數(shù)據(jù)加速理解對(duì)話式分析如何成為企業(yè)智能增長的加速器。Gogle

摘要多年來，企業(yè)一直在努力整合日益增長且日趨多樣化的數(shù)據(jù)，以期快速訪問、共享數(shù)據(jù)，并依據(jù)數(shù)據(jù)洞察采取行動(dòng)。對(duì)話式分析標(biāo)志著一個(gè)戰(zhàn)略轉(zhuǎn)折點(diǎn)的到來。當(dāng)任何員工都可以用自然語言詢問公司數(shù)據(jù)時(shí)，您就從根本上改變了組織的運(yùn)營模式。為員工提供準(zhǔn)確、以數(shù)據(jù)為支撐的答案并非終點(diǎn)，而是起點(diǎn)。當(dāng)我們從沉睡在報(bào)告中的滯后洞察，轉(zhuǎn)向能夠即時(shí)呈現(xiàn)的實(shí)時(shí)對(duì)話時(shí)，會(huì)發(fā)生什么？你將創(chuàng)造一種數(shù)據(jù)探索文化。能夠即時(shí)提出“為什么”和“如果”

的能力會(huì)引發(fā)新的問題，并縮短從問題到行動(dòng)之間的時(shí)間差。借助對(duì)話式分析，我們終于實(shí)現(xiàn)了商業(yè)智能長期以來的承諾。企業(yè)現(xiàn)在可以從被動(dòng)應(yīng)對(duì)過去事件或預(yù)測(cè)未來結(jié)果，轉(zhuǎn)變?yōu)橹鲃?dòng)塑造未來，打造引領(lǐng)市場(chǎng)所需的靈活性。Yasmeen

AhmadGoogle

數(shù)據(jù)與

AI云業(yè)務(wù)總經(jīng)理為員工提供準(zhǔn)確、以數(shù)據(jù)為支撐的答案并非終點(diǎn)，而是起點(diǎn)。23.構(gòu)建統(tǒng)一可信數(shù)據(jù)源第1

階段：第2階段：第3階段：讓數(shù)據(jù)洞見惠及突破瓶頸，實(shí)現(xiàn)創(chuàng)激活全員數(shù)據(jù)全員新躍遷探索熱情通往數(shù)據(jù)成熟之路1.

數(shù)據(jù)領(lǐng)的關(guān)鍵導(dǎo)者：速度制勝2.對(duì)話式新格局分析：重塑行業(yè)4.AI

正在加速數(shù)據(jù)轉(zhuǎn)型Google

cloud

31.

數(shù)據(jù)領(lǐng)導(dǎo)者：速度制勝的關(guān)鍵1.

2.

3.

4.4

數(shù)據(jù)分析市場(chǎng)領(lǐng)軍者與追隨者的分水嶺，在于將信息轉(zhuǎn)化為行動(dòng)的速度。企業(yè)產(chǎn)生的數(shù)據(jù)量比以往任何時(shí)候都要多，但有意義的分析洞見對(duì)多數(shù)人而言仍是難以企及的稀缺資源。從庫存到營銷再到銷售，企業(yè)各環(huán)節(jié)對(duì)數(shù)據(jù)分析的需求都非常旺盛。但掌握關(guān)鍵信息的數(shù)據(jù)分析師，始終是有限資源。依賴數(shù)據(jù)團(tuán)隊(duì)解答每個(gè)問題的模式，不僅速度慢、效率低，且難以持續(xù)——導(dǎo)致分析需求積壓日益嚴(yán)重。與此同時(shí)，市場(chǎng)對(duì)實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)決策的期待持續(xù)攀升。傳統(tǒng)業(yè)務(wù)流程因軟件障礙、耗時(shí)培訓(xùn)及團(tuán)隊(duì)技能差異，形成“洞見瓶頸”——讓寶貴的數(shù)據(jù)價(jià)值在流程中枯萎。在數(shù)據(jù)分析專家的隊(duì)列中滯留一兩周，縱是新銳的洞見，也難免淪為錯(cuò)失的商機(jī)。而這一切的前提，是決策者最初就提出了正確的問題。如何解決尚未識(shí)別的問題？主動(dòng)發(fā)掘數(shù)據(jù)洞見是企業(yè)搶占先機(jī)的關(guān)鍵。1.2.3.4.

