Che cose la business intelligence generativa?

La business intelligence generativa, chiamata anche "BI generativa" o "gen BI" è la pratica che consiste nell'applicare l'AI generativa ai processi di business generative. Gli strumenti di BI generativa possono automatizzare e semplificare le attività chiave di analisi dei dati, come l'individuazione di modelli e la creazione di visualizzazioni.

La business intelligence o BI, si riferisce a una serie di processi per l'analisi dei dati aziendali per informare le decisioni aziendali. I workflow e gli strumenti di BI tradizionali sono altamente manuali, richiedendo tempo e competenze tecniche significativi per trasformare i dati non elaborati in insight attuabili. Gli stakeholder privi di background nella data science spesso non sono in grado di sfruttare appieno le tecniche di BI.

La BI generativa consente a più persone di partecipare all'analytics. In genere basati su modelli linguistici di grandi dimensioni (LLM), gli strumenti di BI generativa funzionano in modo molto simile ad altri strumenti di AI generativa comuni, come ChatGPT o Microsoft Copilot. Gli utenti inseriscono istruzioni in linguaggio naturale e lo strumento risponde di conseguenza.

A differenza della BI tradizionale, gli utenti non devono imparare linguaggi di programmazione speciali, eseguire calcoli manuali o creare grafici da zero. Possono chiedere allo strumento di BI generativa, in un linguaggio semplice, di condurre analytics avanzate e creare report per loro.

In questo modo, la BI generativa consente l'analytics self-service per gli utenti di tutta l'Organizzazione, indipendentemente dal set di competenze. L'analytics self-service, a sua volta, aiuta le organizzazioni a prendere più decisioni basate sui dati.

La BI generativa è una categoria di tecnologia relativamente nuova. Secondo un sondaggio, solo il 3% delle organizzazioni dichiara di aver implementato la BI generativa in un "pieno utilizzo operativo". Tuttavia, più della metà delle organizzazioni dichiara di essere in varie fasi dell'esplorazione della BI generativa.¹ Si prevede che i tassi di adozione aumenteranno man mano che gli strumenti di BI generativa diventeranno più raffinati e più facilmente disponibili.

La BI generativa e l'AI generativa non sono due tipi diversi di tecnologie o modelli AI. Piuttosto, si può pensare alla BI generativa come a un caso d'uso per l'AI generativa. In particolare, la BI generativa è la pratica di utilizzare soluzioni di AI generativa per raccogliere, gestire e analizzare i dati organizzativi per informare le operazioni.

L'AI generativa (gen AI) si riferisce a una categoria di modelli di intelligenza artificiale (AI) e apprendimento automatico (ML) in grado di creare contenuti originali, come testo, immagini o codice, in risposta alla richiesta di un utente. La BI generativa è un tipo di analytics dell'AI in quanto applica algoritmi di AI per elaborare e analizzare i dati aziendali.

Gli strumenti di BI generativa funzionano allo stesso modo degli altri strumenti generativi basati su AI. Un utente immette un prompt in linguaggio naturale e lo strumento genera contenuti in risposta.

Ad esempio, un utente potrebbe digitare: "Mostrami un grafico a torta con i nostri 5 prodotti più venduti l'anno scorso, diviso per la percentuale di vendite di ciascun prodotto". Lo strumento di BI generativa analizzerà il set di dati corrispondente e restituirà esattamente quanto segue: un grafico a torta che suddivide i prodotti più venduti in base alle percentuale delle vendite.

La maggior parte degli strumenti di BI generativa è disponibile in una delle 3 forme riportate di seguito:

1. Modelli di gen AI generici, come Llama, applicati alle attività di BI.
   

2. Piattaforme di BI con modelli AI integrati. Ad esempio, Amazon QuickSight Q integra il chatbot Amazon Q basato su LLM in QuickSight, uno strumento di business intelligence di Amazon Web Services (AWS).
   

