2024年智能炼金术：生成式 AI 如何彻底改变现代企业中的商业智能和分析

生成式 AI 如何彻底改变现代企业中的商业智能和分析 内容表 业务用户机遇 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -- - - - - - - - - - 业务分析师 IT 管理员 智能的炼金术：生成式AI如何革新现代企业商务 Intelligence 和分析 | LF AI & 数据�����������������������������������������08 生产效率 ������������������������������������������������������������08 非程序员编程 ��������������������������������������������10 瞻析 ������������������������������������������������������������������������10 美化 �������������������������������������������������������������11 挑战 ������������������������������������������������������������������12 实用性����������������������������������������������������������������12 信任 ���������������������������������������������������������������������13 人为错误与文档 �����������������������������������������14 安全 �����������������������������������������������������������������������14 建 系统架构师 Introduction 在技术快速演变的背景下，企业不断寻求创新方式以保持领先地位。其中一项颠覆性的进展便是生成式人工智能（Generative AI），这项技术有潜力重塑商业智能（BI）和分析的未来。想象一个世界，在这个世界中，数据可以直接与你对话，你的分析工具不仅能回答你的问题，还能预测你的需求，提供你未曾想到的见解。这就是生成式人工智能的承诺——一种将原始数据转化为丰富、可操作情报的工具，助力企业做出更明智、更快的决策。 生成式AI成为提升生产力、获得更敏锐洞察和更美观数据可视化的重要催化剂。从像佩吉·苏这样的业务用户体验AI驱动的聊天机器人神奇效果，到像戴伦·道森这样的数据科学家利用生成模型进行前所未有的数据分析，这一叙述揭示了机遇与挑战并存的局面。通过本研究的探索，您将不仅了解生成式AI的变革力量，还将学会如何在其企业内部有效运用它。为了简化说明，我们将其拆分为多个实际应用场景的角色。 这篇白皮书的旅程将带你深入这场革命的核心。我们将探索实际场景中的 业务用户 使用 BI 工具生成的仪表板和报告做出明智的战略决策。 挑战 商业用户，就像佩吉·苏一样，是任何企业蜂巢中的勤劳工蜂。在这里核对数字，在那里完成需要完成的工作。嗡嗡。嗡嗡。嗡嗡。本部分探讨了类似佩吉·苏的其他人所面临的机会、挑战及建议。 尽管许多组织急于将聊天机器人交给业务用户使用，但由于他们过于关注技术而忽视了对员工进行使用培训，由此可能导致空白画布上的分析瘫痪。 机会 最终 ， 佩吉 · 苏开始问这些问题 ， 因为他们来到了她的脑海“请告诉我我们在南美地区的啤酒总销售额。” “哪个地点销售了我们最多的波特啤酒？” “哪个部门在财务上表现不佳？”她提出的问题每个都得到了答复，但她面临的挑战是大多数答案似乎都是错误的。当她深入查看仪表盘中的详细记录时，确认了这些答案确实是错误的。