Google

c?！5數(shù)據(jù)領(lǐng)導(dǎo)者面臨的最大挑戰(zhàn)。海量數(shù)據(jù)。宏偉目標(biāo)。與破局挑戰(zhàn)。?統(tǒng)一可信數(shù)據(jù)源如何確保各部門使用一致的定義與指標(biāo)，使數(shù)據(jù)洞見真正有意義？?信任新工具AI的引入和應(yīng)用可能會(huì)引發(fā)人們對(duì)其來源、安全性、保密性和責(zé)任歸屬的質(zhì)疑與不理解。?數(shù)據(jù)民主化困境如何在開放企業(yè)數(shù)據(jù)訪問權(quán)限的同時(shí)，確保安全性與合規(guī)性？?數(shù)據(jù)瓶頸數(shù)據(jù)分析師經(jīng)驗(yàn)寶貴，但資源有限。?數(shù)據(jù)價(jià)值挖掘企業(yè)如何最大化數(shù)據(jù)投資回報(bào)，并快速響應(yīng)市場(chǎng)動(dòng)態(tài)？重塑數(shù)據(jù)分析團(tuán)隊(duì)價(jià)值——從服務(wù)支持職能升級(jí)為戰(zhàn)略賦能中樞釋放全員洞察力——賦能企業(yè)各層級(jí)基于數(shù)據(jù)決策，推動(dòng)業(yè)務(wù)發(fā)展突破現(xiàn)狀創(chuàng)造新增量——開拓前所未有的數(shù)據(jù)洞見層級(jí)與收入來源對(duì)話式分析可以助力企業(yè)跨越數(shù)據(jù)成熟度的三個(gè)階段。

4.1.2.3.62.對(duì)話式分析：重塑行業(yè)新格局1.

2.

3.

4.長期以來，商業(yè)智能(BI)

始終掌握在少數(shù)精通

SQL

與專業(yè)BI

工具的技術(shù)專家手中。對(duì)話式分析改變了數(shù)據(jù)訪問方式，將靜態(tài)信息轉(zhuǎn)變?yōu)槿珕T可交互的戰(zhàn)略資源。1.

2.

3.

4.商業(yè)智能(BI)

的未來已超越靜態(tài)數(shù)字面板，提供與數(shù)據(jù)的深入、細(xì)致對(duì)話。

數(shù)據(jù)分析這種BI

范式革新，讓企業(yè)全員能夠快速實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)決策。對(duì)話式分析重塑數(shù)據(jù)分析價(jià)值：從成本中心升級(jí)為增長引擎，幫助你深度理解客戶與業(yè)務(wù)、提升運(yùn)營效率并推動(dòng)新增長。而這僅僅是個(gè)開始。當(dāng)每個(gè)人都能與公司數(shù)據(jù)進(jìn)行對(duì)話時(shí)，將自然引發(fā)后續(xù)追問、深入探討及全新的問題類型。對(duì)話式分析會(huì)激發(fā)企業(yè)級(jí)數(shù)據(jù)好奇心和參與度——解鎖全新思維方式、運(yùn)營模式與價(jià)值創(chuàng)造路徑。這正是創(chuàng)新的引擎。實(shí)現(xiàn)BI

跨越式升級(jí)的第一步，是激活現(xiàn)有數(shù)據(jù)資產(chǎn)的對(duì)話式分析能力。在本白皮書中，我們將詳解企業(yè)需要經(jīng)歷的數(shù)據(jù)洞見成熟度三大階段。首先，我們來探討一個(gè)先決條件：確保全員認(rèn)知對(duì)齊。借助對(duì)話式分析，用戶可以按照自己的想法、以通俗易懂的語言提問，進(jìn)行數(shù)據(jù)探索、分析并與數(shù)據(jù)互動(dòng)。Google

Cloud

對(duì)話式分析是基于Looker平臺(tái)、融合Google的Gemini大模型能力打造的

AI

賦能BI

解決方案，可根據(jù)企業(yè)專屬的數(shù)據(jù)集、治理策略和監(jiān)管考量提供有依據(jù)的答案。1.2.3.4.

