当前位置: 首页 > news >正文

跨过BI,企业能直接用AI实现数据分析吗?

一直以来,BI系统承载着企业数据分析的重任,很多全球领先的公司已经利用BI软件(比如Power BI、Tableau等)构建了企业数据分析平台,为各业务部门提供数据分析支撑。

BI系统的建设对很多企业来说都是个不小的挑战和难题,包括在数据集成、数据湖仓、语义模型、数据治理等多个方面。

而目前AI在很多领域内表现不俗,于是就出现了标题中描述的疑问:企业不构建BI系统,直接通过AI的能力实现数据分析,可行吗?

答案是:不可行

首先,企业的数据与企业实际的业务是存在偏差的

企业的数据往往是由业务系统产生的,由于以下原因,业务系统产生的数据与实际业务并非完全一致:

  • 业务系统构建时间较早,实际业务已经改变但业务系统未做变更
  • 业务系统中存在非正常业务数据,比如内部交易、虚假交易、特殊业务等
  • 业务系统中的数据存在错误,比如数据缺失、数据输入错误等

其次,企业的多个业务系统之间数据关系非常复杂

  • 企业多个业务系统的建设时间不同,导致各系统遵循的业务规则也不同
  • 各业务系统维护各自的主数据(比如组织架构、产品等),导致无法按照主数据进行关联
  • 各业务系统以各自的方式存储数据,无法提供统一的接口

第三,业务系统产生的数据并不能直接用于数据分析

  • 业务系统的目标是完成业务流程的执行而非数据分析,所以往往无法直接满足数据分析需求
  • 业务系统的数据往往粒度很细,而数据分析的粒度往往很粗
  • 业务系统里只包含原始指标,无法实现对衍生指标和复合指标的分析

第四,缺少标尺,AI分析的结果难以校验

  • BI系统往往是企业最权威统计结果,AI的分析结果需要与BI保持一致
  • AI是可能产生幻觉的,所以分析的结果也可能存在一定的偏差

以上的描述说明,企业必须在构建完善的BI系统之后,才能构建AI数据分析,AI分析更多的是对BI系统的补充与增强,而非取代。

http://www.dtcms.com/a/317881.html

相关文章:

  • Template 显式实例化 隐式实例化
  • Ethereum: 用Python链上查询 Uniswap V3 ETH/USDC 资金池资产
  • 云手机的应用场景较为广泛,主要包括以下几个方面:
  • C++ - 仿 RabbitMQ 实现消息队列--服务器模块实现
  • NAT转化
  • 单变量单步时序预测:CNN-BiGRU卷积神经网络结合双向门控循环单元
  • 从 “认知优势” 到现实赋能:DPVR AI Glasses 重构智能穿戴价值
  • 飞算JavaAI开发平台:重构开发全流程——从需求到工程的智能化跃迁
  • coze1-podman容器化部署coze
  • Kafka-exporter采集参数调整方案
  • npm scripts 使用指南
  • 快手AI团队开源 KAT (Kwaipilot-AutoThink) 思考模型
  • 【ROS1】13-元功能包
  • electron:vue3+vite打包案例
  • 从零搭建React框架--第一章:create-react-app、antd、less
  • LAS平台Vibe Data Processing:AI驱动的数据处理新范式
  • Chrontel昆泰-【CH7036A-BF】CH7036 LVDS to HDMI/VGA/LVDS Converter
  • 基于MATLAB实现的具有螺旋相位板的4F系统用于图像边缘增强的仿真
  • 软件定义汽车 --- 电子电气架构的驱动
  • 在ubuntu上使用jenkins部署.net8程序
  • 【概念学习】早期神经网络
  • Redis 缓存三大核心问题:穿透、击穿与雪崩的深度解析
  • [AI 生成] hive 面试题
  • Document Object Model
  • 机器学习-LinearRegression
  • harbor仓库搭建(配置https)
  • MCU程序的编译与链接及格式转换
  • 防御保护防火墙简单实验报告
  • Git 乱码文件处理全流程指南:从识别到彻底清除
  • MySQL的约束条件: