在過去幾年里，大數(shù)據(jù)逐漸興起。然而，TDWI的研究表明，在那些50%的員工需要訪問企業(yè)情報工具的企業(yè)中，只有20％的員工實際使用大數(shù)據(jù)技術。部分問題是系統(tǒng)往往難以使用；另一個挑戰(zhàn)是數(shù)據(jù)素養(yǎng)較低。
為了解決這些問題，許多組織依靠可視化來顯示從數(shù)據(jù)中獲得的洞察。雖然一張圖片勝過千萬文字，但是這些圖表并不總是能幫上忙，仍然可能導致數(shù)據(jù)誤解，例如專業(yè)知識不足和缺乏統(tǒng)計思想方面的培訓等。
所有這些都表明，試圖強迫人們提高數(shù)據(jù)素養(yǎng)是一場艱苦的戰(zhàn)斗。但是，由于人工智能（AI）的興起，特別是支持高級自然語言（高級NLG），這實際上讓提高人們數(shù)據(jù)素養(yǎng)變得不那么必要了。高級NLG平臺，首先需要了解用戶想要溝通的內容。然后，這些系統(tǒng)執(zhí)行相關分析以突出最有趣和最重要的，然后識別和訪問分析所必需的數(shù)據(jù)，最后以個性化、易于理解的方式提供分析：敘述。 Gartner預測到2018年，高級NLG將被整合到大多數(shù)智能數(shù)據(jù)洞察平臺，20％的業(yè)務內容將由機器生成。
我們生活中其實就有這樣的人工智能平臺：
Alexa和會話界面的興起
想象一下，在星期六晚上坐在家里，你想了解一下自己最近的財務狀況，你可以問Alexa：我的投資是怎么做的？
Alexa：你想要一個高級別的摘要，還是直接了解詳情？
如果你回答：總結就好。
Alexa可能會回復：年初至今累計上漲5％，略高于2016年的投資回報目標。股票，債券和替代投資的組合與去年的這一時間基本相同，但您持有的現(xiàn)金略多于您的預期。如果你愿意，我可以投資多余的現(xiàn)金，并相應地重新分配你持有的投資。
通過這樣的對話我們可以輕松地了解工作、企業(yè)，甚至自己的健康。獲取報告和進行對話之間是由區(qū)別的。雖然信息是相同的，但對話會讓這些信息以更人性化的方式進行傳播。
庫存管理
大型超市連鎖店非常關注他們的庫存，對于易腐爛的商品尤其如此，如在熟食店柜臺或農產品部門銷售的商品。因為這些商品流通快，所以是超市最有利潤的地方。對于像這樣的超市，精確地管理庫存是很重要的，絲毫差錯對利潤都會有直接影響。
管理人員非常專注于數(shù)據(jù)，如供應鏈、生產和銷售數(shù)據(jù)等。有了這些數(shù)據(jù)，庫存管理人員就能更有效地管理庫存流量。當然，問題是熟食店經(jīng)理不一定能被訓練為商業(yè)分析師，更不用說數(shù)據(jù)科學家了。
如果高級NLG成為其報告過程的主要通信工具，那么與這些數(shù)據(jù)的交互就會變得更容易。
實時財務分析
這也是一個很好的例子。一家金融情報公司需要定期生成大型報告，記錄公司的績效，與內部董事會分享，然后做出對金融機構環(huán)境有廣泛影響的決策。采用傳統(tǒng)方式，要生成這樣的分析報告，至少需要兩個小時，而NLG則在幾秒內就完成了。高級NLG不僅僅能讀圖表而且能讓計算機自動編寫報告。通過自動化研究，分析人員可以專注于提高報告的定性分析水平，使公司做出更明智的決定。
呼叫中心培訓
大公司通常都有一個大型呼叫中心。有些金融服務企業(yè)的呼叫中心甚至有數(shù)萬名員工。要管理這樣一個龐大的隊伍不是一件簡單的事情。
在這樣規(guī)模的部門中，經(jīng)理可能沒有時間或資源來進行頻繁的績效評估和提供持續(xù)的個性化培訓。雖然絕大多數(shù)經(jīng)理認為績效和培訓是很有價值的。除此之外，人們不想通過數(shù)字和圖表說明自己的表現(xiàn)如何，員工更希望獲得“糾正反饋”，以及探索更好的工作方式的建議。