Google

c。·d910構(gòu)建統(tǒng)一可信數(shù)據(jù)源Looker

語義層深度解析3.1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.我們的目標(biāo)不是更快地獲取不準(zhǔn)確的答案。更快獲得可信答案才是范式革新?！盧ichardKuzmaGoogle生成式

AI

產(chǎn)品經(jīng)理準(zhǔn)確性至關(guān)重要。而企業(yè)級(jí)數(shù)據(jù)與分析洞見的信任體系是基石。如果你向

AI

應(yīng)用咨詢護(hù)膚建議，模型給出90%準(zhǔn)確率的建議，你的皮膚就可能會(huì)變得更好。但如果您是要查詢企業(yè)數(shù)據(jù)生成收入報(bào)告，那么得到的回復(fù)只有90%的正確率則會(huì)造成嚴(yán)重問題。語義層可確保每位用戶都能基于可靠數(shù)據(jù)源，使用統(tǒng)一指標(biāo)并獲得一致結(jié)果。1.

2.3.

第1階段

第2階段-第3階段4.

Google

c?！11

數(shù)據(jù)分析數(shù)據(jù)是企業(yè)的燃料。如何確保公司全員使用統(tǒng)一的業(yè)務(wù)語言？Looker

的語義層通過以下特性確保所有人都基于單一可信來源開展工作：

集中化定義與指標(biāo)，確保整個(gè)企業(yè)內(nèi)數(shù)據(jù)的一致性和準(zhǔn)確性

數(shù)據(jù)治理：建立清晰的數(shù)據(jù)安全與訪問邊界

基于事實(shí)的答復(fù)，減少模型“幻覺”

深度業(yè)務(wù)語境，讓員工獲得與分析師同等質(zhì)量的業(yè)務(wù)分析洞見簡化數(shù)據(jù)訪問，讓員工無需具備特定的數(shù)據(jù)庫或

SQL專業(yè)知識(shí)即可訪問并分析數(shù)據(jù)

可擴(kuò)展性：通過自助工具，讓數(shù)據(jù)分析能力覆蓋全員借助Looker的語義層，用戶可以在可信的基礎(chǔ)上獲得數(shù)據(jù)洞見。什么是語義層？語義層作為底層數(shù)據(jù)的業(yè)務(wù)映射層，可將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀的業(yè)務(wù)術(shù)語。數(shù)據(jù)工程師和分析師可以定義數(shù)據(jù)關(guān)系、構(gòu)建業(yè)務(wù)邏輯，并將上下文信息融入數(shù)據(jù)中，供企業(yè)內(nèi)的每個(gè)人使用和復(fù)用。由此實(shí)現(xiàn)一致性和單一可信來源。1.

2.3.

第1階段

第2階段-第3階段4.

Google

c?！

12我相信大家都見過兩個(gè)信息中心的數(shù)據(jù)不一致的情況。因此，用戶不禁要問：“我能相信這個(gè)嗎？”這迫使團(tuán)隊(duì)反復(fù)調(diào)試信息中心，以確定數(shù)據(jù)不同的

原因并進(jìn)行修復(fù)。隨著數(shù)據(jù)使用者的增加，這一問題呈指數(shù)級(jí)增長?！盇dam

WilsonGoogle

Cloud

組合產(chǎn)品經(jīng)理不要相信大語言模型(LLM)

編寫的沒有語義層的

SQL。有許多概念眾所周知難以被LLM

轉(zhuǎn)換成原始

SQL，且容易導(dǎo)致不準(zhǔn)確或用

戶間結(jié)果不一致。語義視圖本質(zhì)是表上元數(shù)據(jù)層，最終依賴LLM生成SQL。Looker

從根本上將

SQL生成責(zé)任從LLM

轉(zhuǎn)移到自身。LLM

通過

API與語

義層交互。這意味著，為了回答用戶問題，Looker

基于LookML內(nèi)置的SQL

構(gòu)造和可用字段來執(zhí)行查詢，而不是直接編寫

SQL。這些可復(fù)用的

API

調(diào)用

確保每次都能選擇正確的指標(biāo)，且計(jì)算邏輯完全一致。此外，Looker的語義層意味著它還可以處理復(fù)雜度更高的用例。1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.13AI與BI的融合有望帶來智能、可信、對(duì)話式分析洞見。Looker的語義

