Search for answers or browse our knowledge base.
Doanh nghiệp của bạn đã sẵn sàng cho AI chưa?
từ Salesforce
Sẵn Sàng cho AI: Những Điều Nhà Lãnh Đạo Dữ Liệu Cần Biết
Mục lục
- Giới thiệu – Trang 03
- Chương 1: Lợi tức đầu tư (AI) – Trang 04
- Chương 2: Sẵn sàng, bắt đầu… chiến lược! – Trang 06
- Chương 3: Quản trị trong nháy mắt – Trang 08
- Chương 4: Thành công với AI là một môn thể thao đồng đội – Trang 11
- Kết luận – Trang 14
- Khám phá thêm – Trang 15
Giới thiệu
Chào mừng đến với tương lai của doanh nghiệp
Sẵn Sàng cho AI dành cho các nhà lãnh đạo phân tích (analytics leaders) và dữ liệu (data leaders) quan tâm đến việc định vị bản thân để đạt được thành công với trí tuệ nhân tạo (AI). Từ chiến lược (strategy) đến quản trị (governance), bạn sẽ tìm hiểu những gì đang được các nhà tư tưởng hàng đầu (thought leaders) chú ý, và thấy những hành động bạn có thể thực hiện để trở thành một nhà lãnh đạo hiệu quả hơn trong môi trường công nghệ và kinh doanh đang thay đổi nhanh chóng.
Ebook này giới thiệu bốn chủ đề thiết yếu cho các nhà lãnh đạo dữ liệu bắt đầu hành trình AI của họ:
- Xác định các dự án phù hợp nhất cho AI.
- Tạo ra một chiến lược hiệu quả.
- Nguyên tắc của quản trị AI (AI governance).
- Xây dựng một đội ngũ chiến thắng.
ĐIỂM KIỂM TRA
Dữ liệu của bạn đã sẵn sàng cho AI chưa?
AI chỉ tốt khi dữ liệu cung cấp cho nó (data that powers it) tốt. Trước khi bắt tay vào bất kỳ nỗ lực AI nào, hãy đảm bảo rằng dữ liệu của bạn đáng tin cậy (trusted), được kết nối (connected), và thống nhất (unified).
Dữ liệu là trung tâm của bất kỳ sáng kiến AI nào, và các tổ chức dẫn đầu đang tập trung vào việc đảm bảo các nguồn dữ liệu (data sources) của họ hiện tại (current), có thẩm quyền (authoritative), và đầy đủ (complete). Từ tài năng (talent), chiến lược (strategy), đến cơ sở hạ tầng (infrastructure), các tổ chức ưu tiên dữ liệu trên mọi đơn vị kinh doanh (business unit) đều sẵn sàng đón đầu làn sóng AI – và định vị bản thân để có lợi thế cạnh tranh đáng kể (significant competitive advantage) so với các đối thủ.
Vậy bạn và đội ngũ của mình nên bắt đầu chuẩn bị dữ liệu cho “thời khắc vàng” (prime time) như thế nào? Hãy bắt đầu với:
- Làm sạch dữ liệu (Cleaning up your data): Loại bỏ các bản sao (duplicates), nhãn sai (mislabelings), định dạng không chính xác (incorrect formats), và các giá trị ngoại lai (outliers).
- Kết nối các nguồn dữ liệu (Connecting your data sources): Tạo ra một “nguồn chân lý duy nhất” (single source of truth), để dữ liệu tiếp thị (marketing), bán hàng (sales), dịch vụ (service), và thương mại (commerce) được thống nhất và dễ tiếp cận.
Hãy cùng thực hiện!
Như với bất kỳ chuyển đổi số (digital transformation) nào, thành công phụ thuộc vào cam kết toàn doanh nghiệp (enterprise-wide commitment). Các nhà lãnh đạo dữ liệu ở vị trí độc đáo để giúp dẫn dắt tổ chức của họ qua quá trình chuyển đổi này, và đạt được những lợi ích mà AI có thể mang lại. Để có thêm quan điểm về vai trò của các nhà lãnh đạo dữ liệu trong chuyển đổi AI, hãy đọc bài phỏng vấn của chúng tôi với các thành viên từ Data Leadership Collaborative.
