指南
AI 如何改变商业智能
AI 正在改变谁能从数据中获得答案，以及从原始数据到决策之间需要多少手工工作。本指南介绍了主要变化及其局限。
BI 工作以往的组织方式
传统商业智能遵循一条链条：工程师准备数据，分析师构建报表和仪表板，业务用户阅读。每个新问题都要沿链条逆流而上，每一步都是专家手工完成的工作。
AI 带来的五个变化
- 数据准备：AI 剖析数据、建议联接并起草转换管道，供工程师审核。
- 仪表板创建：AI 提出 KPI 和图表类型并组装初稿，分析师不再从空白画布开始。
- 日常语言提问：人们用自己的话提问，无需了解查询语言即可获得图表或表格。
- 模式检测：AI 会突出人们可能想不到去查看的趋势和异常值。
- 让更多人使用预测：预测和 What-If 情景成为日常仪表板的一部分，而不是单独的数据科学项目。
每个角色会有哪些变化
| 角色 | 之前 | 借助 AI |
|---|---|---|
| 数据工程师 | 大多数管道都手工编写 | 审核并批准生成的管道，专注于业务规则和边缘情况 |
| BI 分析师 | 从零开始构建仪表板 | 检查并完善生成的仪表板，并负责度量值定义 |
| 业务用户 | 等待报表或新的查询 | 直接在受治理数据上提出后续问题 |
AI 不会改变什么
- 答案是否正确仍取决于数据质量。
- 度量值需要商定的定义和负责人。
- 生成的管道、仪表板和答案必须可审核，并且必须有人对其负责。
- 预测仍然是基于历史模式和所选假设的估计。
治理变得更重要，而不是更不重要
当更多人能够生成仪表板并提出问题时，一致的定义、访问规则和审核步骤就更加重要。请选择能够展示每个结果如何得出、并遵循源系统访问规则的工具。
DAXORA 如何应用这一点
DAXORA Studio 将 AI 用于数据准备和机器学习，DAXORA Insight 用于仪表板、提问和预测，DAXORA Forge 用于为 BI 平台生成原生报表。在每个产品中，AI 生成的工作都会在使用前由人员审核。