層讓您能夠在與數(shù)據(jù)交互的所有界面中享受這些技術(shù)革新。Looker

將持續(xù)擴(kuò)展對(duì)各種數(shù)據(jù)源的支持，增強(qiáng)智能體智能性，優(yōu)化對(duì)話式分

析功能，讓數(shù)據(jù)交互如同與最信賴的業(yè)務(wù)顧問對(duì)話般直觀高效。分析“去年各年齡段30

天復(fù)購率”查詢。這個(gè)查詢涉及多個(gè)元素，如果交給LLM

處理，容易導(dǎo)致不準(zhǔn)確或用戶間結(jié)果不一致。?“年齡層”：LLM需要理解并應(yīng)用CASE語句，然后“猜測(cè)”適當(dāng)?shù)姆謱訕?biāo)準(zhǔn)（例如，10年、20年或自定義）。?“30

天復(fù)購率”是一個(gè)復(fù)雜的指標(biāo)，LLM

很難用原始

SQL準(zhǔn)確編寫。?“去年”存在多種時(shí)間窗口解釋。LLM

有時(shí)可能使用滾動(dòng)年，有時(shí)又使用完整年定義。這個(gè)查詢的每一步都可能為LLM

埋下隱患，導(dǎo)致其向不同用戶提供不一致的結(jié)果。Looker

會(huì)確保每次輸出完全一致。Looker的語義層將生成式

AI自然語言查詢中的數(shù)據(jù)錯(cuò)誤率降低66.7%。了解Looker

如何實(shí)現(xiàn)可信

AI

1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.14當(dāng)代奢侈品的核心在于精準(zhǔn)觸達(dá)、時(shí)機(jī)把握與情感共鳴。Google

Cloud幫助我們構(gòu)建智能解決

方案，讓我們實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)感知。在保持人文創(chuàng)意核心的同時(shí)以真誠且智能的方式與客戶溝通。這就是施華洛世奇創(chuàng)造喜悅的方式?！盕abrizio

Antonelli施華洛世奇副總裁兼數(shù)據(jù)與

AI

全球負(fù)責(zé)人Google

cloud

15施華洛世奇：讓數(shù)據(jù)大放異彩除了精準(zhǔn)切割的水晶、永恒傳承的工藝與獨(dú)特的設(shè)計(jì)，施華洛世奇還構(gòu)建了統(tǒng)一數(shù)據(jù)源作為企業(yè)創(chuàng)新平臺(tái)。至今，這家奢侈品牌已將其所有孤島化、分散的數(shù)據(jù)整合至BigQuery上的集中式數(shù)據(jù)湖倉中。通過Looker

構(gòu)建客戶數(shù)據(jù)平臺(tái)，整合電子商務(wù)、CRM、營銷和零售領(lǐng)域的客戶觸點(diǎn)。并且擴(kuò)大了

AI

應(yīng)用規(guī)模，利用Gemini

和

Vertex

AI

構(gòu)建門戶，使生成式

AI

工具的使用在全業(yè)務(wù)范圍內(nèi)普及。擁有130年歷史的品牌在140多個(gè)市場(chǎng)擁有

2300家精品店通過BigQuery、Looker、

Gemini

和

Vertex

AI擴(kuò)展數(shù)據(jù)與

AI戰(zhàn)略1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.SWAROVSKI第

1

階段：讓數(shù)據(jù)洞見惠及全員借助對(duì)話式分析，獲取分析洞見如同詢問同事般簡單，賦能全員做出更智能的數(shù)據(jù)驅(qū)動(dòng)決策。對(duì)話式分析將BI

從需要專業(yè)技能的單點(diǎn)解決方案轉(zhuǎn)變?yōu)槠髽I(yè)全員都可以使用的工具。擺脫預(yù)構(gòu)建的信息中心和復(fù)雜的SQL

查詢，賦予自助數(shù)據(jù)探索能力，與數(shù)據(jù)對(duì)話，實(shí)現(xiàn)秒級(jí)數(shù)據(jù)洞見與深度分析。對(duì)話式分析以Looker可信的語義層為基礎(chǔ)，并以可復(fù)用的智能體上下文為指導(dǎo)，確保指標(biāo)準(zhǔn)確一致并維護(hù)數(shù)據(jù)治理，同時(shí)根據(jù)用戶訪問權(quán)限控制運(yùn)行查詢。對(duì)話式分析幫助用戶在現(xiàn)有工作環(huán)境中使用數(shù)據(jù)。實(shí)現(xiàn)企業(yè)級(jí)變革的關(guān)鍵在于近乎普及的采用率，復(fù)雜工具或孤立應(yīng)用對(duì)此毫無幫助。Looker

