对话式分析如何成为企业智能增长的加速器

智能增长的加速器。 摘要 多年来，企业一直在努力整合日益增长且日趋多样化的数据，以期快速访问、共享数据，并依据数据洞察采取行动。 对话式分析标志着一个战略转折点的到来。当任何员工都可以用自然语言询问公司数据时，您就从根本上改变了组织的运营模式。为员工提供准确、以数据为支撑的答案并非终点，而是起点。当我们从沉睡在报告中的滞后洞察，转向能够即时呈现的实时对话时， 为员工提供准确、以数据为支撑的答案并非终点，而是起点。 会发生什么？你将创造一种数据探索文化。能够即时提出“为什么”和“如果”的能力会引发新的问题，并缩短从问题到行动之间的时间差。借助对话式分析，我们终于实现了商业智能长期以来的承诺。企业现在 可以从被动应对过去事件或预测未来结果，转变为主动塑造未来，打造引领市场所需的灵活性。 通往数据成熟之路 数据领导者：速度制胜的关键1. 数据分析 市场领军者与追随者的分水岭，在于将信息转化为行动的速度。 企业产生的数据量比以往任何时候都要多，但有意义的分析洞见对多数人而言仍是难以企及的稀缺资源。从库存到营销再到销售，企业各环节对数据分析的需求都非常旺盛。但掌握 让宝贵的数据价值在流程中枯萎。在数据分析专家的队列中滞留一两周，纵是新锐的洞见，也难免沦为错失的商机。而这一切的前提，是决策者最初就提出了正确的问题。如何解决尚未识别的 关键信息的数据分析师，始终是有限资源。依赖数据团队解答每个问题的模式，不仅速度慢、效率低，且难以持续——导致分析需求积压日益严重。与此同时，市场对实时数据驱动决策的期待持续攀升。 问题？主动发掘数据洞见是企业抢占先机的关键。 数据领导者面临的最大挑战。 对话式分析可以助力企业跨越数据成熟度的三个阶段。 海量数据。宏伟目标。与破局挑战。•统一可信数据源 如何确保各部门使用一致的定义与指标，使数据洞见真正有意义？•信任新工具AI的引入和应用可能会引发人们对其来源、安全性、保密性和责任归属的质疑与不理解。•数据民主化困境如何在开放企业数据访问权限的同时，确保安全性与合规性？•数据瓶颈数据分析师经验宝贵，但资源有限。•数据价值挖掘企业如何最大化数据投资回报，并快速响应市场动态？ 释放全员洞察力——赋能企业各层级基于数据决策，推动业务发展 略赋能中枢 层级与收入来源 对话式分析：重塑行业新格局2. 数据分析 商业智能(BI)的未来已超越静态数字面板，提供与数据的深入、细致对话。 长期以来，商业智能(BI)始终掌握在少数精通SQL与专业BI工具的技术专家手中。对话式分析改变了数据访问方式，将静态信息转变为全员可交互的 战略资源。 借助对话式分析，用户可以按照自己的想法、以通俗易懂的语言提问，进行数据探索、分析并与数据互动。 这种BI范式革新，让企业全员能够快速实现数据驱动决策。 对话式分析重塑数据分析价值：从成本中心升级为增长引擎，帮助你深度理解客户与业务、提升运营效率并推动新增长。而这仅仅是个开始。当每个人都能与公司数据进行对话时，将自然 Google Cloud对话式分析是基于Looker平台、融合Google的Gemini大模型能力打造的AI赋能BI解决方案，可根据企业专属的数据集、治理策略和监管考量提供有依据的答案。 引发后续追问、深入探讨及全新的问题类型。对话式分析会激发企业级数据好奇心和参与度——解锁全新思维方式、运营模式与价值创造路径。这正是创新的引擎。实现BI跨越式升级的第一步，是激活现有数据资产的对话式分析 能力。在本白皮书中，我们将详解企业需要经历的数据洞见成熟度三大阶段。首先，我们来探讨一个先决条件：确保全员认知对齐。 构建统一可信数据源3.Looker语义层深度解析 数据分析 我们的目标不是更快地获取不准确的答案。更快获得可信答案才是范式革新。” 数据是企业的燃料。如何确保公司全员使用统一的业务语言？ Richard KuzmaGoogle生成式AI产品经理 准确性至关重要。