BI的发展史
1）报表式BI
通过传统BI工具制作的定制化报表，比如IBM Cognos、SAP BO等
2）自助式BI
通过数据集自助制作仪表盘，比如Tableau、PowerBI、QuickBI等
3）指标式BI
通过指标平台以指标和维度形式自助拖拉拽搭建看板
4）智能BI
以chatBI为基础，实现对话式取数和智能分析
车企BI建设的十大坑
1）坑一：数据孤岛丛生，研、产、供、销、服指标无法互通
2）坑二：高层、中层和基层上下看数指标无法对齐，入口不统一
3）坑三：指标口径不一致，同名不同义，同义不同名
4）坑四：业务系统报表多而杂，口径不统一，指标数据不准
5）坑五：报表分散在各个业务系统，权限无法统一管控
6）坑六：频发的数据指标需求无法及时响应交付
7）坑七：报表众多，指标庞杂，缺乏有效的指标体系
8）坑八：有指标，有看板，缺乏基于业务逻辑的指标故事线
9）坑九：指标、维度众多，指标准确性无法验证，缺乏有效的指标准确性审计校验
10）坑十：只有看数，缺少用数
如何理解AI+BI
BI 目的是将数据转化为知识来辅助决策，由一个个指标组成，指标和指标之间反应了业务逻辑和关系。
AI 则追求以更智能的算法得到更精确的结果，是生产力的一种体现。
AI+BI是基于AI的BI平台，其本质还是BI，只不过通过AI能支持更复杂的场景，更准确的分析结果和更科学的决策。
AI+BI场景探索
BI的核心逻辑是数据驱动决策，而整个驱动决策的链路是PDCA的闭环
定目标：目标智能分拆，基于车企的目标销量，反向预估试驾量、线索量、投放曝光量等目标
追过程：过程指标的监控和异常定位
拿结果：基于异常定位的改善任务，进行跟进闭环，拿到改善结果
1）做指标
围绕指标开发的全生命周期各个阶段，通过AI大模型的能力进行提效，有如下场景：AI SQL代码助手、AI指标质量助手、AI验数助手、AI自动看板生成等
2）查指标
面向业务方，通过AI提供便捷的指标查找能力，有如下场景可以探索：AI指标树、AI指标口径助手、AI指标血缘等
3）看指标
从手工取数、看板看数到AI智能问数，AI大模型变革了数据的交互方式，通过对话式的获取业务数据进行决策，有如下场景可以探索：AI智能问数、AI指标归因、AI指标诊断等
4）用指标
指标反映业务现状，量化业务效果，通过指标对业务进行深度洞察，指标的价值所在。在用指标方面有如下场景可以探索：AI指标洞察、AI指标改善助手、AI指标任务闭环等
