad (ERIC), J\'er\^ome Darmont
(ERIC), C\'ecile Favre (ERIC, CMW)
- Abstract要約: 協力的ビジネス分析(Collaborative Business Analysis, CBA)は、さまざまな利害関係者が協力してデータを分析し、ビジネスオペレーションに関する洞察を得るための方法論である。
CBAは通常、データ収集と分析、ブレインストーミング、問題解決、意思決定、知識共有など、さまざまなアクティビティを伴います。
本稿では,ビジネスインテリジェンス(BI)プラットフォームの重要な部分として,仮想コラボレーションツールを扱う。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative Business Analysis (CBA) is a methodology that involves bringing
together different stakeholders, including business users, analysts, and
technical specialists, to collaboratively analyze data and gain insights into
business operations. The primary objective of CBA is to encourage knowledge
sharing and collaboration between the different groups involved in business
analysis, as this can lead to a more comprehensive understanding of the data
and better decision-making. CBA typically involves a range of activities,
including data gathering and analysis, brainstorming, problem-solving,
decision-making and knowledge sharing. These activities may take place through
various channels, such as in-person meetings, virtual collaboration tools or
online forums. This paper deals with virtual collaboration tools as an
important part of Business Intelligence (BI) platform. Collaborative Business
Intelligence (CBI) tools are becoming more user-friendly, accessible, and
flexible, allowing users to customize their experience and adapt to their
specific needs. The goal of a virtual assistant is to make data exploration
more accessible to a wider range of users and to reduce the time and effort
required for data analysis. It describes the unified business intelligence
semantic model, coupled with a data warehouse and collaborative unit to employ
data mining technology. Moreover, we propose a virtual assistant for CBI and a
reference model of virtual tools for CBI, which consists of three components:
conversational, data exploration and recommendation agents. We believe that the
allocation of these three functional tasks allows you to structure the CBI
issue and apply relevant and productive models for human-like dialogue,
text-to-command transferring, and recommendations simultaneously. The complex
approach based on these three points gives the basis for virtual tool for
collaboration. CBI encourages people, processes, and technology to enable
everyone sharing and leveraging collective expertise, knowledge and data to
gain valuable insights for making better decisions. This allows to respond more
quickly and effectively to changes in the market or internal operations and
improve the progress.
- Abstract(参考訳): Collaborative Business Analysis (CBA) は、ビジネスユーザ、アナリスト、テクニカルスペシャリストを含むさまざまな利害関係者を集めて、データを協調的に分析し、ビジネスオペレーションに関する洞察を得る手法である。
cbaの主な目的は、ビジネス分析に関わるさまざまなグループ間の知識共有とコラボレーションを促進することである。
CBAは通常、データ収集と分析、ブレインストーミング、問題解決、意思決定、知識共有など、さまざまなアクティビティを伴います。
これらの活動は、対面会議、仮想コラボレーションツール、オンラインフォーラムなど、さまざまなチャネルを通じて行われる。
本稿では,ビジネスインテリジェンス(BI)プラットフォームの重要な部分として,仮想コラボレーションツールを扱う。
