BI سنتی در برابر Conversational BI؛ آیا مدیران در آینده هنوز به داشبورد نیاز دارند؟

برای سال‌ها، نقطه اوج بسیاری از پروژه‌های Business Intelligence یک داشبورد مدیریتی خوب بود؛ صفحه‌ای که مدیر با ورود به آن بتواند فروش، درآمد، هزینه، عملکرد شعب، وضعیت پروژه‌ها یا سایر شاخص‌های کلیدی سازمان را در قالب نمودار و KPI مشاهده کند.

داشبوردها همچنان ابزار ارزشمندی هستند. اما هوش مصنوعی سؤال جدیدی پیش روی BI قرار داده است:

اگر مدیر بتواند مستقیماً با داده‌های سازمان صحبت کند، آیا هنوز لازم است برای پاسخ هر سؤال به دنبال نمودار مناسب بگردد؟

تصور کنید مدیر به جای باز کردن چند صفحه گزارش بگوید:

«فروش شش ماه گذشته را با مدت مشابه سال قبل مقایسه کن، سه محصولی که بیشترین افت را داشته‌اند مشخص کن و بگو این افت بیشتر مربوط به کدام مشتریان بوده است.»

چند ثانیه بعد، به جای یک نمودار ثابت، پاسخ و تحلیل متناسب با همان سؤال را دریافت کند.

این ایده، هسته اصلی Conversational BI است.

BI سنتی چه کاری برای ما انجام می‌دهد؟

در ساده‌ترین نگاه، سازمان حجم بزرگی از Data تولید می‌کند. اطلاعات فروش، مشتری، قرارداد، پروژه، مالی، انبار و خدمات به خودی خود برای مدیر قابل استفاده نیستند. BI این داده‌های پراکنده را جمع‌آوری، مدل‌سازی و قابل فهم می‌کند.

بنابراین می‌توان گفت:

Data → BI → Information

برای مثال هزاران ردیف اطلاعات فروش به نموداری تبدیل می‌شوند که روند فروش ماهانه را نشان می‌دهد. مدیر با مشاهده نمودار متوجه کاهش فروش می‌شود.

اما یک مرحله دیگر باقی مانده است.

چرا فروش کاهش پیدا کرده؟ این کاهش بیشتر مربوط به کدام محصول است؟ در چه منطقه‌ای رخ داده؟ آیا تعداد مشتری کاهش یافته یا مبلغ متوسط سفارش؟ آیا این الگو قبلاً نیز اتفاق افتاده است؟

پاسخ این سؤال‌ها معمولاً به تجربه مدیر، تحلیلگر یا کارشناس BI وابسته است.

یعنی BI اطلاعات را در اختیار ما قرار داده، اما برای رسیدن از Information به Knowledge هنوز به تحلیل نیاز داریم.

Conversational BI چه چیزی را تغییر می‌دهد؟

Conversational BI تلاش می‌کند فاصله میان «دیدن اطلاعات» و «فهمیدن آن» را کمتر کند.

مدیر لازم نیست از قبل بداند پاسخ سؤال او در کدام Dashboard، Page یا Visual قرار دارد. سؤال را به زبان طبیعی مطرح می‌کند و سیستم تلاش می‌کند داده مناسب را پیدا، تحلیل و پاسخ را متناسب با Context درخواست ارائه کند.

مثلاً مدیر فروش می‌پرسد:

«چرا فروش منطقه شمال در سه ماه گذشته کاهش پیدا کرده است؟»

سیستم می‌تواند روند فروش را بررسی کند و در ادامه مدیر بگوید:

«فقط مشتریان سازمانی را بررسی کن.»

سپس:

«همین دوره را با سال گذشته مقایسه کن.»

و در نهایت:

«سه عامل اصلی کاهش را خلاصه کن.»

این تجربه دیگر شبیه کار کردن با Dashboard نیست؛ بیشتر شبیه گفت‌وگو با یک تحلیلگر داده یا مشاور مدیریتی است که به داده‌های واقعی سازمان دسترسی دارد.

از Data تا Knowledge؛ حلقه‌ای که در BI سنتی کامل نمی‌شد

برای درک بهتر تفاوت، می‌توان مسیر را این‌گونه دید:

Data → Information → Knowledge → Decision

در BI سنتی، بخش بزرگی از تبدیل Data به Information توسط سیستم انجام می‌شود. اما تبدیل Information به Knowledge عمدتاً بر عهده انسان است.

