在大數據時代，掌握數據即掌握市場動向，問題在於不少企業均未能掌握數據分析的技巧，以數據說故事，甚至有專家引述調查，指有高達七成半商業用戶對自己的數據技能缺乏信心。適逢近年人工智能發展蓬勃，不少企業也開始嘗試使用生成式 AI 進行數據分析，本篇請來 AI 專家介紹新型「生成式 BI」工具，以至如何利用 BI 製作各式各樣的報告，讓企業提升工作效率之餘，亦能夠「說好數據故事」。
在大數據時代的今天，不少商業、經濟上作出的決策已非像以往一樣僅憑經驗和直覺，而是透過數據和分析，甚至採用 BI（Business Intelligence，商業智慧）工具而作出嚴謹決策。在這決策過程中，數據擷取及分析的準確度與速度顯得非常重要。可是，事實上不少企業員工卻未能掌握使用相關工具的技巧。
在早前由雲端服務平台 AWS 舉辦的 AWS Summit 香港 2024 當中，AWS Data & AI Business 部門負責人 Alvin Cheung 就主講了一場以「Generative BI in Amazon QuickSight」（Amazon QuickSight 的「生式成商業智慧」）為題的講座，向業內人士分析現時「生成式 BI」的優點，以至如何使用 Amazon Q in QuickSight（下稱 QuickSight）來進行數據分析。
提到數據分析，講者 Alvin 引述了一項「Data Literacy Project 2020 」調查，指受訪者們平均竟花高達 68% 工時於數據整理及分析工作上，甚至有 73% 受訪者表明他們對自己的數據分析技巧沒有信心。Alvin 認為，這反映了現時不少企業在推行數據軀動（data-driven）的困難，在於未有適合的 BI 工具、員工未能掌握使用 BI 工具的技巧，因此才出現「買了 BI 工具授權而使用率極低」的情況，因此，要做好數據分析，選擇合適工具及提升員工技巧即為不少企業最急切的任務。
在介紹如何選擇合適 BI 工具前，Alvin 分享了「生成式 BI」 工具與傳統 BI 工具的分別。Alvin 認為， 傳統工具缺乏統一性，企業會同時採用 Excel 整理數據，又同時使用庫存管理系統，縱使不同工具的數據是相互關聯，卻因系統有別而需花額外時間整合，而 Alvin 提到的「生成式 BI」，如像 AWS 的 QuickSight，即能提供一個統一平台， 讓各式各樣的 BI dashboard（儀表板，一種數據可視化工具，用於呈現、監控和分析企業或組織的數據）結合在一起。
具體而言，Alvin 指「生成式 BI」能讓管理員或業務分析師，在統一的平台上直接建立不同分析工具，如用戶能透過描述想採用的數據參數，建立不同分析模式，改進數據分析情況，用戶甚至能即時向 BI 提出如「公司的最高銷售額為多少」、「為甚麼上個月銷售額下降了 20%」等問題，「生成式 BI」即會提供異常值或關鍵因素等分析結果。
Alvin 又補充，現時的「生成式 BI」在分析數據結果後，能進一步協助用家建立 dashboard。他指，過去用家或需要記住一些 Excel 公式，需要了解如何構建柱形圖、折線圖這樣的圖表，以至如何將數據放入圖表中，但採用「生成式 BI」，用家只需直接向人工智能下「提詞」（prompt），如「建立上月份的熱銷產品圖表、以折線圖格式顯示」、「建立一個關於過去一季市場推廣活動表現的描述」，BI 即會使用數據，生成出按用家要求格式的摘要、季度回顧等內容，解釋數據上升、下降的原因，進行分析，預測趨勢。再進一步，Alvin 指用家亦可要求 BI 協助改進，提問改善方法，BI 亦會提供一些內容，供用家參考。
在「生成式 AI」技術之下，Alvin 提到新型 BI 工具已能處理更多的數據類型，例如，像 QuickSight 已能分析客戶服務電話、通話紀錄等內容，亦直接對應輸入語音或 PDF 檔案，用戶需要做的，僅是微調 AI 模組，採用如預設的「上下文學習模式」、「功能模式」來設定最適合用戶的虛擬數據庫，甚至亦能自行構建 AI 模型來分析數據。
總結而言，在「生成式 AI」技術之下，現時像 QuickSight 般的「生成式 BI」工具，已能大大改動過往需花大量精力才能構建演示內容的情況，能輕鬆協助用家分析數據，甚至是使用 AI 完成建立可視化圖表、調整數據、生成摘要等工作，大大提升數據分析工作的準確度與效率，輕鬆達至「用數據說故事、用數據決策」的企業營運模式。
如有興趣觀看使用 QuickSight 的示範實例，可瀏覽以下網址：按此連結
由「字典」到「軟件」 聯合培進的數碼轉型之路 AWS 引入 Stability AI 三大模型 為客戶提供更多選擇 人工智能概念大解密 從 AI 到機器學習再到生成式 AI