而企业级数据与分析洞见的信任体系是基石。如果你向AI应用咨询护肤建议，模型给出90%准确率的建议，你 的皮肤就可能会变得更好。但如果您是要查询企业数据生成收入报告，那么得到的回复只有90%的正确率则会造成严重问题。语义层可确保每位用户都能基于可靠数据源，使用统一指标并获得 一致结果。 什么是语义层？ Looker的语义层通过以下特性确保所有人都基于单一可信来源开展工作： 语义层作为底层数据的业务映射层，可将复杂的数据转化为直观的业务术语。数据工程师和分析师可以定义数据关系、构建业务逻辑，并将上下文信息融入数据中，供企业内的每个人使用和复用。由此实现一致性和单一可信来源。 集中化定义与指标，确保整个企业内数据的一致性和准确性 数据治理：建立清晰的数据安全与访问边界 基于事实的答复，减少模型“幻觉” 可访问并分析数据可扩展性：通过自助工具，让数据分析能力覆盖全员 借助Looker的语义层，用户可以在可信的基础上获得数据洞见。 我相信大家都见过两个信息中心的数据不一致的情况。因此，用户不禁要问：“我能相信这个吗？”这迫使团队反复调试信息中心，以确定数据不同的原因并进行修复。随着数据使用者的增加，这一问题呈指数级增长。” Adam WilsonGoogle Cloud组合产品经理 不要相信大语言模型(LLM)编写的没有语义层的SQL。有许多概念众所周知难以被LLM转换成原始SQL，且容易导致不准确或用 户间结果不一致。语义视图本质是表上元数据层，最终依赖LLM生成SQL。Looker从根本上将SQL生成责任从LLM转移到自身。LLM通过API与语 义层交互。这意味着，为了回答用户问题，Looker基于LookML内置的SQL构造和可用字段来执行查询，而不是直接编写SQL。这些可复用的API调用确保每次都能选择正确的指标，且计算逻辑完全一致。此外，Looker的语义层意味着它还可以处理复杂度更高的用例。 分析“去年各年龄段30天复购率”查询。 这个查询涉及多个元素，如果交给LLM处理，容易导致不准确或用户间结果不一致。 •“年龄层”：LLM需要理解并应用CASE语句，然后“猜测”适当的分层标准（例如，10年、20年或自定义）。•“30天复购率”是一个复杂的指标，LLM很难用原始SQL准确编写。•“去年”存在多种时间窗口解释。LLM有时可能使用滚动年，有时又使用完整年定义。这个查询的每一步都可能为LLM埋下隐患，导致其向不同用户提供不一 Looker的语义层将生成式AI自然语言查询中的数据错误率降低66.7%。 致的结果。Looker会确保每次输出完全一致。 了解Looker如何实现可信AI层让您能够在与数据交互的所有界面中享受这些技术革新。Looker将持续扩展对各种数据源的支持，增强智能体智能性，优化对话式分析功能，让数据交互如同与最信赖的业务顾问对话般直观高效。 施华洛世奇：让数据大放异彩 除了精准切割的水晶、永恒传承的工艺与独特的设计，施华洛世奇还构建了统一数据源作为企业创新平台。至今，这家奢侈品牌已将其所有孤岛化、分散的数据整合至 拥有130年历史的品牌 BigQuery上的集中式数据湖仓中。通过Looker构建客户数据平台，整合电子商务、CRM、营销和零售领域的客户触点。并且扩大了AI应用规模，利用Gemini和Vertex AI构建门户，使生成式AI工具的使用在全业务范围内普及。 2300家精品店 Gemini和Vertex AI扩展数据与AI战略 方案，让我们实现数据实时感知。在保持人文创意核心的同时以真诚且智能的方式与客户沟通。这就是施华洛世奇创造喜悦的方式。”Fabrizio Antonelli施华洛世奇副总裁兼数据与AI全球负责人 第1阶段：让数据洞见惠及全员 借助对话式分析，获取分析洞见如同询问同事般简单，赋能全员做出更智能的数据驱动决策。 对话式分析帮助用户在现有工作环境中使用数据。