3. Modelli AI specificamente adattati alla business intelligence. Ad esempio, IBM Project Ripasso è una piattaforma basata su LLM addestrata su contenuti pertinenti per l'azienda, con funzionalità di governance dei dati integrate.

Sebbene i modelli AI generici possano svolgere numerose funzioni di BI, molte organizzazioni optano invece per strumenti e modelli BI più specializzati. In genere garantiscono alle organizzazioni un maggiore controllo sul modo in cui vengono utilizzati i propri dati.

Le funzioni possono variare da uno strumento all'altro, ma le funzionalità di BI generativa più comuni includono:

• Elaborazione del linguaggio naturale (NLP): gli strumenti di BI generativa utilizzano la PNL e le interfacce di chat in modo che gli utenti possano inviare prompt, interrogare set di dati ed eseguire calcoli senza utilizzare un linguaggio di interrogazione strutturato (SQL) o altra sintassi specializzata.

• Dashboard, report e immagini personalizzati: la maggior parte delle soluzioni di BI generativa dispone di strumenti di creazione che consentono agli utenti di creare dashboard, visualizzazione dei dati, report scritti e storie di dati descrivendo quello di cui hanno bisogno, anziché crearli manualmente.

• Integrazioni: gli strumenti di Gen BI possono integrarsi con varie fonti di dati, tra cui database, data warehouse, data lake e data lakehouse.

• Consigli: numerosi strumenti di BI generativa possono arricchire le analisi consigliando set di dati correlati, suggerendo query correlate, offrendo feedback sull'ottimizzazione dei report e fornendo altre indicazioni.

• Glossari aziendali: alcuni strumenti di BI generativa supportano o si integrano con i glossari aziendali. I glossari consentono alle organizzazioni di definire termini, concetti e processi importanti in modo che lo strumento possa fornire risposte basate sul contesto unico dell'azienda.

L'AI generativa può essere utilizzata in qualsiasi fase del processo di business intelligence, ma è più comunemente utilizzata per supportare la raccolta dei dati, l'analisi dei dati, la visualizzazione dei dati e la pianificazione delle azioni.

Gli strumenti di Gen BI possono aiutare gli utenti a scoprire, pulire, trasformare e aggregare i dati per l'analisi.

Per esempio, un utente potrebbe chiedere a uno strumento di BI generativa di creare un report sulle spese per unità di business. Lo strumento cercherà i dati pertinenti tra le fonti di dati integrate, compresi i registri finanziari a livello aziendale e i registri specifici delle unità, standardizzando la formattazione dei punti di dati e assemblando il tutto in un rapporto coerente.

Gli strumenti di BI generativa possono utilizzare grandi quantità di dati complessi per far emergere modelli, rispondere a domande, individuare tendenze e altro ancora. Questo consente agli utenti di ricavare insight dai dati senza eseguire calcoli manuali.

Ad esempio, l'utente che crea un report sulla spesa delle unità di business potrebbe chiedere alla BI generativa di individuare le unità che negli ultimi 8 trimestri hanno superato costantemente il budget. L'utente potrebbe anche chiedere alla BI generativa di individuare i motivi per cui queste unità potrebbero spendere troppo.

La Gen BI può trasformare i risultati delle sue analisi in grafici e riepiloghi digeribili e condivisibili, evidenziando le metriche chiave e altri insight vitali.

Ad esempio, un utente potrebbe generare un grafico a barre che confronta la spesa trimestrale delle unità di business con il budget allocato per evidenziare le disparità tra la spesa pianificata e quella effettiva.

Gli strumenti di BI generativa possono consigliare alle organizzazioni le misure da adottare in base all'analisi dei dati. Ad esempio, lo strumento potrebbe consigliare di suddividere la spesa delle unità di business per progetto per individuare i progetti che non offrono un rendimento sufficiente per giustificare l'investimento continuo.