CHƯƠNG 01
Lợi tức đầu tư (AI)
“Bạn cần có khả năng nhìn nhận rõ ràng về tiềm năng, nhưng sau đó phải đi xuống các trường hợp sử dụng (use cases). Các chức năng là gì? Các nhiệm vụ là gì? Những công việc cần hoàn thành là gì?”
CHITRANG DAVE
Data Leadership Collaborative
CHƯƠNG 01
Làm bài tập để tìm các cơ hội có tác động cao cho AI
Chuyển đổi số (digital transformation) – dù là chuyển sang đám mây (migrating to the cloud) hay triển khai hệ thống quản lý quan hệ khách hàng doanh nghiệp (enterprise CRM) – đều hướng đến việc thúc đẩy kết quả (driving results) và cải thiện năng suất (productivity). AI cũng không khác biệt. Theo một khảo sát của các nhà lãnh đạo phân tích và công nghệ thông tin, lợi ích của việc áp dụng AI bao gồm ra quyết định kinh doanh nhanh hơn (faster business decision-making), hiệu quả vận hành (operational efficiencies), nhiều thời gian hơn để tập trung vào công việc giá trị (valuable work), luồng công việc tự động (automated workflows), và cải thiện trải nghiệm khách hàng (customer experience).
Nhưng để AI đạt được tất cả những lợi ích này – và hơn thế nữa – bạn cần xác định các dự án sẽ mang lại lợi tức cao nhất (highest returns). Không phải mọi trường hợp sử dụng (use case) đều phù hợp với giải pháp AI, và việc xác định nơi triển khai AI là cả một nghệ thuật lẫn khoa học (art and science). Nó bắt đầu với sự hiểu biết sâu sắc về những gì bạn đang cố gắng hoàn thành, và xem xét các thách thức tiềm năng (potential challenges). Từ điểm khởi đầu đó, đây là các câu hỏi bạn nên đặt ra:
- Đánh giá dữ liệu (Data assessment): Dữ liệu của bạn có đáng tin cậy, được kết nối, và dễ tiếp cận không?
- Chuyên môn lĩnh vực (Domain expertise): Bạn đã làm việc với các chuyên gia AI hiểu ngành của bạn chưa?
- Phân tích khả thi và dự án thử nghiệm (Feasibility analysis and proof of concept projects): Các vấn đề bạn đang cố gắng giải quyết có phù hợp với AI không?
- Phân tích đối thủ và nghiên cứu thị trường (Competitor analysis and market research): Xu hướng là gì? Bạn có biết đối thủ cạnh tranh của mình đang làm gì với AI không?
- Đánh giá lợi tức đầu tư (ROI assessment): Bạn đã tính đến tiết kiệm chi phí (cost savings), tăng doanh thu (revenue increase), và sự hài lòng của khách hàng (customer satisfaction) chưa?
- Đánh giá rủi ro (Risk assessment): Bạn đã xác định các mối quan ngại tiềm tàng về đạo đức (ethical), quyền riêng tư dữ liệu (data privacy), tuân thủ (compliance), và thiên kiến (bias) chưa?
- Tác động, quy mô, và lặp lại (Impact, scale, and iteration): Bạn có đang ưu tiên các cơ hội sinh lợi nhất, có khả năng mở rộng, và xem xét lại kế hoạch của mình thường xuyên không?
[Hình ảnh: Placeholder cho trích dẫn thống kê]
Theo Gartner:
Đến năm 2026, các tổ chức phát triển AI đáng tin cậy, định hướng mục tiêu (trustworthy, purpose-driven AI) sẽ thấy hơn 75% các sáng kiến AI thành công, so với 40% ở những tổ chức không làm điều này.
Nguồn: Data and Analytics Trends to Keep on Your Radar
CHƯƠNG 02
Sẵn sàng, bắt đầu… chiến lược!
“Bạn không cần phải thuyết phục mọi người về tiềm năng. Điều bạn cần thuyết phục là chúng ta thực hiện như thế nào.”