مدیر باتجربه یا تحلیلگر می‌داند کدام نمودارها را کنار یکدیگر قرار دهد، چه فیلترهایی اعمال کند و چه ارتباطی میان شاخص‌ها وجود دارد.

Conversational BI تلاش می‌کند هوش مصنوعی را وارد همین فاصله کند.

به جای اینکه صرفاً بگوید «فروش ۱۲ درصد کاهش یافته»، باید بتواند به سؤال بعدی نیز پاسخ دهد:

«چرا؟»

و بعد:

«کدام بخش این کاهش غیرعادی است؟»

و:

«اگر مشتریان بزرگ را حذف کنیم، آیا همچنان همین روند وجود دارد؟»

اینجاست که BI از ابزار مشاهده اطلاعات به ابزار کشف دانش نزدیک می‌شود.

یک مثال در مدیریت مناقصات

فرض کنید مدیر شرکتی در طول سال در ده‌ها مناقصه شرکت می‌کند.

در BI سنتی ممکن است Dashboard شامل تعداد مناقصات، ارزش آن‌ها، تعداد برد و باخت، نرخ موفقیت و نمودار تفکیک صنایع باشد.

این اطلاعات مفیدند.

اما مدیر ممکن است سؤال دیگری داشته باشد:

«مناقصات دو سال گذشته را بررسی کن. پروژه‌های زیر ۵۰ میلیارد تومان را حذف کن، فقط حوزه انرژی را در نظر بگیر و نرخ موفقیت را بر اساس نوع کارفرما مقایسه کن.»

سپس بپرسد:

«اگر مناقصاتی را که زمان آماده‌سازی کمتر از ده روز داشته‌اند حذف کنیم، نتیجه چه تغییری می‌کند؟»

و بعد:

«بر اساس این داده‌ها، سه الگوی مهمی که برای تصمیم‌گیری مناقصات آینده باید بدانم چیست؟»

ساخت Dashboard برای تمام ترکیب‌های احتمالی این سؤالات تقریباً غیرممکن است.

Conversational BI دقیقاً برای همین فضای پویا ارزش ایجاد می‌کند.

آیا Dashboardها از بین خواهند رفت؟

احتمالاً نه.

داشبورد یک مزیت بسیار مهم دارد: Monitoring.

مدیر می‌خواهد با یک نگاه وضعیت کلی سازمان را ببیند. فروش امروز، وصول مطالبات، پروژه‌های بحرانی یا وضعیت SLA باید بدون پرسیدن سؤال قابل مشاهده باشند.

بنابراین آینده BI احتمالاً حذف Dashboard نیست؛ بلکه ترکیب دو تجربه است:

Dashboard برای Monitoring

و

Conversation برای Exploration و Analysis

مدیر ابتدا داشبورد را می‌بیند و متوجه می‌شود یک KPI غیرعادی است. سپس به جای رفتن میان چندین صفحه و فیلتر، همان‌جا از سیستم می‌پرسد:

«چرا این اتفاق افتاده؟»

این ترکیب می‌تواند بسیار قدرتمندتر از هرکدام به تنهایی باشد.

تفاوت BI سنتی و Conversational BI

اما یک نکته مهم وجود دارد: Conversational BI جای معماری BI مناسب را نمی‌گیرد.

بدون Semantic Model مناسب، AI هم معجزه نمی‌کند

ممکن است تصور شود با ورود هوش مصنوعی دیگر نیازی به Data Warehouse، Data Model یا تعریف KPI نداریم. دقیقاً برعکس.

اگر تعریف «فروش خالص» در سازمان مشخص نباشد، AI نیز نمی‌داند کدام تعریف را استفاده کند. اگر اطلاعات مشتری در چند سیستم با شناسه‌های متفاوت ثبت شده باشند، هوش مصنوعی نیز با همان تناقض روبه‌رو خواهد شد.