Gli strumenti di BI generativa possono consentire l'analisi avanzata e self-service dei dati. Gli utenti non hanno più bisogno di padroneggiare specifici linguaggi di programmazione, formule matematiche o strumenti per lavorare con i dati. Possono invece interrogare, calcolare e generare report tramite linguaggio naturale.

Tradizionalmente, gli utenti business si sono affidati ai data scientist e agli analisti aziendali per svolgere gran parte del lavoro pesante della BI al posto loro. La Gen BI elimina gran parte della complessità della business intelligence, consentendo agli utenti di tutta l'azienda di inserire dati reali e in tempo reale nel loro processo decisionale. Ad esempio:

• Gli utenti delle risorse umane (HR) possono chiedere a strumenti di BI generativa di analizzare le tendenze dei talenti e formulare raccomandazioni sulla pianificazione della forza lavoro.

• I team finanziari possono chiedere agli strumenti di BI generativa di creare previsioni più granulari analizzando le entrate a livello di cliente, prodotto e canale.

• I team della supply chain e di approvvigionamento possono ottimizzare l'inventario chiedendo alla BI generativa di utilizzare le tendenze passate per prevedere i modelli di acquisto futuri.

• I team di marketing possono utilizzare strumenti di BI generativa per condurre un'analisi semantica del feedback dei clienti per ricavare insight da utilizzare per migliorare l'esperienza del cliente.

• I team di vendita possono utilizzare strumenti di BI generativa per analizzare gli effetti dei diversi punti di prezzo sulla spesa dei clienti. Possono utilizzare i risultati per ottimizzare i prezzi.

Inoltre, l'introduzione dell'analytics self-service consente ai data scientist e agli analisti aziendali di lavorare su progetti più strategici. Invece di rispondere a domande ristrette a cui gli utenti possono ora rispondere da soli, gli esperti di dati possono costruire nuovi strumenti di dati o addestrare modelli AI proprietari, ad esempio.

Gli strumenti di BI generativa possono offrire numerosi vantaggi, tra cui:

• Migliorare l'adozione di strumenti e pratiche di business intelligence
• Migliorare i risultati della business intelligence
• Affrontare la carenza di competenze nella data science
• Analizzare volumi maggiori di dati più complessi
• Ridurre i costi delle attività di BI

Secondo un sondaggio, solo il 25% degli utenti dichiara di utilizzare strumenti di business intelligence.² I bassi tassi di adozione sono causati, in parte, dalla complessità tecnica dei processi di BI tradizionali.

Tuttavia, gli strumenti di BI generativa consentono a più utenti di lavorare direttamente con i propri dati senza dover ricorrere a data scientist e analisti. Questo, a sua volta, significa che più persone possono utilizzare la business intelligence per supportare un processo decisionale più basato sui dati in tutta l'organizzazione.

Oltre a incoraggiare un maggiore uso della business intelligence, la BI generativa può inoltre migliorare i risultati delle attività di analytics.

Poiché può elaborare più dati più velocemente di quanto potrebbe fare un utente umano o uno strumento di BI tradizionale, uno strumento di BI basato sull'AI spesso è in grado di individuare tendenze che altrimenti potrebbero sfuggire.

Numerosi strumenti di BI di ultima generazione forniscono agli utenti suggerimenti di domande, dati e insight per aiutarli a migliorare le loro analisi. E gli strumenti di BI gen possono trasformare i risultati dell'analisi dei dati in elementi visivi e report per una condivisione e un utilizzo facili.

La BI tradizionale richiede una certa esperienza in materia di dati che non tutti possiedono. Può essere difficile trovare un numero sufficiente di data scientist e analisti aziendali qualificati per gestire completamente tutti i progetti di BI.

Abilitando l'analytics self-service, gli strumenti di BI generativa possono aiutare le organizzazioni a mitigare l'impatto della carenza di competenze in materia di data science sulle loro attività di BI.

