天然语言生成（NLG）的好处是什么，它如何影响BI？

近年来，咱们已经看到了大数据的成功应用，但根据研究，只有20％的员工可以真正的使用BI工具。此外，因为在统计思惟方面缺少培训且图表和图表形式的数据不是很清晰，决策者每每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-天然语言处理，天然语言理解和天然语言生成以及他们的分析算法。

早些时候，企业须要必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、天然语言处理和天然语言生成的发展，机器变得足够智能，也能知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的技术能够理解庞大的数据集，从而产生有价值的看法，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使人生畏的技术术语，但NLP，NLG和NLU彷佛是用于解释简单过程的复杂缩略词。

一、NLP是指计算机读取并将输入文本转换为结构化数据；
二、NLU意味着理解计算机捕获的文本/统计数据；
三、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；

天然语言处理的阅读部分很复杂，其中包括许多功能，例如：

一、不雅表达的语言过滤器；
二、涉及人类情感的情感分析；
三、主题分类；

天然语言理解（NLU）是人工智能的重要子集，它出如今天然语言处理以后，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

人类老是须要数据来制定新的想法并进行沟通。可是，随着须要评估的数据量变大以及显著下降成本的需求，企业须要肯定一种新的简化方法，天然语言生成（NLG）就是目前最佳的方法之一。

天然语言生成（NLG）主要的好处在于它可以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能够生成丰富的信息，这与天然语言处理不一样，后者仅评估文本以造成看法。

经过天然语言生成，能够准确地评估、分析和传达数据。经过常规分析和相关任务的智能自动化，能够提升生产力，这样人类就能够专一于更具创造性、高价值的回报活动。

在一个有趣的用例中，美联社利用天然语言生成成功的从公司收益报表中生成了报告。这意味着他们再也不须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。

天然语言生成的好处是什么？

天然语言生成的好处超出了人们对于采用人工智能的广泛见解。由于它对营销和业务管理也有不少好处：

自动化建立内容

NLG主要可以作的是根据NLP和NLU以前处理的信息，在有组织结构的数据上建立，经过将结构良好的数据放置在精心配置的模板中，NLG能够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。在这种状况下，依靠算法编程的机器能够完成之内容开发者所但愿的格式建立内容。他们惟一要作的就是经过流行的媒体渠道向目标受众宣传，所以，天然语言生成能够为内容开发者和营销人员提供两大利器：

一、内容生成自动化；

二、以预期格式传送数据；

内容生成能够围绕Web挖掘、搜索引擎API来开发依靠各类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，好比说以根据输入的天气数据生成文本天气预报报告。

人类参与的显著减小

随着天然语言生成系统不断的优化，雇用具备数据素养的专业人员并训练他们完成工做变得很是重要。经过使用天然语言生成，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，为了提高企业效益，注定会有人被淘汰。Gartner预测，在将来20％的业务内容将经过使用天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再也不须要人类建立。

预测性库存管理

商店库存管理的成功都会在业务目标和整体利润方面产生巨大的推进。而在供应链管理中，获取并分析生产率、销售数据尤其重要。根据这些信息，商店经理能够了解如何将库存维持在最佳水平。然而，管理者并不可能完彻底全的掌握到实时数据。

此时，更高级的NLG能够做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。商店经理无需经过数据的多个图表和条形图，就能够得到所需格式的清晰叙述和分析。经过天然语言生成，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。

如何应用天然语言生成？

对于但愿采用并得到天然语言生成优点的企业而言，拥有某些要素时相当重要的，例如：

必须具备匹配的场景

并不是每一个内容建立场景都须要天然语言生成。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。若是你按期传达的任务具备一致的格式，NLG多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利用天然语言生成，在生成Google Analytics的分析报告时少用80%的时间。另外一个例子是华盛顿邮报，它们建立了Heliograf，它是一个基于人工智能的引擎，使用天然语言生成为2016年奥运会和选举竞赛撰写快讯。

树立现实的目标

人工智能技术须要一些时间才能实现自动化操做，要整合并收获天然语言生成的好处，须要必定的时间。你选择的智能是有价格标签的，所以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。若是NLG在生成报告和叙述时真的减小了组织的成本，你能够选择它。

数据必须足够结构化

AI须要特定形式的输入，NLG只有在输入结构化数据时才会起做用。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，再也不是简单的查询以及提供简单的对话，并且将来高级NLG系统还将参与企业特定的工做流程管理，它们将帮助管理人员和员工在客户之间创建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，能够利用天然语言生成的优点实现报告建立、内容生成的实时自动化。有了NLG，企业应该考虑整合可以以最终用户指望的格式有效地生成信息的会话界面，最终增长用户的参与度。

原文连接 本文为云栖社区原创内容，未经容许不得转载。