AI + BI = CI
Hvordan virksomheder skaber Combined Intelligence
I mange år har Business Intelligence (BI) været fundamentet for datadrevet beslutningstagning i virksomheder. BI har hjulpet organisationer med at samle data, visualisere dem i dashboards og skabe indsigt i forretningen.
Men i de senere år er et nyt lag kommet ovenpå: Artificial Intelligence (AI).
Når BI og AI bruges sammen – korrekt og strategisk – opstår noget, man kan kalde Combined Intelligence (CI): en kombination af menneskelig indsigt, struktureret dataanalyse og AI-drevet automatisering.
Det er her, virksomheder for alvor begynder at udnytte deres data strategisk.
Fra Business Intelligence til Combined Intelligence
Traditionel BI fokuserer primært på spørgsmål som:
- Hvad skete der?
- Hvorfor skete det?
- Hvordan performer vi?
AI tilføjer nye dimensioner:
- Hvad vil sandsynligvis ske?
- Hvad bør vi gøre?
- Kan systemet selv foreslå eller automatisere beslutninger?
AI-drevet BI kan automatisere analyse, opdage mønstre og generere anbefalinger, hvilket flytter organisationer fra reaktiv rapportering til proaktiv beslutningsstøtte.
Combined Intelligence betyder derfor:
Mennesker + Data + AI = bedre beslutninger
BI giver struktur og sandhed i data.
AI giver hastighed, mønstergenkendelse og automatisering.
Mennesker giver kontekst og forretningsforståelse.
Datamodenhed: Fundamentet for AI
Mange organisationer vil gerne bruge AI, men støder hurtigt på et problem:
Data er ikke klar.
AI er kun så god som de data, den arbejder med – dårlig datakvalitet giver dårlige resultater.
Derfor er datamodenhed en afgørende faktor.
En data maturity model bruges til at vurdere, hvor langt en organisation er i sin databrug og hvilke næste skridt der giver værdi.
En typisk BI og data modenhedsmodel
Her er en forsimplet modenhedsmodel, der ofte bruges i BI-projekter.
Level 1 – Data Chaos
Data findes i Excel, systemer og mails.
Rapporter laves manuelt.
Level 2 – Reporting
Standardrapporter og dashboards.
BI værktøjer som Power BI implementeres.
Level 3 – Insight
Datamodeller, governance og KPI’er etableres.
Organisationen arbejder aktivt datadrevet.
Level 4 – Predictive
Machine learning og AI bruges til prognoser.
Level 5 – Autonomous / Combined Intelligence
AI analyserer, foreslår handlinger og automatiserer beslutninger.
Mange virksomheder befinder sig typisk på niveau 2 eller 3.
AI giver først rigtig værdi fra niveau 3 og op.
Hvordan man vurderer datamodenhed
Når man laver en modenhedsanalyse, vurderer man typisk følgende områder:
1. Data governance
- Har vi styr på datakilder?
- Er data dokumenteret?
2. Datakvalitet
- Er data valide?
- Findes der master data?
3. Dataplatform
- Data warehouse eller lakehouse?
- Integrerede datakilder?
4. Analysekompetencer
- BI udviklere
- Data engineers
- analytikere
5. Data kultur
- Bruger ledelsen data i beslutninger?
- Er data tilgængelige for medarbejdere?
Disse faktorer afgør, hvor klar organisationen er til AI.
Sådan bevæger man sig mod AI-drevet BI
For mange virksomheder er vejen til Combined Intelligence nogenlunde sådan:
Step 1 – Dataplatform
Centraliser data:
- Data warehouse
- lakehouse
- semantic models
Step 2 – Standardisering
Skab fælles KPI’er og datamodeller.
Eksempel:
- revenue
- margin
- churn
- pipeline
Step 3 – Self-service BI
Medarbejdere skal kunne analysere data selv.
Her kommer værktøjer som:
- Power BI
- Tableau
- Looker
Step 4 – AI assistenter
Integrer AI i analysearbejdet.
Eksempel:
- Copilot
- ChatGPT
- Gemini
Step 5 – Automatiseret beslutningsstøtte
AI foreslår handlinger.
Fx:
- lageroptimering
- marketingbudget
- churn prediction
AI værktøjer i moderne BI
AI er blevet langt mere tilgængelig de seneste år.
Tre værktøjer spiller især en rolle:
ChatGPT
Kan bruges til:
- forklare dashboards
- generere SQL eller DAX
- analysere datasets
- skrive rapporter
Eksempel:
En marketingchef spørger:
“Hvorfor faldt salget i marts?”
ChatGPT kan analysere data og forklare årsager.
Microsoft Copilot
Copilot er direkte integreret i Microsoft-økosystemet.
I Power BI kan Copilot blandt andet:
- generere rapporter automatisk
- analysere trends
- forklare visualiseringer
- opdage anomalier i data
Det betyder, at brugere kan stille spørgsmål til data i naturligt sprog.
AI i BI dashboards
I fremtidens dashboards kan AI:
- forklare grafer automatisk
- foreslå næste analyse
- opdage afvigelser
- generere nye visualiseringer
Dette kaldes ofte augmented analytics.
Eksempler på Combined Intelligence i praksis
Salg
BI:
- viser salg pr region
AI:
- forudsiger fremtidigt salg
- foreslår hvilke kunder der bør kontaktes
Produktion
BI:
- viser produktionstal
AI:
- forudsiger maskinnedbrud
- optimerer planlægning
Marketing
BI:
- viser kampagneperformance
AI:
- identificerer bedste kundesegmenter
- optimerer budget
Finans
BI:
- viser cashflow
AI:
- forudsiger likviditetsbehov
- opdager anomalier
Combined Intelligence: Samspillet mellem menneske og AI
Det vigtigste princip er:
AI skal ikke erstatte mennesker.
AI skal forstærke menneskelig intelligens.
De bedste beslutninger opstår i samspillet mellem:
Element | Styrke |
BI | Struktur og datagrundlag |
AI | Hastighed og mønstergenkendelse |
Mennesker | Forretningsforståelse |
Combined Intelligence handler netop om denne balance.
Hvad virksomheder bør gøre nu
Hvis man vil udnytte AI i sin BI løsning, bør man fokusere på:
1. Datakvalitet
AI kræver pålidelige data.
2. En stærk datamodel
God modellering gør analyser skalerbare.
3. Governance
Kontrol over datakilder.
4. Self-service
Medarbejdere skal kunne bruge data.
5. AI integration
Start med små use cases.
Fremtidens BI
BI bevæger sig i disse retninger:
- conversational analytics
- AI-genererede dashboards
- automatiske forklaringer
- predictive analytics
- AI-agents der analyserer data
Det betyder, at BI-platforme ikke længere kun viser data – de tænker sammen med brugeren.
Konklusion
AI ændrer fundamentalt måden virksomheder arbejder med data.
Men AI skaber kun værdi, hvis organisationen har:
- en stærk BI løsning
- høj datamodenhed
- en datadrevet kultur
Når BI og AI kombineres strategisk, opstår Combined Intelligence.
Og det er netop her fremtidens organisationer vil skabe deres største konkurrencefordel.