將對(duì)話式分析功能集成到員工日常工具中，包括

Google

Chat、WhatsApp、Slack、Google表格和BigQuery。當(dāng)全員都能與數(shù)據(jù)對(duì)話時(shí)，整個(gè)公司的實(shí)力都將得到提升。由此創(chuàng)造出雙贏局面：決策者即時(shí)獲取答案，分析師釋放更大價(jià)值。更快獲得準(zhǔn)確的數(shù)據(jù)洞見。傳統(tǒng)BI工具會(huì)進(jìn)行數(shù)據(jù)提取或生成副本。Looker的庫內(nèi)架構(gòu)意味著它不會(huì)創(chuàng)建并行副本。新數(shù)據(jù)入庫后，用戶和信息中心可立

即使用——實(shí)現(xiàn)零延遲實(shí)時(shí)數(shù)據(jù)查看。1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.詳細(xì)了解Looker

161.通過語義層建立信任：

Looker

語義層提供保護(hù)機(jī)制，確保所有回答都來自統(tǒng)一、受治理的可信數(shù)據(jù)源，并符合預(yù)定義業(yè)務(wù)邏輯。2.

通過細(xì)粒度訪問權(quán)限控制保障安全：普及化不等于開放所有權(quán)

限。Looker

在設(shè)計(jì)時(shí)充分考慮了企業(yè)各層級(jí)的安全需求。1.

2.3.

第1階段

第2階段-第3階段4.

Google

c?！

17全員數(shù)據(jù)訪問引發(fā)一個(gè)核心問題：如何在賦能的同時(shí)避免指標(biāo)混亂與安全風(fēng)險(xiǎn)？答案是構(gòu)建信任的基礎(chǔ)。作為數(shù)據(jù)守護(hù)者，分析師不應(yīng)開放他們自己都不信任的功能。用戶與角色權(quán)限自動(dòng)執(zhí)行底層數(shù)據(jù)庫角色與訪問控制。這樣，根據(jù)角色設(shè)置，Antonio可以查看某些行和列，而Sofia

可以查看更多內(nèi)容。對(duì)話權(quán)限與數(shù)據(jù)訪問權(quán)限分離。企業(yè)可以允許用戶查看數(shù)據(jù)但限制他們的對(duì)話交互能力。智能體共享權(quán)限讓企業(yè)可以選擇將智能體的創(chuàng)建和共享權(quán)限限制給最受信賴的數(shù)據(jù)管理員。對(duì)話式分析通過雙向管控實(shí)現(xiàn)治理。治理數(shù)據(jù)，為員工賦能。如何在

AI時(shí)代制定前瞻性的數(shù)據(jù)治理。相比以前，您現(xiàn)在擁有更多數(shù)據(jù)。在發(fā)掘?qū)氋F數(shù)據(jù)洞

見的同時(shí)，保障數(shù)據(jù)安全和遵循法規(guī)，其難度日益增

加。主動(dòng)式、自動(dòng)化的數(shù)據(jù)治理能充分發(fā)掘數(shù)據(jù)資產(chǎn)

的價(jià)值。幫助您從數(shù)據(jù)中洞察業(yè)務(wù)先機(jī)、推動(dòng)創(chuàng)新，

并長期獲得投資回報(bào)。詳細(xì)了解數(shù)據(jù)治理雙向管控是破解普及化難題的關(guān)鍵。您既能獲得自然語言提問的速度和便捷性，又能擁有銀行、電信公司或全球零售商所需的穩(wěn)健安全保障。這不僅是普及化，更是全場(chǎng)景治理的普及化。1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.18Servicios

Orienta

構(gòu)建數(shù)據(jù)優(yōu)先決策文化Servicios

Orienta

是一家墨西哥公司，致力于通過尖端技術(shù)和創(chuàng)新流程提升員工福利

和業(yè)務(wù)效率。Orienta部署了多種Google

Cloud解決方案，包括DataFusion、Dataproc、BigQuery

和Looker，旨在更高效地整合分析大數(shù)據(jù)，提供有關(guān)其服務(wù)使用情況和有效性的詳細(xì)