实现企业级变革的关键在于近乎普及的采用率，复杂工具或孤立应用对此毫无帮助。Looker将对话式分析功能集成到员工日常工具中，包括Google Chat、WhatsApp、Slack、Google表格和BigQuery。当全员都能与数据对话时，整个公司的实力都将得到提升。由此创 造出双赢局面：决策者即时获取答案，分析师释放更大价值。 对话式分析将BI从需要专业技能的单点解决方案转变为企业全员都可以使用的工具。摆脱预构建的信息中心和复杂的SQL查询，赋予自助数据探索能力，与数据对话，实现秒级数据洞见与深度分析。对话式分析以Looker可信的语义层为基础，并以可复用 的智能体上下文为指导，确保指标准确一致并维护数据治理，同时根据用户访问权限控制运行查询。 传统BI工具会进行数据提取或生成副本。Looker的库内架构意 详细了解Looker味着它不会创建并行副本。新数据入库后，用户和信息中心可立即使用——实现零延迟实时数据查看。 对话式分析通过双向管控实现治理。 治理数据，为员工赋能。 1.通过语义层建立信任：：Looker语义层提供保护机制，确保所有回答都来自统一、受治理的可信数据源，并符合预定义业务逻辑。2.通过细粒度访问权限控制保障安全：：普及化不等于开放所有权限。Looker在设计时充分考虑了企业各层级的安全需求。 全员数据访问引发一个核心问题：如何在赋能的同时避免指标混乱与安全风险？ 答案是构建信任的基础。作为数据守护者，分析师不应开放他们自己都不信任的功能。 底层数据库角色与访问控制。这样，根据角色设置，Antonio可以查看某些行和列，而Sofia可以查看更多内容。 分离。企业可以允许用户查看数据但限制他们的对话交互能力。以选择将智能体的创建和共享权限限制给最受信赖的数据管理员。 双向管控是破解普及化难题的关键。您既能获得自然语言提问的速度和便捷性，又能拥有银行、电信公司或全球零售商所需的稳健安全保障。这不仅是普及化，更是全场景治理的普及化。 如何在AI时代制定前瞻性的数据治理。相比以前，您现在拥有更多数据。在发掘宝贵数据洞 见的同时，保障数据安全和遵循法规，其难度日益增加。主动式、自动化的数据治理能充分发掘数据资产的价值。帮助您从数据中洞察业务先机、推动创新，并长期获得投资回报。 Servicios Orienta构建数据优先决策文化 Servicios Orienta是一家墨西哥公司，致力于通过尖端技术和创新流程提升员工福利和业务效率。Orienta部署了多种Google Cloud解决方案，包括DataFusion、Dataproc、BigQuery 和Looker，旨在更高效地整合分析大数据，提供有关其服务使用情况和有效性的详细定制报告。这彻底改变了该公司的运营方式，使客户与员工双向受益。BigQuery和Looker助力团队识别趋势、评估在线讲座与咨询效果，并优化用户体验。 通过描述性、预测性和相关性分析，甚至AI技术，Orienta现在能够理解结果并据此提供客户体验优化建议。Orienta的最终用户也可以通过自然语言提交查询，并利用他们自己的数据分析和数 据洞见，从而提升决策质量与业务战略执行力。 第2阶段：突破瓶颈，实现创新跃迁 数据洞见的价值始终难以充分释放，其瓶颈在于一个长期存在的困境：数据分析团队的持续超负荷运转。即使配备了强大的BI工具，分析师们仍深陷于报告请求、临时查询和信息中心更新的循环中。 数据分析 将分析师从临时需求的繁琐工作中解放出来，他们便能将精力投入到具有重大影响的战略性工作中。 的运转速度都会被这个队列拖慢。对话式分析打破了这一循环。通过让任何人都能用自然语言提出数据问题 并立即获得可信的答案，整个工作流程得以重塑。这不仅意味着更快地生成报告——更是从根本上改变企业利用数据创造价值的方式。 将分析师从繁琐的日常请求中解放出来，让他们能够专注于高影响力、可扩展的工作。他们的角色从数据服务