DEEP SRIVASTAV
Data Leadership Collaborative
CHƯƠNG 02
7 bước để hình thành một chiến lược AI hiệu quả
Chiến lược (strategy) là nơi mọi thứ bắt đầu. Một chiến lược AI mạnh mẽ giúp mọi người trong tổ chức hiểu được tầm nhìn (vision), mục đích (purpose), các mục tiêu ngắn hạn và dài hạn (short and long-term goals), và những gì cần thiết để đạt được chúng. Chiến lược AI của bạn nên dẫn dắt bởi dữ liệu (data-driven), với các mục tiêu có thể đo lường (measurable objectives) và chỉ số hiệu suất chính (KPIs), cho phép các đội cộng tác với ít rào cản nhất (minimal friction). Như bất kỳ sáng kiến chiến lược nào, nó bắt đầu với dữ liệu đáng tin cậy (trusted data).
- Chuẩn bị dữ liệu của bạn (Get your data ready):
Đánh giá chất lượng (quality), số lượng (quantity), và khả năng tiếp cận (accessibility) của nó, đồng thời xác định các khoảng cách (gaps). - Xác định mục tiêu kinh doanh (Define business goals):
Xác định nơi AI có thể mang lại giá trị cao nhất và thiết lập các chỉ số hiệu suất chính (KPIs). - Xác định và ưu tiên các trường hợp sử dụng (Identify and prioritize use cases):
Tạo sự cân bằng giữa các dự án ngắn hạn và dài hạn. - Thiết lập chính sách quản trị dữ liệu (Establish data governance policies):
Giải quyết quyền riêng tư (privacy), bảo mật (security), tuân thủ quy định (regulatory compliance), sử dụng đạo đức (ethical use), và giảm thiểu thiên kiến (bias mitigation). - Kiểm tra bộ công nghệ của bạn (Check your technology stack):
Xác định các khoảng cách về công cụ (tools), nền tảng (platforms), và tài nguyên (resources). Giải quyết khả năng mở rộng (scalability), tích hợp (integration), và dễ triển khai (ease of deployment). - Nhấn mạnh cải tiến liên tục (Emphasize continuous improvement):
Thu thập phản hồi từ các bên liên quan (stakeholders), đảm bảo bạn có đúng người (right people), và sử dụng dữ liệu để dẫn dắt quyết định. - Bắt đầu nhỏ (Start small):
Để tránh các sai lầm tốn kém tiềm tàng (costly pitfalls), hãy bắt đầu với một dự án thử nghiệm rủi ro thấp (low-risk pilot project).
[Hình ảnh: Placeholder cho trích dẫn thống kê]
79% các công ty đã trải qua giảm chi phí đáng kể thông qua việc triển khai AI của họ.
Nguồn: McKinsey Global Survey: The State of AI in 2021
CHƯƠNG 03
Quản trị trong nháy mắt
“Những thay đổi đang diễn ra với AI quá lớn để chỉ thông qua đội dữ liệu (data team) và quá sâu sắc để chờ quản trị (governance) và các dự án cơ sở hạ tầng dữ liệu khác sẵn sàng trước khi bắt đầu triển khai rộng rãi hơn. Các đơn vị kinh doanh (business units) sẽ tiến hành. Tốt hơn là trở thành một phần của sự thay đổi thay vì cố gắng là một kho biệt lập (silo) bên ngoài và mất đi sự liên quan với doanh nghiệp.”
SOLOMON KAHN
Data Leadership Collaborative
CHƯƠNG 03
Hiểu những gì cần thiết cho quản trị tốt
Trong kinh doanh, công nghệ thường được áp dụng trước khi các quy tắc vận hành (rules of the road) được thiết lập. Nhưng các công nghệ phát triển nhanh như AI đòi hỏi quản trị (governance) để đảm bảo có các tiêu chuẩn đạo đức (ethical standards), tính nhất quán (consistency), và trách nhiệm giải trình (accountability) cho mọi sáng kiến. Quản trị rất quan trọng, và các tổ chức sẵn sàng cho tương lai (future-ready organizations) đang định vị bản thân để thành công với AI bằng cách thiết lập các khung (frameworks) có thể mở rộng và phát triển cùng với các sáng kiến AI của họ. Một khung quản trị AI cơ bản bao gồm:
- Đánh giá rủi ro (Risk assessment): Giải quyết các thất bại kỹ thuật (technical failures), lệch mô hình (model drift), và quyền riêng tư và bảo mật (privacy and security).