“好吧， 我认为这东西不是很擅长数学。如果我不能要求它累加数字 ， 他们为什么要给我这个东西 ？ ” 佩吉·苏很高兴能有机会与一家以啤酒质量著称并在行业中真正引领高科技潮流的全球啤酒分销公司开启她的职业生涯。她在大学期间修过许多关于仪表板和分析的课程，这些课程在她最初的六个月里对她帮助很大。几乎每一天，她都会在领英上看到这位好朋友或另一位朋友分享他们使用某种生成式AI聊天机器人的经历，赞不绝口。 她兴奋地收到了一封邮件，通知她的组织将获得一个聊天机器人，与他们的仪表盘一起使用。 suddenly，聊天机器人出现了，佩吉·苏的心中充满了无限的可能性。 其他时候 ， 这些数字是关于她知道公司有多种计算方法的措施。这个问题可能适用于其中一个指标，但回答并没有说明使用了哪种计算方法。即使某个计算方法是准确的，我也无法确定这就是我老板期望看到的方法。 她读到的所有东西都使用了像这样的短语“改变游戏 ”“ 使生活变得更加轻松 ” “将取代所有工人 ”一些海报还不如使用 “hocus pocus dominocus ” 这个词 ， 因为它听起来像魔术。 “也许它在那里 ， 所以我可以问有关仪表板本身的问题 ”她心想，这还不错，因为尽管她从一个忙得团团转的培训师那里得到了10分钟的培训，但她并不记得所有内容。因此，她问了一句，“我如何找出哪个部门在我的仪表板上挣扎 ？ ” 佩吉 · 苏的思想是赛车“看看漂亮的输入框 ， 上面写着我可以问任何东西。 ”不幸的是 ， 佩吉 · 苏又有了一个想法 ，“我可以问任何事情 ， 但我不知道该问什么。 尽管这个问题引人深思，她还是希望得到关于她正在查看的仪表盘的具体信息。在提出了一连串类似的问题之后，她有些担心管理层是否在监控她的提问，如果继续问类似的问题，可能会因为没有在那长达10分钟的培训中学会所有内容而受到批评。 那一刻灵光一闪，佩吉·苏的脑海中响起了合唱声。在继续她的分析时，她再次对数据产生了好奇。尽管棕色艾尔啤酒的销量非常高，但利润却不高。 有一天 ， 当她正在审查一些季度数据 ， 她的同事们不在办公室时 ， 她突然意识到 ： 她迅速在“问任何问题”的输入框中输入了“我们为什么在销售那么多棕色艾尔啤酒的情况下利润不多，有哪些原因？”并再次对回复印象深刻。 也许我应该问同样的问题，通常我会问他们。于是，她这样问：“销售布朗艾尔的数量远远超过其他啤酒的原因可能有哪些？” 佩吉·苏受到这种询问模式的启发，当她对屏幕上柱状图、饼图和折线图中看不到的现象感到困惑时。有一天，在听公司有关任何员工都可以提出建议以增加销售的比赛时，她决定大胆地提出问题：你能告诉我文化上的原因，在我们现有的市场中为什么布朗艾尔啤酒销量如此之高，以及其他具有相似文化的市场我们是否可以开始销售这种啤酒？ chat bot thing a majiggies? ” Peggy Sue had a few bits of advice for him: Recommendations 在乘坐获奖后的公司建议竞赛航班期间，Peggy Sue有多次机会使用公司商务智能工具向其他乘客回顾她到目前为止在公司内与生成式AI的相关经历。 您提供的组使用的一个• AI 扫盲培训要提前。 您的业务用户偷看隔间墙壁的那个• 不要问任何涉及数学的问题。 和彼此聊得最多。 故事讲述暂且放下……我们能为业务用户提供的最重要建议是，将您的生成式AI聊天机器人视为生活中的任何其他可信赖顾问。 对实际业务问题的真正答案通常涉及• 复杂的布尔逻辑将数百万行/列的数据转换为真相，而你的模型可能无法访问这些真相。 他们不会为你做你的工作。 不要问答案 ， 寻求建议。答案意味着你是• •他们不会总是提供你同意的建议。 完成并将采取行动 ， 但建议意味着您将用自己的知识来增加输入， 然后采取行动。 与你生活中的其他顾问不同 ， 他们永远不会太忙• 当你以 10 种不同的方式问同样的问题时 ， 他们永远不会被冒犯。 