这里是default
元年

颠覆传统分析?AI+BI如何驱动企业快速走向数据洞察

AI+BI将使每个人都能随时随地做出数据驱动型决策

随着AI+BI的应用趋势不断发展,您是否畅想过未来的分析场景?

销售总监打开手机分析助手,开始询问:

“这个月东北产品销量是多少”

“为什么沈阳地区产品销量下降20%”

您只需要动动嘴,分析助手即可选择进行可视化图表展示或语音回复!除此之外,分析助手亦会主动建议:

分析助手:

“预测您本月的销售业绩为3000万,可能不能达到本月目标,是否申请调整下月计划目标”

“A产品库存已不足,是否通知门店开展采购”

“已将本月详细报告发送至各销售经理邮箱或微信”

这种场景离我们并不遥远!

AI+BI,时代已来

传统BI之殇,变革迫在眉睫

传统“敏捷BI”不敏捷。在传统BI应用模式下,IT部门往往需花费较大精力进行需求沟通和用户诉求分析,并耗费较长时间准备报告或仪表板,直接导致领导、业务人员查询的数据,无法第一时间通过BI获取。传统BI工具使用需进行漫长的培训以及复杂操作,无法实现普通人无使用门槛随时随地获取数据的便捷操作,而其数据应用操作也较为固化僵化,无法快速响应用户灵活多变的个性化数据分析需求。

传统BI决策支持不智能。传统BI分析都是基于过去的描述,无法提供策略性的、预测性的、可解释性的结果为用户提供决策指导分析,BI数据的洞察价值未充分挖掘,基于预测性的,策略性的、最优规划的数据闭环体系未形成,对经营的指导不足,洞察力不充分。

而这些问题直接造成传统的BI分析很难使企业向基于业务视角的自助式洞察分析转型,传统BI分析亟待变革。

AI技术发展为BI变革带来契机

BI现状应用存在诸多困局,而AI技术的发展为传统BI的变革提升提供了有效手段。随着产业数字化带来的数据基础的日益成熟,人工智能在营销、金融、数字政府、零售、医疗等行业的落地持续推进,并开始带来显著的效益。科大讯飞公司CIO王宏星表示,通过AI能力开发平台,在语音能力、图像识别、语义认知、深度学习等几个方面赋能IT和业务系统,让传统的IT架构插上AI的翅膀,能满足企业更加适应智能时代的需求,助力未来业务的腾飞。构建基于AI的BI平台,能让企业经营决策从经验和流程驱动转向数据驱动、自动化决策,产出更精准的分析结果,使决策更为科学和准确,进一步推动企业战略落地和精细化运营,优化企业运营环境。

AI如何赋能BI,驱动企业快速走向数据洞察

AI可嵌入BI分析全流程环节,通过在数据准备、洞察生成、洞察解释、预测决策四个方面赋能BI,能帮助企业从数据当中快速获取洞察、实现更精准的趋势预测和辅助决策,提高企业运营效率及竞争力。

数据准备:从操作繁复耗时到处理快速自动

据不完全统计,企业在进行传统BI分析时,员工将耗费 80% 的时间用于准备数据,而分析数据所用的时间仅占20%,准备数据以供后续分析是一个重复、耗时的过程,企业往往需要对数据进行抽取、清洗、融合等准备工作,以提高数据分析的效率和准确性。而AI驱动的数据准备过程则能够帮助普通用户在没有数据科学专家或IT人员协助的情况下,直接访问有效数据,并对理论和假设情况展开测试与验证。在此过程中通过数据准备的智能化操作,如自动数据映射、自动关系层级构建,数据源自动推荐、数据模糊匹配、自动检测等,使得每个员工均可轻松地对数据进行快速的整合、组织和清理,AI的运用加快了数据分析流程,为企业快速分析决策提供了数据基础。