- Căn chỉnh với mục tiêu kinh doanh (Alignment with business objectives): Đảm bảo các dự án gắn trực tiếp với mục tiêu chiến lược (strategic goals).
- Tối ưu hóa tài nguyên (Resource optimization): Đảm bảo thời gian, tiền bạc, và nguồn nhân lực (human capital) được triển khai hiệu quả.
- Truyền thông với các bên liên quan (Stakeholder communication): Đảm bảo tính minh bạch (transparency) và niềm tin (trust) là nền tảng cho mọi dự án.
- Tuân thủ quy định (Regulatory compliance): Đảm bảo tuân thủ tất cả các luật, quy định, và tiêu chuẩn ngành liên quan.
- Hướng dẫn quản lý thay đổi (Change management guidelines): Giải quyết các thay đổi đối với luồng công việc (workflows), vai trò (roles), và quy trình (processes) có thể yêu cầu đào tạo (training) và thích nghi (adaptation).
- Hướng dẫn nhân viên (Employee guidelines): Thiết lập chính sách cho việc sử dụng công nghệ AI được chấp nhận (accepted use).
Khoảng cách quản trị
[Hình ảnh: Placeholder cho trích dẫn thống kê]
65% các CEO nói rằng cần làm nhiều việc hơn để giải quyết các rủi ro xã hội, đạo đức, và tội phạm liên quan đến AI.
Nguồn: Ernst and Young CEO Outlook Global Report
CHƯƠNG 03
AI ẩn danh đã xuất hiện
Khi nhân viên sử dụng AI mà không có sự chấp thuận của quản lý (management approval), đó có thể là một hoạt động rủi ro (risky business). Dưới đây là năm bước sẽ giúp tổ chức của bạn kiểm soát việc sử dụng không được phê duyệt (nonsanctioned use) các công cụ AI – còn được gọi là “AI ẩn danh” (stealth AI).
- Đánh giá (Assess): Xác định các công cụ, quy trình, và dữ liệu nào có thể liên quan.
- Hỏi nhân viên (Ask employees): Tìm hiểu lý do họ cần các công cụ này.
- Xem xét hướng dẫn (Review): Xem lại các hướng dẫn về bảo mật dữ liệu (data security) và quyền riêng tư (privacy) với nhân viên.
- Thiết lập quy trình phê duyệt (Establish): Tạo một quy trình phê duyệt tập trung (centralized approval process) để khuyến khích tính minh bạch (transparency).
- Cung cấp thay thế (Provide): Cung cấp các lựa chọn thay thế được phê duyệt (sanctioned alternatives), và thường xuyên xem xét các công nghệ mới để hiểu xu hướng (trends).
Mục tiêu so với thực tế
[Hình ảnh: Placeholder cho trích dẫn thống kê]
68% các nhà lãnh đạo kinh doanh nói rằng nhân viên của họ nên yêu cầu phép để sử dụng công cụ AI, thay vì sử dụng tự do.
Nguồn: CEO.com
70% nhân viên sử dụng ChatGPT và các công cụ khác không nói với sếp của họ.
Nguồn: Business Today
CHƯƠNG 04
Thành công với AI là một môn thể thao đồng đội
“Tôi nghĩ hầu hết các nhà lãnh đạo kinh doanh có ý thức tốt về những công việc chính trong tổ chức của họ. Trong số những công việc chính đó, những gì là ứng cử viên tốt cho AI? Tôi nghĩ điều quan trọng đối với bất kỳ giám đốc điều hành nào – dù liên quan đến dữ liệu hay không – là hiểu chúng là gì và lập kế hoạch phù hợp.”