她提到，在其中一款高脚饮料（通常装有水果楔和伞形装饰）旁边交谈的一位乘客说：“我使用着175种不同的商业智能应用程序。你觉得我们应该从哪一个开始与大型语言模型结合使用呢？” 你仍然对你的工作负责 ， 所以总是• 用你自己的智慧来增加你可能收到的任何建议。 业务分析师 与利益相关方密切合作以了解业务需求，并使用商业智能工具创建报告、仪表板和可视化内容。 让我们将时间回溯六个月，看看Peggy Sue的新BI副驾是如何诞生的。Sally Sue，这位不可阻挡的业务分析师兼数据科学家，一直在利用生成式AI进行编码任务的实验。副驾在生成代码和总结大量文本方面表现出色，而她的公司最近采用了一款内置副驾功能的BI工具。“太棒了！”她心想，“通过提问就能分析我的数据并构建仪表板吗？”Sally对这个想法感到非常兴奋——她的首席信息官也是如此。你能想象如果人们能够与自己的数据和仪表板进行对话，可以迅速回答多少问题吗？ - 生成的 AI 可以帮助创造更好的外观3. 美化美丽的仪表板与自动内置的最佳实践 ？- 我的利益相关者可以 “与他们的仪表板聊天 ”2. Insights以获得更快的时间来洞察 ？ 让我们来探讨这三个概念。 生产率 构建仪表板并非易事。必须考虑许多注意事项 ： 超越兴奋之情，莎莉意识到存在几种潜在风险。她被指派评估这款副驾系统以用于生产，并将其发送给像佩吉·苏这样的业务用户。佩吉可能会提出什么样的问题？人们会用它构建什么样的仪表盘？我们如何为生产用途进行认证？关于数据安全方面呢？使用这款产品是否会有变动成本？莎莉心中涌现了诸多问题。她将这些问题主要分为两个方面：机遇与挑战。 ••••他们关心什么指标 ？数据是否支持这些指标 ？观众是谁 ？ 高管 ？ 业务部门 ？ 另一个分析师? 你自己?他们多久会查看一次仪表板 ？你预计他们会问什么后续问题 ？您是否需要将其拆分为多个仪表板 ？ 机会 这些问题的答案将极大地改变仪表盘的设计。首先必须理解整体业务问题以及数据如何支持这些指标。对于全新的商务分析师来说，这是一项艰巨的任务。这可能意味着需要发送大量的电子邮件以了解人们关心哪些指标、数据存放在哪里以及需要阅读哪些文档。 生成式AI通过与其进行对话为其在处理数据和仪表板方面带来了充足的机会。萨莉将重点探讨这三类潜在机会： - 生成 AI 能否提高生产力1. 生产力在使用 BI 工具时 ， 我的初级和高级业务分析师 ？ 萨利·苏的BI副驾使她能够上传文档，创建一个受治理的、定制化的副驾，从而更有效地回答特定问题。她组织内部的维基wiki，随着时间的推移改善了文档实践，作为主要资源。然而，许多业务问题的答案仍然埋藏在十年-old的电子邮件和部落知识中。 TTC 实际上代表什么？在知识库中，TTC 被定义为“总完成时间”。这个数值越低，啤酒从灌装到分销的速度就越快。考虑这样一个场景：一名初级商业分析师被分配创建一个关于 TTC 的仪表板。这名初级分析师手中有包含一个名为 TTC 的变量的数据。他们简单地向他们的副驾询问了一个模糊的问题： 在测试阶段，萨莉利用了维基中的内容。大型语言模型擅长解析和总结大量文本：她提供的文档质量越高、准确性越强，副驾的表现就越好。萨莉仔细查阅了维基的内容，通过与其他部门交叉验证确保其准确性，然后筛选并整理出精炼的文档，仔细清理后将其格式化为包含标题、部分名称和文本信息的JSON文件。最后，该JSON文件被上传到BI工具的副驾中，软件将负责后续处理。 “向我解释数据中的内容。 然后副驾驶返回 ： 你的数据似乎包含多种啤酒产品及其随时间生产的信息，以及这些产品的属性，如重量、尺寸和生产成本。总完成时间（TTC）也被列为其中一个属性，并且它是企业最重要的指标，因为它与收入高度负相关。TTC 越低，收入往往越高。以下是几种可视化数据的建议： 定制副驾并结合此全面准确的文档增强了其回答业务问题的