Gli strumenti di BI generativa elaborano volumi di dati maggiori di quelli che un data scientist o un utente business potrebbe fare manualmente.

Possono inoltre elaborare dati non strutturati, come documenti e immagini, che costituiscono una parte crescente dei dati aziendali. Gli algoritmi di AI tradizionali basati su regole possono avere problemi con dati che non seguono un formato rigido, ma gli strumenti di AI generativa non hanno questa limitazione.

La BI generativa può aiutare le organizzazioni a risparmiare tempo e denaro automatizzando molte delle parti della business intelligence che richiedono più tempo e risorse, come l'esecuzione di calcoli e la creazione di report. Questo significa che le organizzazioni possono investire meno denaro e forza lavoro in analytics aziendali senza sacrificare insight attuabili.

Sebbene la BI generativa possa offrire molti benefici, l'implementazione di strumenti di gen BI non è priva di sfide. Alcuni degli ostacoli più comuni includono:

• Trasparenza e spiegabilità
• sicurezza e privacy dei dati
• Allucinazioni
• Architetture di dati inefficaci

Alcuni modelli AI si comportano come black box, fornendo scarsi insight sul processo alla base dei loro output. Questo può essere problematico nelle attività di business intelligence, in cui gli utenti devono capire il modo in cui sono stati analizzati i dati per fidarsi delle conclusioni di uno strumento di BI generativa.

Inoltre, alcuni regolamenti, come l'EU AI Act, richiedono che le organizzazioni siano trasparenti sul modo in cui i loro strumenti di AI elaborano i dati delle persone.

L'uso di strumenti di BI generativa che spiegano il loro "ragionamento", compresi i dati che utilizzano e il modo in cui giungono alle conclusioni, può aiutare le organizzazioni a mantenere la trasparenza e la spiegabilità.

Le organizzazioni hanno ragioni sia legali sia aziendali per dare priorità alla sicurezza dei dati e alla privacy dei dati. Alcune leggi, come il Regolamento generale sulla protezione dei dati (GDPR) dell'UE, limitano il modo in cui le aziende possono utilizzare diversi tipi di dati. Inoltre, alle organizzazioni leviolazioni dei dati costano in media 4,88 milioni di dollari per violazione, secondo il Report Cost of a Data Breach di IBM.

Alcuni modelli AI generativa non adottano misure efficaci di sicurezza e privacy dei dati. Particolarmente preoccupante è il fatto che le organizzazioni potrebbero non essere in grado di controllare il modo in cui questi modelli utilizzano i propri dati dopo averli consumati.

Gli strumenti di BI generativa con funzionalità di sicurezza dei dati e governance dei dati possono aiutare le organizzazioni a mantenere il controllo sui propri dati e prevenire accessi non autorizzati.

I modelli AI generativa possono sperimentare allucinazioni. Vale a dire possono inventare cose e generare output falsi. Le allucinazioni potenzialmente possono ostacolare i progetti di business intelligence, portando a strategie aziendali e azioni basate su informazioni errate.

Le organizzazioni possono mitigare le allucinazioni addestrando strumenti di BI generativa solo su set di dati di alta qualità e pertinenti per l'azienda. Possono inoltre esplorare altre tecniche, come la retrieval-augmented generation (RAG), che consente a un modello LLM di basare le sue risposte su una fonte di conoscenza esterna e fattuale.

Come qualsiasi modello AI generativa, gli strumenti di BI generativa hanno bisogno di accedere a grandi quantità di dati di qualità. Un'architettura dei dati aziendali frammentata, in cui i dati sono isolati e sparsi in tutta l'organizzazione, può impedire a uno strumento di gen BI di accedere ai dati di cui ha bisogno.

Un'architettura dei dati efficace, con i sistemi di data storage appropriati collegati in un data fabric integrato, può aiutare a garantire che gli strumenti di gen BI dispongano dei dati necessari per produrre output di qualità.