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白皮书

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业智能与分析 | LF AI & DATA�����������������������������������������08 生产力 ������������������������������������������������������������08 面向非程序员的编程 ������������������������10 洞见 ����������������������������������������������������������������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 建议 ����������������������������������������������������� 系统架构师 Introduction 在技术迅速演变的背景下，企业不断寻求创新方法以保持领先地位。其中一项颠覆性的进步便是生成式AI，这项技术有望重塑商业智能（BI）和分析的未来。想象一个世界，在这个世界中，数据可以直接与你交流，你的分析工具不仅能回答你的查询，还能预见你的需求，提供你未曾想到的见解。这就是生成式AI的承诺——一种将原始数据转化为丰富、可操作情报的工具，赋能企业做出更明智、更快的决策。 生成式AI成为提升生产效率、深化洞察和美化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到AI驱动聊天机器人带来的魔力，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。通过本探索，您将不仅了解生成式AI的变革力量，还将学会如何有效地在企业内部利用它。为了简化说明，我们将此分为多个真实世界的人物角色。 这份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应用情况， 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 企业用户，比如佩吉·苏，是任何企业组织中的勤劳蜜蜂。在这里核对数据，在那里完成需要完成的工作。嗡嗡。嗡嗡。嗡嗡。本部分探讨类似佩吉·苏的其他人所面临的机会、挑战以及建议。 尽管许多组织急于将机器人交付给业务用户使用，但由于过度关注技术而忽视了对员工进行使用培训，反而可能导致无所适从的僵局。 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“告诉我我们在南美地区的啤酒总销量是多少。”她提出的问题都得到了答复。然而，她的挑战在于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启动她的职业生涯。她在就读大学时上了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发挥了重要作用。几乎每一天，她都会在 LinkedIn 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 聊天机器人的经历帖子。 她兴奋地收到一封电子邮件，得知她的组织将获得一个聊天机器人，与他们的仪表盘一同使用。突然间，聊天机器人出现在了那里，佩吉·苏的心中充满了对未来可能性的憧憬。 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，但答案并未解释使用了哪种计算方法。即使某个计算方法是正确的，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，这很好，因为尽管她从一个忙得焦头烂额的培训师那里获得了10分钟的培训，但她并不记得所有内容。因此，她问道：“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，她还是希望获得关于她正在查看的仪表盘的详细信息。在连续提出几个类似的问题后，她有些担心或许管理层正在监控她的提问，并且如果她继续提出这类问题，可能会因未能在短短的10分钟培训后掌握所有相关知识而受到责备。 那一刻，灵感闪现，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。尽管布朗艾尔啤酒的销量如此之高，但利润却并不理想。 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”输入框中输入：“考虑到我们销售了大量的棕色艾尔啤酒，为什么我们在这种啤酒上的利润不多？”，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：“销售布朗艾尔远多于其他啤酒的原因可能是什么？” 佩吉·苏在感到困惑时被这种提问模式所启发，尤其是在她无法通过屏幕上的条形图、饼图和线图解释某些现象时。有一天，在听到公司正在举办的一个员工可以提出建议以提高销售的比赛后，她决定大胆地进行提问：你能告诉我从文化角度我们为什么会在某些地区卖出这么多棕色艾尔啤酒，以及哪些具有相似文化的地区我们也可以开始销售它？ chat bot thing a majiggies? ” Peggy Sue had a few bits of advice for him: Recommendations 而在赢得公司建议竞赛后乘坐游轮的途中，Peggy Sue有多次机会在公司的商业智能工具中向其他乘客回顾她到目前为止与生成式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。 故事暂时放下……我们能为商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/列的数据转换为真理，而这些真理可能是你的模型无法访问的。 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）旁与一位乘客交谈时说：“我使用着175个不同的商业智能应用。你觉得我们应该从哪一个开始使用与大型语言模型相关的那个吗？” 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。 让我们将时间回溯到六个月前，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转型数据科学家，一直在利用生成式AI进行编码任务。副驾擅长生成代码和总结大量文本，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，“我可以仅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。想象一下，如果人们能够与自己的数据和仪表板进行对话，能够迅速回答的问题数量将会是多少？ - 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，Sally意识到存在几种潜在风险。她被指派评估这款副驾产品，并将其发送给像佩吉·苏这样的业务用户。佩吉可能会问些什么问题？人们会用它构建什么样的仪表盘？我们如何为生产用途认证这款产品？数据安全方面又该如何处理？使用这款产品是否会有变动成本？Sally心中有很多问题。她将这些问题归纳为两大类：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。对于全新的商业分析师来说，这是一项艰巨的任务。这可能意味着需要发送大量电子邮件以了解人们关心哪些指标、数据存放在何处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盘方面带来了充足的机会。萨莉将重点探讨这三个潜在的机会： - 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 ？ 莎莉·苏的BI副驾使她能够上传文档，创建一个受治理的、自定义的副驾，从而更有效地回答特定问题。她组织内部的维基wiki，随着时间的推移不断改进文档实践，成为主要资源。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（Total Time to Completion）”。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。这名初级分析师拥有包含一个名为 TTC 的变量的数据。他们简单地向他们的副驾提问了一个模糊的问题： 在测试阶段，萨利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。萨利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，筛选并整理了经过精心编排的文档，仔细清理并将其格式化为包含标题、节名和文本信息的JSON文件。然后，将此JSON文件上传至BI工具的副驾中，软件将接管其余工作。 “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情况，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，并且是公司最重要的指标，因为它与收入呈高度负相关。TTC 越低，收入往往越高。以下是可视化数据的一些建议： 定制副驾功能借助这份全面准确的文档增强了其回答业务问题的能力。例如，它现在可以为仅在维基中记录的传统流程提供详细的解