SOLOMON KAHN
Data Leadership Collaborative
CHƯƠNG 04
Điều chỉnh với nơi làm việc đang thay đổi
Nơi làm việc hiện đại đang trải qua một sự thay đổi lớn (sea change). AI sẽ thay thế gần 85 triệu việc làm vào năm 2025, nhưng gần 97 triệu việc làm liên quan đến AI sẽ được tạo ra, theo ước tính của Diễn đàn Kinh tế Thế giới (World Economic Forum) trong Báo cáo Tương Lai Việc Làm (Future of Jobs Report). Trong thế giới mới này, công việc sẽ được định nghĩa lại, và các vai trò mới sẽ phản ánh sự phân công lao động giữa “con người, máy móc, và thuật toán” (humans, machines, and algorithms). Đồng thời, AI tạo cơ hội cho các tổ chức tái định hình các vai trò hiện tại (re-imagine existing roles), thiết kế các cơ hội nâng cao kỹ năng (upskilling opportunities), và tạo ra các vai trò mới để phù hợp với nhu cầu phát triển (evolving needs).
Những người phù hợp cho công việc
Các nhà lãnh đạo dữ liệu cần đánh giá những công việc nào nên hoặc có thể hưởng lợi từ AI. Để làm điều đó, bạn sẽ cần hiểu rõ về các nhiệm vụ (tasks), kỹ năng (skills), và định hướng chiến lược (strategic direction) của tổ chức, cùng với một quy trình quản lý thay đổi (change management process) có thể mở rộng khi các sáng kiến AI của bạn phát triển. Để xác định những công việc cần thiết:
- Phân tích lực lượng lao động (Conduct a workforce analysis): Xác định tất cả các công việc trong tổ chức của bạn, bao gồm các nhiệm vụ và trách nhiệm cụ thể.
- Đánh giá các nhiệm vụ trong mỗi vai trò (Evaluate the tasks within each role): Ghi nhận những nhiệm vụ nào lặp lại (repetitive), dựa trên quy tắc (rule-based), và dẫn dắt bởi dữ liệu (data-driven) – đây là các ứng cử viên tiềm năng cho tự động hóa (automation).
- Đánh giá sự căn chỉnh của mỗi vai trò với mục tiêu chiến lược (Assess how each role aligns with your strategic goals): Xác định các nhiệm vụ có thể được nâng cao hoặc đẩy nhanh với công cụ AI.
- Lập bản đồ kỹ năng cần thiết cho mỗi công việc (Map skills required for each job): Xác định các vai trò có thể được tăng cường (augmented) hoặc thay thế bằng công cụ AI.
- Tính toán lợi tức đầu tư của việc triển khai AI (Calculate the ROI of implementing AI): So sánh chi phí thêm hoặc giảm nhân viên với các lợi ích tiềm năng.
Theo số liệu
[Hình ảnh: Placeholder cho trích dẫn thống kê]
67% các nhà lãnh đạo kinh doanh toàn cầu đang xem xét sử dụng trí tuệ nhân tạo tạo sinh (generative AI), nhưng xấp xỉ cùng số lượng nhà lãnh đạo công nghệ thông tin nói rằng nhân viên của họ không có kỹ năng để sử dụng nó.
Nguồn: Salesforce; New Study Reveals Only 1 in 10 Global Workers Have In-Demand AI Skills
CHƯƠNG 04
Xây dựng đội ngũ AI trong mơ của bạn
Từ kỹ sư (engineers) đến nhà phân tích (analysts), cần một đội ngũ gồm những người rất chuyên biệt (specialized people) để triển khai AI. Đội ngũ của bạn sẽ thay đổi dựa trên độ phức tạp (complexity) và phạm vi (scope) của dự án, cũng như ngân sách (budget) và mục tiêu chiến lược tổng thể (overall strategic objectives). Dưới đây là một số vai trò cần thiết để phát triển và triển khai các sáng kiến AI của bạn. Tất cả các đội AI làm việc chặt chẽ với nhau và cộng tác trong suốt vòng đời dự án (lifecycle) từ khởi tạo (inception) đến bảo trì liên tục (ongoing maintenance).
