在我之前的博客中，我们研究了我们的增强商业智能（BI）工具如何利用机器学习技术来自动化耗时的任务，并将高级分析能力交给业务用户。与SAP Data Warehouse Cloud合作后，augmented BI消除了不必要的手动任务，使业务分析师能够更深入地挖掘并更好地了解业务，并为更高级、更高价值的项目腾出稀缺的数据科学资源—所有这些都来自于对您的数据是最新数据的信心，完整、安全的环境解决了数据扩展和多种用户类型的复杂性。

现在让我们看看三个用例，其中增强的BI比传统的BI工具包的优势变得更加明显：

业务监控数据探索数据驱动的决策

业务监控

在传统的BI解决方案中，仪表板和警报是用于监控KPI更改的常用工具。用户进行监控是为了寻找他们需要注意的问题，然后当发现问题时，他们必须进一步挖掘以了解发生了什么。一个很好的例子是在月底未能达到既定的销售目标。

增强的商业智能将把监控的概念提升到一个新的层次。与其找出问题，不如把重点放在提醒用户发生了变化并理解其原因上，不管目标是否实现，例如，如果你的销售渠道在3月底达到1亿美元，而你正朝着这个目标前进，你仍然想知道，中国的销售渠道是否比去年同期低20%，数据与大数据专业，而这一下降是由销售人员的留任问题造成的。你可能想知道，因为中国管道的减少可能会给下游带来问题，或者这表明你的目标应该超过1亿美元。

商业智能的标准问题报告方法会让你把钱留在桌上，或者发现问题太晚。但是扩展的BI方法可以自动提醒您，有一个值得理解的变化。系统可以通过你的行为来了解你业务的优先级如果你每天花时间在仪表板上查看你的管道，它显然对你非常重要，也可以通过你声明的偏好来了解。该系统可以在历史价值中寻找可能重要的趋势，商业大数据分析，同时避免您必须查看数百或数千个维度才能找出哪些是重要的。

数据探索

在传统的BI环境中，人们将大部分时间用于构建仪表板和可视化数据。当然，真正的目标不是弄清楚如何可视化数据。目标是找到所需的信息并与他人共享。从这一点开始，在一个增强的商业智能环境中，通过少量的指导，系统会确定您应该突出显示哪些信息，并自动为您创建一个格式精美的仪表盘或故事。

例如，如果您一直在关注员工保留问题，系统将崩溃个人在公司工作的天数分布、总周转人数、按国家或业务领域划分的热点以及其他相关因素。通过嵌入式机器学习，它将自动识别异常值，并建议数据中可能重要的关系。

所有这些工作都是自动完成的，然后，你可以花时间为特定的观众调整演示文稿，或者添加有助于完成故事的信息，网云服务器，但你已经完成了80%的工作。增强的BI加速了您需要做的事情，将您的注意力集中在您和您的利益相关者需要回答的更高层次的问题上，而不是添加图表、选择图表类型、选择数据等的实质性问题上

数据驱动决策

"数据驱动决策"是我们在行业中使用了15到20年的流行语20年了。实现这一目标的愿望是强大的，但挑战是你不能轻易改变文化。这个问题的根源是获取信息很难，如果你对人们做出改变很难，返利手游平台，他们就不会改变他们的行为。

让我们设想创建一个新的营销活动，理想情况下，这应该从回顾前一个活动的成功和挑战开始，但你如何找到去年的营销活动数据呢？在企业中，你首先要知道要去哪个门户或站点才能找到营销数据，然后你需要筛选大量的营销报告才能找到你要找的东西。如果你幸运地走到了这一步，当你发现你找到的报告没有你所需要的全部信息时，你可能会陷入困境。我们没有让人们很容易获得信息。由于每个人都很忙，他们很可能会完全跳过回顾过去的营销活动，而错过任何有价值的见解，淘客猪，而只是从头开始。

自然语言和会话界面的技术使曾经太难的工作变得微不足道。有了增强的BI，你现在只有一个地方可以去，你只要问个问题就行了。同样，系统可以查看所有报告。它可以查看所有数据。如果这些信息还没有被报告（甚至还没有被识别），系统就可以简单地计算出来。因此，与其让你经历所有这些步骤，它只会给你一个关于去年竞选活动如何进行的答案，然后它可能会提出一些建议："你想看看不同地区的竞选活动是如何进行的吗？"因此，您不仅不会浪费时间寻找出发点，系统还可以为您回答您甚至没有问过的问题。

完美的协作