在公司中使用数据做出决策的重要性现已众所周知，而且是根本性的，但有一种方法可以将决策转化为行动。主动智能平台的概念由此诞生。 被动 BI 模型：为什么它已经过时了 公司在收集和制作决策所需的同质且可比较的数据时遇到的主要障碍之一是两个基本领域之间的分离：数据集成领域和业务分析领域。这种划分导致两个领域的团队之间缺乏一致性，并且往往是在业务职能部门内产生“影子 IT 投资”以及与 IT 职能部门不协调的原因之一，并导致在实施过程中面临挑战和困难。

数据治理 这种双筒仓模型导致了一种被动

的数据和分析方法，通常称为被动 BI，它将数据视为历史 西班牙 WhatsApp 数据 数据和静态数据，由一些事务系统批量处理。被动的 BI 方法也过于注重告诉我们过去发生的事情，事后通知我们，而没有在最重要的时候，即最新、最有信息的时候采取有效和及时的行动。需要“信息”尽可能丰富才能做出决定。 最重要的是，它缺乏“最后一英里”，即使业务分析所强调的现象（“见解”）变得显而易见，并促进基于这些现象的决策和行动，打破实现这一目标的障碍，可能会自动化一些针对组织（例如生产、物流、销售人员等）和其他系统（ERP、CRM、垂直行业等）的操作。

除此之外，大多数现代可视化工

具基于 SQL 的特性会系统地排除提出的每个问题或进行 加纳 WhatsApp 号码列表 的每个查询的关键信息。它创建了一个隧道视觉，而不是由关联引擎保证的周边视觉，它允许您看到与某个选择关联或不关联的所有值。此外，被动 BI 模型无法将数据驱动的体验直接集成到决策流程和应用程序中。 被动 BI 的缺点：转向主动智能方法 结果是，IT 拥有的数据通常多于业务认为真正可访问的数据，IT 和业务之间留下了很小的交集来推动转型，并使 IT 更难展示它为组织提供的价值。 数据策略常常旨在将数据源集成到目标系统中，而不是从中产生业务价值，通常希望在流程的后期发现价值。