Enabling self-service business intelligence in an organization with generative AI

Abstract

Business Intelligence has traditionally relied on the request-response relationship between the business users that want to gain insight into company data, and power users that build reports and dashboards. Self-Service Business Intelligence aims to reduce the dependency of business users on power users by allowing them to create reports and dashboards by themselves. Self-Service Business Intelligence has been seen as difficult to implement due to user-related challenges. Generative AI presents potential in democratizing Business Intelligence by allowing business users to generate reports through natural language interfaces. This thesis aims to explore the state of generative AI tools and explore how they integrate in the target company’s Business Intelligence process. Additionally, it aims to identify the limitations on data usage with generative AI.

The study is conducted as a constructive research and consists of a literature review and an empirical section. The literature review explores previous research into Self-Service Business Intelligence, generative AI’s potential use cases in Business Intelligence, as well as data usage restrictions regarding generative AI. The empirical section explores the capabilities of a generative AI tool in the target company’s Business Intelligence environment and evaluates its potential in enabling Self-Service Business Intelligence.

The study concludes that while generative AI tools show great potential in democratizing Business Intelligence, in the current state of development the tools provide most value for experienced users. Data modelling and data quality are identified as key enablers for effective generative AI use. Governance and data protection are seen as the greatest inhibitors for use of generative AI with Self-Service Business Intelligence.

Liiketoimintatiedon hallinta (Business Intelligence) on perinteisesti perustunut pyyntö-vastaussuhteeseen liiketoimintakäyttäjien, sekä raportteja laativien asiantuntijakäyttäjien välillä. Itsepalveluraportointi pyrkii vähentämään liiketoimintakäyttäjien riippuvuutta asiantuntijakäyttäjiin tarjoamalla heille mahdollisuuden luoda raportteja itsenäisesti. Itsepalveluraportoinnin käyttöönotto on koettu haasteelliseksi käyttäjiin liittyvien haasteiden takia. Generatiivinen tekoäly tarjoaa mahdollisuuksia liiketoimintatiedon hallinnan demokratisoimiseksi mahdollistamalla raporttien luomisen luonnollisen kielen avulla. Tämä opinnäytetyö tutkii generatiivisten tekoälytyökalujen nykytilaa ja tutkii, kuinka ne integroituvat kohdeyrityksen liiketoimintatiedon hallintaprosessiin. Lisäksi työssä pyritään tunnistamaan datan käyttämisen rajoituksia generatiivisen tekoälyn näkökulmasta.

Tutkimus toteutetaan konstruktiivisena tutkimuksena, ja se koostuu kirjallisuuskatsauksesta sekä empiirisestä osiosta. Kirjallisuuskatsauksessa tarkastellaan aiempaa tutkimusta itsepalveluraportointiin liittyen, generatiivisen tekoälyn käyttökohteisiin liiketoimintatiedon hallinnassa, sekä datan käytön rajoituksiin generatiivisen tekoälyn kanssa. Empiirisessä osiossa tutkitaan generatiivisen tekoälytyökalun kyvykkyyksiä kohdeyrityksen raportointiympäristössä ja arvioidaan sen potentiaalia itsepalveluraportoinnin mahdollistajana.

Tutkimuksen johtopäätöksenä on, että vaikka generatiiviset tekoälytyökalut osoittavat merkittävää potentiaalia liiketoimintatiedon hallinnan demokratisoinnissa, nykyisessä kehitystilassaan ne tuottavat eniten arvoa kokeneemmille käyttäjille. Datan mallinnuskäytännöt ja datan laatu tunnistetaan keskeisiksi mahdollistajiksi tehokkaalle generatiivisen tekoälyn hyödyntämiselle. Hallintamallit ja tietosuoja puolestaan nähdään suurimpina esteinä generatiivisen tekoälyn käytölle itsepalveluraportoinnissa.