洞察生成:从固化僵化难响应到千人千面易获取

在洞察获取方面,AI技术的嵌入使得企业的数据交互模式从原来单纯的拖拽查询模式向以NLP算法为基础的交互模式进化,据Gartner预测,到2020年,50%的分析性查询将通过搜索、自然语言或语音生成,或将自动生成。AI+BI使得用户可以直接以百度式搜索 & 微信式聊天的方式获取数据,并且能够较为精准地理解用户多样化的非标业务术语,帮助企业实现随时随地、实时高效与数据进行“无门槛”交互。同时通过知识图谱技术形成的数据间的关联网络,AI可以智能推荐给用户数据可分析的维度和路径,并进行知识图谱关联信息的自动推荐,更便捷用户的查询。如此,业务人员将取代IT人员发展成为BI的核心用户群体,AI赋能BI加速了“人人分析”的进程。

在洞察可视化方面,AI驱动的BI分析使得企业能够针对不同的分析对象自动推荐最适合的数据可视化展示,无需进行大量的预定义。并且AI的引入支持企业基于用户行为偏好进行学习,针对每个员工进行千人千面的可视化推荐,在与用户的交互中不断地挖掘其个性化偏好。同时,AI+BI使得用户不局限于数据库中内容的限制,可以对用户问题进行多场景实时计算,展开即席分析。

洞察解释:从专业依赖到自动归因

AI+BI使得普通员工无需复杂的数据建模或数据科学专业知识即可对企业指标给出最相关因素的解释。AI+BI驱动的洞察解释使得普通用户能够运用原先仅局限于专业人士的高级分析技术,在数据复杂性不断提高的情况下能帮助用户更快地得出最重要的分析结论,加快分析流程。用户无需进行任何事先的设置、数据准备或数据建模,即可快速发现和理解有哪些因素会影响其数据中变化。在需要回答诸如“什么原因造成了销量下降?”这样的数据问题时,用户通常需要将其分析限定在一系列预定的假设范围内,而洞察解释可以自动评估数据集中的每个维度,从而使得每个人都能够获得此前难以发现或探索过程中极为耗时的深入见解。在洞察解释呈现方面,据Gartner预测,到2025年,数据故事将成为最广泛的消费分析方式,75%的故事将使用增强分析技术自动生成。通过植入基于NLG(自然语言生成)技术的故事讲述功能,可以支持企业自动将报告通过图文并茂的方式进行展示,能够更好地满足企业用户的理解,提高洞察的可读性。

另一方面,出于安全风险控制、监管合规等因素考虑,AI算法模型需改变传统的难以理解和描述的“黑盒子”模式,转向更细粒度的、有针对性的、更透明的数据智能,也就是可解释的AI,让业务人员、决策者以及行业监管层能够理解。这需要对不同行业、企业、业务的具体应用场景构建知识图谱,使AI在限定的知识结构和模型框架下,进行精准定向的学习。企业可通过知识图谱技术的应用,挖掘隐形关系,洞察“肉眼”无法发现的关系和逻辑,比如通过知识图谱来实现财务指标的影响因素的自动分析。

预测决策:从决策支持到决策智能

传统BI分析缺乏有效的算法将大数据转化成知识和决策指导行动开展,也较难通过数据的反馈形成数据应用迭代提升的闭环。数据智能的目的是预测和决策,而非单纯的分析或展示,通过AI+BI企业能够运用各业务赛道积累下来的庞大数据量、算法模型、行业经验,将数据赋能到更多业务场景中,让业务自动化、高效地运转。通过整体智能化的数据应用,来推动业务创新,这也是企业数字化转型的业务内涵。数据智能应用需要将全域的数据模型,与算法模型相结合,帮助企业实现从洞察、计划、实施到反馈的决策全链路的闭环反馈,不断迭代将数据转换成知识、模型、决策和行动。比如通过AI+BI实现的销售预测,可以帮助门店降低库存金额、指导后续排产和配送。再比如,通过商品的聚类分析,可以对商品进行针对性的促销,优化打折速度和幅度等。

中国企业的AI+BI如何实现落地

通过AI对BI的赋能,BI能助力企业的数据洞察实现飞跃式的发展,加速企业数字化转型。但在AI+BI的落地过程中,人工智能技术与业务需求之间仍然存在鸿沟,企业落地路径不清晰、数据基础不具备、数字化体制机制准备不足、企业级AI落地平台缺乏等问题都可能成为中国企业的AI+BI落地的制约因素。为保障AI+BI在企业中的成功落地,我们建议从路径规划、保障机制、平台搭建三个方面加强建设。

