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%...