- Quản lý dự án (Project manager):
- Giám sát toàn bộ sáng kiến (Oversees entire initiative).
- Thiết lập dòng thời gian (timelines) và quản lý tài nguyên (resources).
- Truyền thông với các bên liên quan (Communicates with stakeholders).
- Đảm bảo kết quả căn chỉnh với ngân sách, lịch trình, mục tiêu (Ensures results align with budget, schedule, goals).
- Nhà khoa học dữ liệu (Data scientist):
- Phân tích và chuẩn bị dữ liệu cho các mô hình AI (Analyzes and prepares data for AI models).
- Chuyển đổi dữ liệu thô (raw data) thành định dạng để huấn luyện và thử nghiệm các mô hình học máy (machine learning models).
- Áp dụng các phương pháp thống kê (statistical methods) để rút ra thông tin chi tiết từ dữ liệu.
- Kỹ sư học máy (Machine learning engineer):
- Xây dựng, huấn luyện, và triển khai các mô hình học máy (Builds, trains, and deploys machine learning models).
- Làm việc chặt chẽ với các nhà khoa học dữ liệu để chuyển đổi thông tin chi tiết dữ liệu thành các thuật toán hoạt động (working algorithms).
- Tinh chỉnh mô hình (Fine tunes models) và triển khai chúng.
- Kỹ sư phần mềm (Software engineer):
- Phát triển cơ sở hạ tầng và hệ thống (infrastructure and systems) cần thiết để tích hợp các mô hình AI vào ứng dụng.
- Tạo phần mềm để kết nối các mô hình AI với giao diện người dùng (user interface), cơ sở dữ liệu (databases), và các thành phần ứng dụng khác.
- Chuyên gia lĩnh vực (Domain expert):
- Áp dụng hiểu biết sâu sắc về chủ đề (subject matter) để giúp diễn giải kết quả và đảm bảo giải pháp AI phù hợp với yêu cầu thực tế (real-world requirements).
Kết luận
Đón đầu làn sóng AI
Liệu AI có phải là một yếu tố gây rối (disruptor) cho hoạt động kinh doanh thông thường không? Chắc chắn rồi – và đó là một điều tốt. Thế hệ công nghệ AI thân thiện với người dùng mới này – đặc biệt là trí tuệ nhân tạo tạo sinh (generative AI) – đã tiến xa vượt qua giai đoạn cường điệu (hype cycle phase). Từ các ứng dụng sử dụng lệnh đơn giản (simple prompts) để tạo ra các ưu đãi cá nhân hóa, siêu liên quan (hyper-relevant, personalized offers) cho khách hàng tiềm năng, đến các chatbot tự động giải quyết các vấn đề hỗ trợ khách hàng phức tạp (complex customer support issues), đó là một thế giới mới được hỗ trợ bởi AI – và các nhà lãnh đạo dữ liệu đang ở đúng vị trí để dẫn dắt sự chuyển đổi (transformation). Hành trình bắt đầu với các bước chúng tôi đã nêu trong ebook này:
- Làm sạch và kết nối dữ liệu (Cleaning and connecting your data).
- Chọn các dự án sẽ mang lại phần thưởng lớn nhất (Selecting projects that will reap the greatest rewards).
- Thiết lập các ưu tiên chiến lược (Setting your strategic priorities).
- Tạo quản trị hiệu quả (Creating effective governance).
- Xây dựng các đội ngũ phù hợp (Building the right teams).
Tất cả bắt đầu từ dữ liệu
Dữ liệu là động cơ (engine) sẽ thúc đẩy mọi sáng kiến AI, nhưng nghiên cứu gần đây chỉ ra rằng 33% các nhà lãnh đạo kinh doanh không thể rút ra thông tin chi tiết (insights) từ dữ liệu của họ. Nếu tổ chức của bạn chưa có chiến lược dữ liệu toàn diện (comprehensive data strategy), đã đến lúc áp dụng một chiến lược. Để tìm hiểu cách bạn có thể cải thiện cách tổ chức sử dụng dữ liệu để tạo tác động (drive impact), hãy đọc The Data Culture Playbook, và thực hiện đánh giá miễn phí Tableau Blueprint.