1.定路径:选好切入点

元年科技联合创始人兼CTO李彤表示,企业AI+BI的应用发展通常遵循5L实现路径(如图),逐步从辅助分析、部分自动分析、条件自主分析、高度自主分析向完全自主分析发展。企业AI+BI建设是长期性过程,并非一蹴而就,企业需及早考虑AI的引入提前积累经验和实力。而AI+BI的落地要从点开始,由点及面才能形成真正的全面智能升级。


识别用户场景

企业需结合整体智能化转型目标规划AI+BI实现路径,实现路径应当契合企业发展的战略规划,并进行前瞻性、贴合自身发展的规划,以明确企业的短期、中期、长期目标和转型路径。企业在规划初期可对企业业务进行梳理并细化成一个个边界清晰、依赖关系明确的智能应用场景清单,并可考虑用绘图的方式交叉对比各场景业务价值和技术可行性。

建立速赢方案

AI+BI落地是个持续且复杂的工程,大部分项目建设投入大、时间久、见效慢。为树立企业智能化转型的信心,企业前期需考虑速赢方案的建立。结合AI+BI应用场景技术及市场化成熟度、自身数据积累度、业务需求价值度及投入产出比,设定AI+BI应用场景实现优先级,元年C1智答作为国内首款已实现成功落地的智能数据产品,可作为当下企业落地AI+BI的切入优选。


2.设保障:健全数字化体制机制

完善数据治理机制

数据是AI应用的基础要素,受限于业务信息化、在线化的水平不足,企业往往存在历史数据缺乏积累或数据质量不足的问题,这直接影响AI驱动的数据洞察质量。同时在深入实际业务场景时,往往涉及到多源异构数据、时序数据、非结构化数据等,数据存储和治理难度大幅提升。企业在落地AI+BI时,需完善数据治理手段,从数据架构、数据标准管理、数据质量控制、数据安全管理、数据标注等方面规范企业数据管理,充分考虑内外部数据、结构化非结构化数据的采集与管理,为AI的应用奠定坚实的数据基础。

设立数字化组织

由于现状大多数企业的决策机制和文化并非数据驱动,为减少变革阻力,建议企业初期设立独立的AI卓越中心(CoE)主导推进AI+BI的落地。由于大部分场景落地对业务场景理解能力的要求较高,需推进IT与内部业务专家之间的充分协同,并需考虑借助外部AI咨询专家的力量,构建多元化、多层次的数字化变革组织。同时,在企业内部贯彻数字化文化,提高员工对新技术的接受度对AI+BI成功落地也至关重要。

建立风险应对机制

AI技术应用仍处于探索阶段,企业在推进AI+BI落地时对人工智能仍缺乏信任和信心,如在落地过程中,可能会面临AI技术识别准确率不高、模型算法不准确、算法不透明难解释等问题,直接影响决策的效率和精准度。为此企业需要将AI风险纳入内部风险管理框架,建立起配套的风险应对机制,如在落地过程中限定AI+BI的场景适用范围及对象,通过流程设计回避AI风险。

3.搭平台:推动AI+数据中台建设

为有效落地AI+BI打造数据驱动智能组织,企业完善整体系统架构,推动AI+数据中台建设,利用数据中台的能力作为数据支撑,运用AI的能力构建智能服务,对前台业务提供个性化智能服务的快速能力支持,最终实现数据赋能,反哺业务精耕。


元年科技作为一家以管理会计、财务共享、数据分析技术为主,为企业构建以中台架构的核心的新一代信息技术架构的服务商,为企业提供了一套完整的可执行落地的数据智能管理平台,帮助企业实现AI+BI落地。元年数据智能管理平台支持与数据中台融合,保留数据中台的基础数据服务,迅速接入标准化数据和预处理数据;支持模型训练/发布与平台有效绑定,支持资源的统一管理,实现服务构建自动化;支持智能模型的全生命周期可管理,通过对智能服务的共享复用和管理,达到复用、组合创新、规模化构建智能服务的目的;支持通用AI能力的平台化、自动迭代,降低企业人员要求,提升开发协作效率。

在这里您可以索取: 白皮书解决方案研究报告

>>

解决方案

白皮书

研究报告

在线沟通