⚠️語言提醒 ⚠️：本場講座全程以英文進行。現場將提供即時翻譯輔助，但翻譯內容可能不完全精確，建議具備基礎英文聽力以獲得最佳體驗。
Lightdash 是來自英國、獲 Y Combinator 投資的開源 BI 新創，客戶涵蓋 Workday（全球最大 HR 科技公司）、Wise、Octopus Energy 等知名企業。不同於市面上讓 AI 盲目生成 SQL 的對話機器人，Lightdash 將 AI 牢牢錨定在企業的「語意層（Semantic Layer）」中，並將所有 AI 產出轉換為可審核、可受版本控制的程式碼（BI-as-Code）。
本次三月份數創小聚，我們邀請到 Lightdash CEO -- Hamzah Chaudhary 帶領核心團隊，從實務角度拆解 GenBI（生成式 AI ＋ 商業智慧）導入過程中最致命的信任問題。不講高大上的技術架構，只講立刻能帶走的設計原則與實戰經驗，並透過 Workday、JustWatch 等企業真實案例，帶你看見「好的 AI 自助分析」該長什麼樣。
活動大綱
1. 為什麼「信任」是 GenBI 導入的真正瓶頸
- 為何過去「儀表板 (Dashboards)」能成為信任的錨點？
- AI 如何打破了我們熟悉的信任線索（如：篩選條件、查詢語法、數據血緣）
- 探討為什麼在缺乏結構的情況下，「與資料聊天 (Chatting with data)」通常會失敗
2. 角色演進：AI-first 下的 BI 世界中，分析師與 PM 的生存之道
資料分析師：
- 從「回答問題」轉型為「設計分析系統」
- 將商業邏輯、定義與護欄 (Guardrails) 寫入程式碼/系統中，讓 AI 能安全地運作
PM：
- 評估 AI 功能的標準不在於「新奇」，而在於「決策影響力」
- 確保 AI 的產出能直接用於審查、規劃與跨部門討論，無須額外的解釋或擔憂
3. 真實世界的信任模式：什麼會破壞信心？什麼能建立信心？
(本段將引用 Workday 與 JustWatch 等客戶的真實案例)
- 破壞信任的時刻 (Trust-breaking moments)：
- AI 給出了答案，卻無法追蹤它是來自哪個指標
- 數字「稍微錯誤」卻沒有明顯的解釋
- 圖表很精美，但沒人敢依據它採取行動
- 建立信任的時刻 (Trust-building moments)：
- 與既有的商業定義清晰對齊
- 具備「向下鑽取 (Drill down)」的能力：AI 洞察 => 底層指標 => 原始資料
- AI 能解釋「為什麼」會有這個洞察，而不僅是告訴你「是什麼」
4. 實戰指南：優質的 AI 自助服務長什麼樣？
- 將 AI 產出錨定在共享的指標與定義上
- 在答案旁提供上下文 (Context)：包含篩選條件、假設前提、時間範圍
- 讓「驗證 (Validation)」成為一項核心功能，而非備案
- 將 AI 設計為協助探索的副駕駛 (Copilot)，而非給出絕對答案的黑箱預言機 (Black-box oracle)
- 最好的 GenBI 系統是幫助使用者用數據進行推理，而不僅僅是接收答案
5. 結語
- 當 AI 在 BI 領域失敗時，通常是因為使用者無法解釋或捍衛其產出
- 唯有 AI 被設計在既有的分析框架「內」運作，而非繞過框架時，值得信賴的 AI 自助服務才會出現
這場講座特別適合
- 負責 BI (商業智慧) 與分析系統的
- 資料分析師 (Data Analysts)
- 產品/專案經理 (PMs)
- 數據團隊主管與決策者
- 業務營運與策略分析人員
數創小聚有實體票、線上票兩種形式
線上票行程為 19:15 ~ 21:30 含講座 及 Q&A
而21:30 後為實體票的額外自由交流時間！歡迎大家報名一起聽講座分享互動、親臨現場與講者&其他Data / AI相關領域朋友們一起交流！
線上連結通常會於活動三天前寄出，若未收到可以與我們聯繫
聯絡信箱：contact@datainnolab.ai
會有專人與您聯繫! 謝謝