定制報(bào)告。這徹底改變了該公司的運(yùn)營方式，使客戶與員工雙向受益。BigQuery

和Looker

助力團(tuán)隊(duì)識(shí)別趨勢(shì)、評(píng)估在線講座與咨詢效果，并優(yōu)化用戶體驗(yàn)。

通過描述性、預(yù)測(cè)性和相關(guān)性分析，甚至AI

技術(shù)，Orienta現(xiàn)在能夠理解結(jié)果并據(jù)此提

供客戶體驗(yàn)優(yōu)化建議。Orienta的最終用戶也可以通過自然語言提交查詢，并利用他們自己的數(shù)據(jù)分析和數(shù)

據(jù)洞見，從而提升決策質(zhì)量與業(yè)務(wù)戰(zhàn)略執(zhí)行力。Google

cloud

191.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.數(shù)據(jù)洞見的價(jià)值始終難以充分釋放，其瓶頸在于一個(gè)長期存在的困境：數(shù)據(jù)分析團(tuán)隊(duì)的持續(xù)超負(fù)荷運(yùn)轉(zhuǎn)。即使配備了強(qiáng)大的BI

工具，分析師們?nèi)陨钕萦趫?bào)告請(qǐng)求、臨時(shí)查詢和信息中心更新的循環(huán)中。從數(shù)據(jù)查詢到分析往往需要數(shù)天或數(shù)周的時(shí)間，而非幾分鐘——整個(gè)企業(yè)

的運(yùn)轉(zhuǎn)速度都會(huì)被這個(gè)隊(duì)列拖慢。對(duì)話式分析打破了這一循環(huán)。通過讓任何人都能用自然語言提出數(shù)據(jù)問題并立即獲得可信的答案，整個(gè)工作流程得以重塑。這不僅意味著更快地生成報(bào)告——更是從根本上改變企業(yè)利用數(shù)據(jù)創(chuàng)造價(jià)值的方式。將分析師從臨時(shí)需求的繁瑣工作中解放出來，他們便能將精力投入到具有重大影響的戰(zhàn)略性工作中。1.

2.3.

第

1階段

第2階段-第3階段

4.

Google

c?！

20第

2

階段：突破瓶頸，實(shí)現(xiàn)創(chuàng)新躍遷

數(shù)據(jù)分析將分析師從繁瑣的日常請(qǐng)求中解放出來，讓他們能夠?qū)Ｗ⒂诟哂绊懥?、可擴(kuò)展的工作。他們的角色從數(shù)據(jù)服務(wù)臺(tái)轉(zhuǎn)變?yōu)樘嵘髽I(yè)數(shù)據(jù)素養(yǎng)的戰(zhàn)略伙伴。而這正是因?yàn)閷?duì)話式分析能夠幫助分析師實(shí)現(xiàn)：?

自動(dòng)化重復(fù)查詢。日常大量的簡單數(shù)據(jù)請(qǐng)求交給

AI

處理，釋放分析師最寶貴的資源——時(shí)間。?普及專業(yè)知識(shí)。工作流程從響應(yīng)單次請(qǐng)求，轉(zhuǎn)向構(gòu)建和管理強(qiáng)大的

AI智能體。?轉(zhuǎn)向高影響力工作。簡單任務(wù)自動(dòng)化后，分析師現(xiàn)在可以專注于為企業(yè)挖掘更深層的數(shù)據(jù)洞見，例如優(yōu)化數(shù)據(jù)模型的

AI

兼容性，提升數(shù)據(jù)體驗(yàn)。最終形成一種主動(dòng)的數(shù)據(jù)驅(qū)動(dòng)文化。通過簡化獲取答案的途徑，對(duì)話式分析讓整個(gè)企業(yè)都能輕松訪問并利用數(shù)據(jù)。它將數(shù)據(jù)團(tuán)隊(duì)轉(zhuǎn)變?yōu)樾时对銎?，賦能業(yè)務(wù)用戶做出更智能、更快速的決策。工作流程不再是提取舊報(bào)告，而是主動(dòng)與數(shù)據(jù)對(duì)話，推動(dòng)業(yè)務(wù)發(fā)展。規(guī)模化解決問題。對(duì)話式分析將分析師的角色從信息守門人轉(zhuǎn)變?yōu)閼?zhàn)略伙伴，使其專業(yè)能力在整個(gè)公司范圍內(nèi)擴(kuò)展。對(duì)話式分析不僅能幫助您更深入地理解數(shù)據(jù)、提出更豐富的問題，還能加速個(gè)人貢獻(xiàn)者的價(jià)值創(chuàng)造。當(dāng)員工能夠自主生成數(shù)據(jù)洞見時(shí)，數(shù)據(jù)分析師便能支持更多用戶——形成數(shù)據(jù)價(jià)值的倍增效應(yīng)。你更愿意成為一個(gè)團(tuán)隊(duì)的明星分析師，還是10

