了解 Tableau AI
学习目标
完成本单元后，您将能够：
- 说明生成式 AI 和分析之间的关系。
- 描述 Tableau AI 的对话式分析方法。
探索生成式 AI 和数据如何结合在一起
简而言之，生成式 AI 根据它学到的所有信息产生输出。所谓生成式正是由此而来。您提问；它生成。例如，如果您向生成式 AI 学习模型提供数万页的诗歌，那么当您要求它写一首诗时，它一定会产出一首效果惊人的诗。
但请注意，数据是生成式 AI 的核心。只有当它具有解决您的问题所需的适量信息时，它才能发挥作用。对于业务分析和商业智能 (BI) 而言也是如此。人们只有在正确的时间掌握正确的信息时才能做出明智的业务决策。
那么，如果将生成式 AI 与行业领先的分析和商业智能工具结合在一起，会发生什么？等等，先别急！
迎接 AI 幻觉的挑战
当您考虑将 Tableau 与生成式 AI 等技术相结合时，您首先可能会想到一个对话界面：“创建仪表板，告诉高管本季度业务表现如何。”然后您会期望生成式 AI 能够提取出见解。虽然这种情况听起来很棒，但挑战在于，即使生成式 AI 取得了飞速进步，它仍然无法可靠地进行数学计算。
请考虑 AI 的幻觉。这是指生成式 AI 会产生一个答案，但不确定该答案的准确性。它仅根据已获悉的信息对响应进行建模。这使得生成式 AI 非常适合创意型应用，但不一定适合具体分析。
在 Tableau，我们正在采取审慎的方法来利用我们的分析平台实施生成式 AI。我们希望确保核心分析、计算和数学按照以往的方式完成。也就是说，使用由人类以完全可信的方式开发的预定义的确定性代码。我们使用生成式 AI 来增强分析体验的其他方面。
平衡生成式 AI 与受信分析
让我们举一个简单的例子：假设您想知道上个季度的利润是多少。显而易见，利润是收入减去成本的函数。
要获得一个人们可以轻松理解并据其采取行动的好答案，需要满足以下条件。
首先，您必须定义利润。利润=收入-成本。生成式 AI 擅长将此类事项连接起来。它看到数据源中包含销售额列，并了解销售额可能是收入的合理代表。它知道收入、成本和利润等概念之间的关系。因此，生成式 AI 可以帮助构建这些定义或这个数据模型。
其次，您必须计算价值以明确该期间的利润。正如我们之前所说，生成式 AI 不太擅长实际计算，因此 Tableau 以更传统的方式执行这些计算。
最后，当您得到答案—即当您知道利润、收入和成本分别是多少时—您需要将其传达给最终用户。视觉效果和自然对话语言的结合是一种有效的传达形式。生成式 AI 可以将一组事实转化为有意义且自然的内容，即使是非技术用户也可以轻松理解。
这是一个简单的例子，但它说明了业务分析的核心流程。它展示了可以在哪些方面使用生成式 AI 来增强和加速这一过程，以及最重要的，在哪些方面不应该使用生成式 AI。
使用 Tableau AI 和 Tableau Pulse 加快分析速度
Tableau AI 使用生成式 AI 的高级功能来简化数据分析过程并提高性能、效率和规模。它通过使用对话界面中的提示，采用不同的方法进行对话数据分析。Tableau AI 并不要求最终用户知道要提出的正确问题，而是通过主动提出问题来引导他们。由于 Tableau 对数据有深入的了解，因此它能够为最终用户提供相关的个性化选项以做出反应。
可以这么想：晚餐时间到了。您有一个私人厨师。您需要准确描述您想要的餐食以及所有食材、烹饪温度和时间吗？哪种酱汁最适合您的主菜，哪种配菜能让主菜更美味，以及如何装盘？对于不是专家的人来说这太难了！
但是，如果厨师给您一些深思熟虑的选择，其中一些您可能从未考虑过，会怎么样？厨师也知道您可能喜欢什么以及如何搭配食材。虽然您拥有最终决定权，但他们会为您提供一些选择和建议，以打造最完美的餐食。
出于很多相同的原因，具有数据和分析的主动式对话界面对于大多数业务用户来说都是有意义的。
借助 Tableau Pulse，您可以获取包含主动见解的数据。它能回答常见问题以深化您的分析，而无需您提出问题。当您确实有疑问时，请从几个一键式提示中进行选择，或通过对话界面提出问题。
如需了解业务的整体情况，可以直接从主页获取 AI 生成的摘要和见解。使用建议的提示深入了解详细信息，或使用混合搜索来发现对您重要的问题。