Sợ bỏ lỡ AI (AI FOMO)?
[Hình ảnh: Placeholder cho trích dẫn thống kê]
77% các nhà lãnh đạo kinh doanh đã cảm thấy họ đang bỏ lỡ trí tuệ nhân tạo tạo sinh.
88% các nhà lãnh đạo tiếp thị lo ngại công ty của họ đang tụt hậu.
Nguồn: “Generative AI in IT,” Salesforce, Tháng 3 năm 2023
Khám phá thêm
Sẵn sàng làm nhiều hơn với AI? Các tài nguyên sau là điểm khởi đầu tốt.
Blog
- Salesforce Execs Weigh In: What is Generative AI? [Không có URL trong tài liệu gốc]
- 5 Questions About AI Your Business Should Ask Before Diving In [Không có URL trong tài liệu gốc]
- Designing Personalized User Experiences with Data and AI? Keep This in Mind [Không có URL trong tài liệu gốc]
- 7 Easy Ways You Can Skill Up for AI [Không có URL trong tài liệu gốc]
- IT Buyer Blog [Không có URL trong tài liệu gốc]
Video
- AI Strategy 101: Everything You Need to Know About AI+Data+CRM [Không có URL trong tài liệu gốc]
[Video: Placeholder cho video] - How to Accelerate Productivity with Trusted AI [Không có URL trong tài liệu gốc]
[Video: Placeholder cho video]
Trailhead
- Get Started with Artificial Intelligence [Không có URL trong tài liệu gốc]
- Artificial Intelligence Fundamentals [Không có URL trong tài liệu gốc]
- Turn Data into Models [Không có URL trong tài liệu gốc]
- Understand the Need for Neural Networks [Không có URL trong tài liệu gốc]
Kết nối với các đồng nghiệp từ Data Leadership Collaborative. Làm quen với Tableau GPT!
Blog
- How Tableau GPT and Tableau Pulse are Reimagining the Data Experience [Không có URL trong tài liệu gốc]
Demo
- Tableau GPT and Tableau Pulse [Không có URL trong tài liệu gốc]
- Data Cloud for Tableau [Không có URL trong tài liệu gốc]
Tìm hiểu thêm về những gì đang được quan tâm với các đồng nghiệp của bạn và kết nối với Data Leadership Collaborative!
từ Salesforce
Salesforce là công ty khách hàng (customer company). Chúng tôi tạo ra phần mềm dựa trên đám mây (cloud-based software) được thiết kế để giúp các doanh nghiệp kết nối với khách hàng theo một cách hoàn toàn mới, để họ có thể tìm thêm khách hàng tiềm năng (prospects), chốt thêm giao dịch (close more deals), và làm khách hàng kinh ngạc với dịch vụ tuyệt vời (amazing service). Customer 360, bộ sản phẩm hoàn chỉnh của chúng tôi, thống nhất các đội bán hàng (sales), dịch vụ (service), tiếp thị (marketing), thương mại (commerce), và công nghệ thông tin (IT) của bạn với một góc nhìn chung, duy nhất về thông tin khách hàng (shared view of customer information), để công ty của bạn cũng có thể trở thành một công ty khách hàng.
Là một Công ty Salesforce, Tableau giúp mọi người nhìn thấy và hiểu dữ liệu (see and understand data). Là nền tảng phân tích hàng đầu thế giới (world’s leading analytics platform), Tableau cung cấp phân tích trực quan (visual analytics) với trí tuệ nhân tạo mạnh mẽ (powerful AI), quản lý dữ liệu (data management), và cộng tác (collaboration). Từ cá nhân đến các tổ chức ở mọi quy mô, khách hàng trên toàn thế giới yêu thích sử dụng phân tích nâng cao của Tableau (advanced analytics) để thúc đẩy các quyết định dẫn dắt bởi dữ liệu, tạo tác động (impactful, data-driven decisions).
Để biết thêm thông tin, vui lòng truy cập www.tableau.com.