個(gè)甚至100

個(gè)團(tuán)隊(duì)的明星分析師？”RichardKuzmaGoogle生成式

AI

產(chǎn)品經(jīng)理第1階段第2階段第3階段3.1.2.4.Google

cloud21GameBear

從數(shù)據(jù)請(qǐng)求到實(shí)時(shí)決策GameBear

是一家總部位于中國香港的移動(dòng)

游戲開發(fā)商和發(fā)行商，專注于開放世界多人科幻游戲，服務(wù)全球超1000

萬用戶。GameBear

利用Looker

在內(nèi)部會(huì)議中可視化數(shù)據(jù)并提供數(shù)據(jù)分析。在使用Looker之前，GameBear的數(shù)據(jù)團(tuán)隊(duì)需要全程參與決策會(huì)議，隨時(shí)響應(yīng)臨時(shí)數(shù)據(jù)調(diào)取需求。Looker的

直觀界面讓GameBear的員工可輕松自行檢索任何數(shù)據(jù)，并當(dāng)場(chǎng)進(jìn)行深度數(shù)據(jù)分析。這樣一來，GameBear團(tuán)隊(duì)就能在短時(shí)間內(nèi)快速提取數(shù)據(jù)洞見，從而做出更高效的業(yè)務(wù)決策。使用BigQuery

和

Looker為我

們帶來的好處是無法估量的。我

們不僅能以最少的人力實(shí)現(xiàn)近

乎實(shí)時(shí)的數(shù)據(jù)分析，還能從數(shù)據(jù)

中獲得分析洞見，幫助我們及盡

早發(fā)現(xiàn)運(yùn)營問題并及時(shí)采取有

效措施?！盰uan

ChenGameBear

首席執(zhí)行官Google

cloud

221.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.閱讀完整案例依賴[被動(dòng)模型]就像用六個(gè)月前的數(shù)據(jù)駕駛飛機(jī)；你甚至不知道自己正駛向風(fēng)暴?！盧ichardKuzmaGoogle生成式

AI

產(chǎn)品經(jīng)理1.

2.3.

第1階段

第2階段-第3階段4.

Google

c?！

23現(xiàn)代組織需要的不僅僅是準(zhǔn)確的數(shù)據(jù)洞見。領(lǐng)先企業(yè)正在利用

AI

發(fā)現(xiàn)隱藏模式、預(yù)測(cè)趨勢(shì)并驅(qū)動(dòng)智能行動(dòng)。然而，對(duì)許多企業(yè)而言，BI

僅扮演“后視鏡”角色，報(bào)告已發(fā)生的結(jié)果，這種被動(dòng)姿態(tài)限制了公司對(duì)未來的掌控力。通過實(shí)時(shí)數(shù)據(jù)即時(shí)觸達(dá)，對(duì)話式分析推動(dòng)從“被動(dòng)響應(yīng)過去”

到“主動(dòng)塑造未來”

的根本性轉(zhuǎn)變。通過消除數(shù)據(jù)查詢的技術(shù)門檻，對(duì)話式分析培育數(shù)據(jù)探索文化，提升整個(gè)企業(yè)的數(shù)據(jù)素養(yǎng)。對(duì)普通用戶而言，工作流從“數(shù)日等待”壓縮為“實(shí)時(shí)對(duì)話”。用戶無需再提交工單等待，而能直接在日常工具中提問，并在幾秒鐘內(nèi)獲得答案。這實(shí)現(xiàn)了流暢探索——從“發(fā)生了什么？”

到“為什么發(fā)生？”