برای اینکه مدیر بتواند با داده گفت‌وگو کند، باید پشت این گفت‌وگوی ساده یک زیرساخت قابل اعتماد وجود داشته باشد:

• منابع داده معتبر
• ETL و Integration مناسب
• Data Warehouse در صورت نیاز
• Semantic Model
• KPIها و Business Definitionهای مشخص
• Security و سطح دسترسی
• و در نهایت لایه AI

بنابراین Conversational BI جای BI را نمی‌گیرد؛ روی یک BI خوب ساخته می‌شود.

از گزارش‌گیری تا مشاور مدیریتی

جذاب‌ترین آینده Conversational BI شاید زمانی باشد که سیستم فقط به سؤال پاسخ ندهد، بلکه خودش نیز سؤال مناسبی مطرح کند.

مثلاً بگوید:

«فروش این ماه تقریباً ثابت مانده، اما حاشیه سود گروه A به شکل غیرعادی کاهش یافته است. آیا مایلید علت آن را بررسی کنم؟»

یا:

«نرخ موفقیت مناقصات شما در پروژه‌هایی با زمان آماده‌سازی کمتر از یک هفته، به‌طور محسوسی پایین‌تر است.»

در چنین شرایطی، BI دیگر فقط منتظر مدیر نمی‌ماند تا نمودار مناسب را پیدا کند. به تدریج به سیستم تصمیم‌یار تبدیل می‌شود.

و اگر این لایه را به AI Agent متصل کنیم، مرحله بعد حتی جذاب‌تر است: سیستم نه تنها مسئله را پیدا می‌کند، بلکه می‌تواند اقدام بعدی را نیز پیشنهاد دهد یا در محدوده‌ای مشخص اجرا کند.

رویکرد رای‌بُد؛ BI به‌عنوان زیرساخت تصمیم‌گیری

در رای‌بُد، نگاه ما به BI صرفاً ساخت مجموعه‌ای از نمودارهای زیبا نیست. Dashboard زمانی ارزشمند است که پشت آن Data Model صحیح، تعریف روشن KPI و ارتباط درست میان اطلاعات سازمان وجود داشته باشد.

Conversational BI مرحله بعدی همین مسیر است؛ جایی که مدیر علاوه بر مشاهده گزارش، بتواند با داده‌های سازمان گفت‌وگو کند، سؤال جدید مطرح کند، زاویه تحلیل را تغییر دهد و بدون طراحی یک گزارش جدید برای هر سؤال، به پاسخ برسد.

این معماری می‌تواند اطلاعات Dynamics 365، ERP، سیستم مالی، فروش، پروژه، انبار و سایر منابع سازمان را در یک مدل تحلیلی قرار دهد و سپس لایه AI روی آن ساخته شود.

جمع‌بندی؛ آیا آینده بدون داشبورد است؟

احتمالاً نه؛ اما آینده‌ای که در آن فقط Dashboard داشته باشیم نیز بعید به نظر می‌رسد.

داشبورد همچنان برای مشاهده سریع وضعیت سازمان ارزشمند خواهد بود، اما در کنار آن یک لایه مکالمه‌ای شکل می‌گیرد که اجازه می‌دهد مدیر از داده سؤال کند، تحلیل را تغییر دهد، مقایسه جدید بسازد و به جای جست‌وجو میان گزارش‌ها، مستقیماً به سراغ مسئله برود.

مسیر تحول BI را شاید بتوان در یک جمله خلاصه کرد:

دیروز داده را ذخیره می‌کردیم؛ امروز آن را به اطلاعات تبدیل می‌کنیم؛ فردا انتظار داریم سیستم از میان این اطلاعات، دانش قابل استفاده برای تصمیم‌گیری استخراج کند.

در رای‌بُد، مسیر توسعه BI را نیز از همین زاویه می‌بینیم؛ از یکپارچه‌سازی داده و ساخت مدل‌های تحلیلی و داشبوردهای مدیریتی، تا ایجاد لایه‌های جدید Conversational BI و هوش مصنوعی روی اطلاعات واقعی سازمان.

شاید در آینده مدیر کمتر بپرسد:

«این گزارش کجاست؟»

و بیشتر بگوید:

«به من بگو چه اتفاقی افتاده، چرا اتفاق افتاده و کجا باید بیشتر دقت کنم.»

این همان نقطه‌ای است که Business Intelligence از گزارش‌گیری به تصمیم‌سازی نزدیک می‌شود.