コラボレーションビジネスインテリジェンス(CBI)ツールは、ユーザフレンドリになり、アクセスしやすく、柔軟になり、ユーザが自身のエクスペリエンスをカスタマイズし、特定のニーズに適応できるようになる。
バーチャルアシスタントの目標は、より広い範囲のユーザーにデータ探索をよりアクセスしやすくし、データ分析に必要な時間と労力を削減することである。
統合されたビジネスインテリジェンスセマンティックモデルと、データマイニング技術を採用するためのデータウェアハウスとコラボレーティブユニットについて説明する。
さらに,対話型,データ探索型,レコメンデーション型という3つのコンポーネントからなる,cbi用仮想アシスタントとcbi用仮想ツールのリファレンスモデルを提案する。
これら3つの機能的タスクの割り当てにより、CBIの問題を構造化し、人間のような対話、テキストからコマンドへの転送、レコメンデーションを同時に適用できると考えています。
これら3点に基づく複雑なアプローチは、コラボレーションのための仮想ツールの基礎となります。
CBIは人々、プロセス、テクノロジを奨励し、全員の知識、知識、データの共有と活用を可能にし、より良い意思決定を行うための貴重な洞察を得る。
これにより、市場や内部運用の変化に対して迅速かつ効果的に対応し、進捗を改善することができる。
関連論文リスト
- Collaborative business intelligence virtual assistant [1.9953434933575993]
本研究では、ユーザとCBI仮想アシスタントのインタラクションを通じて、分散仮想チームにおけるデータマイニングの応用に焦点を当てる。
CBIのための仮想アシスタントは、より広い範囲のユーザのためのデータ探索アクセシビリティを強化し、データ分析に必要な時間と労力を合理化するためのものである。
論文 参考訳(メタデータ) (2023-12-20T05:34:12Z) - Investigating Collaborative Data Practices: a Case Study on Artificial
Intelligence for Healthcare Research [1.3178083420209858]
英国における複数の長期的条件を理解し管理するためにAIツールを適用する研究コンソーシアムのコラボレーティブデータプラクティスについて検討する。
本研究は,知識共有のためのツールの適応と,オーディエンスに基づく情報の調整について明らかにした。
私たちはミーティングを、規律間の交流を促進し、知識のブレンディングと創出を可能にするキーセッティングとして特定します。
論文 参考訳(メタデータ) (2023-11-30T10:19:33Z) - AVIS: Autonomous Visual Information Seeking with Large Language Model
Agent [123.75169211547149]
本稿では,視覚的質問応答フレームワークAVISを提案する。
本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。
AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
論文 参考訳(メタデータ) (2023-06-13T20:50:22Z) - A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳(メタデータ) (2023-06-05T01:01:12Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - OPERA: Harmonizing Task-Oriented Dialogs and Information Seeking
Experience [87.0233567695073]
会話型AIにおける既存の研究は、主にタスク指向対話(TOD)と質問応答(QA)を別々のタスクとして扱う。
そこで我々は,TODとQAタスクを組み合わせた新たなタスクであるOpen-Book TOD (OB-TOD)を提案する。
我々は,そのタスクに対処するために,明示的で暗黙的な外部知識を適切にアクセス可能な統一モデルOPERAを提案する。
論文 参考訳(メタデータ) (2022-06-24T18:21:26Z) - SemTUI: a Framework for the Interactive Semantic Enrichment of Tabular
Data [0.0]
SemTUIは、セマンティクスを使うことで、リッチ化プロセスを柔軟、完全、効果的にするためのフレームワークである。
タスク駆動のユーザ評価によって、SemTUIは理解でき、使いやすく、テーブルの充実をほとんど努力も時間もかからずに達成できることが証明された。
論文 参考訳(メタデータ) (2022-03-17T17:14:21Z) - Augmenting Decision Making via Interactive What-If Analysis [4.920817773181235]
現在、ビジネスユーザーは長期にわたる探索分析を行う必要がある。
データセットの複雑さの増大と人間の認知的限界が組み合わさって、複数の仮説を乗り越えることが困難になる。
ここでは、ビジネスユーザがデータ属性の集合間の関係(機能)について対話的に学び、推論できるために必要な4つの機能について論じます。
論文 参考訳(メタデータ) (2021-09-13T17:54:30Z) - Big Data Analytics Applying the Fusion Approach of Multicriteria
Decision Making with Deep Learning Algorithms [0.0]
複数基準に基づく意思決定は、ビッグデータ分析における代替効果に関連する様々な問題に対して解決すべき重要な問題の1つである。
意思決定のようなアルゴリズムや、マルチ基準に基づくディープラーニングメカニズムを含む、最新の機械学習技術に基づくソリューションを見つける傾向があります。
本質的には、ビジネス、農業、情報技術、コンピュータ科学を含むいくつかの分野は、深層学習と多基準に基づく意思決定問題を使用する。
論文 参考訳(メタデータ) (2021-02-02T05:56:03Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-03-28T05:47:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。