的無縫銜接。第

3

階段：激活全員數(shù)據(jù)探索熱情

數(shù)據(jù)分析對(duì)話式分析是打造數(shù)據(jù)分析驅(qū)動(dòng)型企業(yè)的催化劑。當(dāng)普通用戶能與公司數(shù)據(jù)進(jìn)行流暢的來回對(duì)話時(shí)，將自然引發(fā)后續(xù)追問并促成即時(shí)深入探討。這種交互的速度和便捷性不僅提升了效率，更是從根本上改變了企業(yè)的運(yùn)營方式，讓企業(yè)變得更智能、更具創(chuàng)造力。業(yè)務(wù)用戶現(xiàn)在都可以突破預(yù)構(gòu)建信息中心的限制，隨著問題的演變，進(jìn)行更深入、更豐富的數(shù)據(jù)分析。在當(dāng)今快速發(fā)展的商業(yè)環(huán)境中，敏捷性是最核心的競(jìng)爭優(yōu)勢(shì)。更快、更高效利用數(shù)據(jù)的能力，讓企業(yè)更具創(chuàng)新力，能夠發(fā)現(xiàn)隱藏模式并挑戰(zhàn)長期固有的假設(shè)。數(shù)據(jù)對(duì)話從“上季度銷售如何”升級(jí)為“下季度戰(zhàn)略如何部署”。用戶可以探索情緒與銷售額之間的相關(guān)性，甚至開始預(yù)測(cè)庫存——將企業(yè)從季度級(jí)的被動(dòng)響應(yīng)，提升到分鐘級(jí)的主動(dòng)行動(dòng)。1.

2.3.

第

1階段

第2階段-第3階段

4.

Google

c?！

24Q將數(shù)據(jù)轉(zhuǎn)化為產(chǎn)品。Looker

在構(gòu)建新一代數(shù)據(jù)解決方案和產(chǎn)品方面擔(dān)任核心角色。LookerEmbedded

通過嵌入式分析功能推動(dòng)業(yè)務(wù)增長，并通過穩(wěn)定的實(shí)時(shí)指標(biāo)加快實(shí)現(xiàn)嵌入式應(yīng)用的價(jià)值，同時(shí)保持對(duì)用戶體驗(yàn)的全面掌控。數(shù)據(jù)洞見與智能體商業(yè)化。也許突破BI

現(xiàn)狀的最重要方式，是重新定義分析本身的角色——從成本中心轉(zhuǎn)變?yōu)槭杖腧?qū)動(dòng)因素。對(duì)話式分析使之成為可能。企業(yè)可在此技術(shù)基礎(chǔ)上構(gòu)建產(chǎn)品與服務(wù)，讓客戶也能夠用自然語言提問有關(guān)其自身數(shù)據(jù)的問題。例如：一家HR軟件公司嵌入智能體，讓經(jīng)理提問：“本季度工程部門的離職率是多少？”

或者，一個(gè)物流平臺(tái)允許客戶提問：“我的哪些運(yùn)輸線路表現(xiàn)低于平均水平？”這將創(chuàng)造強(qiáng)大的新收入流和難以撼動(dòng)的競(jìng)爭優(yōu)勢(shì)。通過提升數(shù)據(jù)的速度、深度與可及性，對(duì)話式分析不僅優(yōu)化現(xiàn)有流程，更解鎖全新的思維、運(yùn)營與價(jià)值創(chuàng)造模式。出售數(shù)據(jù)是一回事，但出售數(shù)據(jù)洞見才是真正的力量?！盧ichardKuzmaGoogle生成式

AI

產(chǎn)品經(jīng)理詳細(xì)了解LookerEmbedded

1.

2.

3.

第

1

階段

第

2

階段-第

3

階段

4.Google

cloud

25通過LookML

控制和整理數(shù)據(jù)敘事、創(chuàng)建數(shù)據(jù)字典并即時(shí)通知所有用戶字段名稱與計(jì)算變更，這種能力極具影響力。這是

Tableau無法實(shí)現(xiàn)的。”Joe

VargasNABCBI

總監(jiān)Google

cloud

26NABC

收獲更豐富的數(shù)據(jù)洞見和顯著的成本節(jié)約北美藍(lán)莓協(xié)會(huì)為國內(nèi)種植者和全球供應(yīng)商打造了一個(gè)數(shù)據(jù)與分析平臺(tái)，通過預(yù)測(cè)、整合作物和生產(chǎn)銷售數(shù)據(jù)，節(jié)