数据与分析的未来不是更多的仪表板，而是决策智能

企业并不缺少仪表板。它们可以比以往看到更多的企业信息。那么，尽管我们在数据、平台、可视化和自助分析上投入巨大，组织为何仍然在决策和行动上举步维艰？

从信号到行动的路径仍然出人意料地手工化。必须有人找到正确的仪表板，解读变化内容，将其与其他系统和人们头脑中封存的知识对齐，召集团队，决定行动方案，然后执行。

仪表板仍然有价值，但它们主要是为提升可视性而构建的。它们很少汇集决策所需的全部上下文。它们很少在决策瞬间提供情报。问题不在于信息获取，而在于信息与行动之间的距离和努力。人工智能正在揭示这一鸿沟。人工智能也为技术领袖提供了弥合该鸿沟的机会。

决策智能将可信数据、业务上下文、人类判断和受治理的行动围绕创造价值的决策进行连接。借助它，CIO 可以将数据和分析从信息交付、工件驱动的职能转变为创造更大价值的企业决策系统。洞察必须在决策瞬间交付，而不是停留在企业数据仓库的边界内。

数据与分析的未来不是更多的仪表板，而是决策智能。

授予 AI 治理访问分布式企业数据

决策智能依赖 AI 在不妨碍现有安全控制或提升组织数据与分析风险概况的前提下，访问可信的企业数据作为上下文。

将模型带到数据上以降低 AI 风险。为 AI 在所有平台提供数据上下文。统一血缘并在整个数据资产中集中 数据安全和访问控制。

实现常规分析和仪表板构建的民主化

将仪表板生产重新分配给业务部门。提供真正的自助式数据和分析。要在今天生成持续的洞察，具备数据技能的资源需要花费数小时乃至数天来理解数据模式、编写查询和管道、安排任务，并可视化度量指标和关键绩效指标。使用自然语言的用户则不那么幸运。他们必须在分析团队的队列中等待数周乃至数月。

我的团队部署了一款自然语言查询工具（NLQ），使没有数据技能、数据知识或技术熟练度的员工也能在自定义仪表板中生成有意义的洞察并与他人共享。他们仅使用提示即可在几分钟或几小时内创建仪表板。

为了安全，我们保留了现有的数据隐私限制，并直接从我们的数据平台应用行级安全。隐私, 我们仅使用公共模型对提示进行向量化，并将其与业务和技术元数据进行比较。准确性和可靠性, 我们将响应限制在受治理的企业数据和可执行的 SQL 上，而不是可变的、无法解释的 AI 生成答案。

NLQ 将自然语言使用者的洞察时间缩短了 90%

除了加快决策速度外，我们观察到，一旦业务部门继承了情报资产的创作和所有权，他们对在最需要时从何处获取情报有了更强的认识。

常规分析和仪表板构建的民主化使数据与分析团队能够重新获得宝贵的容量，以用于更高价值的交付。

在决策瞬间呈现信号时重新投入分析容量

将释放的容量重新投入到决策智能中。识别埋藏在组织数据深处的信号。在决策关键时刻通过单一视图将其呈现。

业务部门不再问：“这个账户发生了什么？”他们在问：“客户在与我们的互动中表达了什么需求？哪种产品或服务能够满足该需求？哪个部门的哪位个人应当立即负责满足该需求？”

此前，我们的组织在识别将专业服务应用于提升客户体验的机会时遇到困难。我们的答案是 Shared Customer Intelligence, 一款挖掘支持案例以识别客户在优化产品使用时遇到困难的工具。它展示了最能帮助这些客户的专业服务和培训机会。当检测到负面情绪时，它还会建议升级案例。

为了最大化客户服务容量，Case Analyzer 应用为客户服务经理提供所有案例的简明摘要和情感分析。它们可以在原来时间的仅 5% 内完成账户的上线，并且能够同时服务超过两倍的账户。该工具根据已解决的案例和高度相关的知识库文章提供可能的案例解决方案。它在客户需要的瞬间向客户服务经理呈现关键洞察。 

我们了解到，决策智能加速了决策速度。随后我们想知道，如果在适当的治理边界内将决策委派、预授权或自动化，能够获得哪些额外的好处。

将这些信号连线到受治理的行动

决策智能应不仅仅改进重要的人类决策。决策智能有三种模式：提供上下文以帮助人类决策，提出保留人类授权的行动建议，在预定义的控制下执行已授权的行动。

如果营销团队无需审核培训机会，可授权 AI 代理邀请客户参加网络研讨会、以折扣提供培训，或在 CRM 中开启专业服务机会。如果已确定案例的根本原因，指派代理指导客户实施解决方案；如果不确定，则授权代理请求更多信息并记录客户交流。

自主行动当然需要强有力的 IT 治理。行动会被自动化，但责任不会。决策权、置信阈值和升级规则必须明确定义。可解释性、责任制和可逆性必须在工作流中精心设计和构建。人工监督是必不可少的。

决策智能的“执行”模式可以优化业务和 IT 的成本。业务工作流需要更少的人类监督，并且由于该自动化在事务系统之外呈现，避免了冗长的 CRM 或 ERP 对象修改周期。这很好，因为业务对系统变更的等待日益不可容忍。 

随着仪表板所有权的民主化、决策智能的加速以及部分例行决策和行动交由具备适当治理的代理执行，团队可以为下一阶段的“呈现‑决策‑执行”流程演进做好准备。

最终实现工作流设计要素的民主化

最终的目标可能不仅仅是自助分析、强化决策和自动化工作流。随着时间推移，自然语言界面可能让业务团队在 IT 治理下自行重新设计工作流组件。

仪表板时代为企业提供了前所未有的跨领域数据可视性。AI 时代要求能够将可信情报转化为及时且负责任的行动。首席信息官应考虑以下五项行动：

围绕决策而非交付物进行组织。识别那些对提升收入、优化成本、降低风险和改善客户体验有不成比例贡献的重复业务决策。

现代化情报链。将 AI 模型引入可信数据作为上下文。应用适当的治理、安全性和血缘追踪。提升人力资源在决策权、判断力和 AI 监控方面的技能。

释放并重新投入产能。用受治理的自助动态仪表板构建取代数据与分析团队进行的例行查询和可视化活动。将资源重新投入到信号检测、决策系统设计和业务流程再造。

通过受治理的代理简化业务运营。在保留人工监督、人工责任和 IT 治理的同时，重新定义决策权和升级路径，以包括代理。 

演进成功指标。仪表板的使用率和采纳率是薄弱的指标。应衡量从信号到行动的时间、决策质量，以及始终如一的业务成果。

仪表板时代让信息可见，决策智能时代必须让信息产生影响。