微軟人工智能（AI）研究，亦應用最受觀迎的產品上，其中當然包括了在Office套裝加入支援AI，Office的產品有不少可應用AI的地方，包括Word使用自然語言處理作文法檢查，利用圖像辨識去建立PowerPoint。
如果你沒有大量數據，又想利用手頭上的數據作出預測分析，不一定要利用人工智能或深度學習，利用「線性回歸」（Linear regression），統計上在找多個自變數(independent variable)和依變數(dependent variable)之間關係，再建出模型，以被用來預測連續數值，例如：不少價格走勢預測、股票市場預測、薪水增幅等，其實都是用了上述的預測統計。
BI／AI一體兩面
不少人以為，BI跟AI關係不大，其實如果只是簡單的預測分析，不少統計模型已經綽綽有餘，最明顯就是Linear Regression和Clustering作為預測的工具，利用一般統計，甚至Excel都可做到，或者以KNN（k-nearest neighbors），算出最接近的數據分類，然後建立運算，作出預測。
數據科學家則會利用類似Jupyter工具，利用R或Python之類語言，先對資料作出分析，然後再行建模，Jupyter功能極其強大，幾乎可支援大量的科學統計分析，而且Jupyter可取用工具不少，如何有心成為數據科學家，Jupyter可說是專業工具。
不過，Jupyter也是技術人員才會搞的玩意，如果不在統計上有專門知識，其實難以掌握透徹。
最近，微軟AI業務企業副總裁Steve Guggenheimer發表了一篇博文，提及有關如何建立良好的數據基業（Data estate）；沒有良好的數據管理，AI是空談，如果數據本身帶有偏見，或者帶來錯誤，訓練出的模型會有更大錯誤，有如空中樓閣。
Guggenheimer也介紹如何利用BI和增強分析，為建立AI模型打好基礎。
https://blogs.msdn.microsoft.com/stevengu/2018/11/01/the-ai-journey/
數據管治之爭
其實，企業蒐集數據之後，還要有大量工作去作數據準備（Data Preparation），包括清洗和正規化（Normalization）數據，決定數據的性質，並作出標注（Label），過程相當耗時，任何AI數據處理，都逃不過這一關。如果一家機構，不從蒐集數據開始，整理數據的格式和標準定義，訓練AI模型有如海市蜃樓，獲得的預測，也只是個幻覺。
中國有大量人力，出現了不少數據工廠，可以密集人力，標注大量圖像和其他數據，供AI模型。不過，如果要處理的是企業數據，不大可能以上述方式大量標注，也涉及私隱等問題。
微軟的方法，就是建立Common Data Model（CDM），以共通標準來建立數據基業。CDM概念是規範數據本身的定義，代表數據是作何種用戶，從最基本作出數據管治Open Data Initiative，支援的廠商包括了微軟、SAP、Adobe。業界普遍認為，CDM純粹為了抗衡Salesforce的Common business objects。不過，CDM其實也是很好的框架，以累積和管理數據，作建立應用和AI分析。
Salesforce在CRM和客戶數據管理市場，佔了絕對優勢，又收購以API閘道地下最強的Mulesoft，鞏固了數據整合能力。去年，Salesforce就在Dreamforce推出了Customer 360，收購Mulesoft可利用API Gateway快速整合不同應用，推出新的功能。
CDM對日後應用數據，例如屬於客戶、銷售、人事系統、電子商務數據等，有良好的規管和定義，解決了數據保安和其他管理上的難題。CDM也可以快速利用微軟的各種工具，快速推出應用，包括了PowerApps、Flow、PowerBI等。
增強分析興起
PowerBI也可快速找出不同數據關係，為日後AI模型奠下訓練基礎。
Guggenheimer提出了「BI before AI」。AI年代不代表摒棄BI，反是利用BI可建立AI的基礎。Guggenheimer當然是在推銷以PowerBI工具，建立和測試數據之間的關係，然後經過軟件工程師，建立處理數據的各種過程，作出預測。
不少企業的數據相當分散，甚至部分利用了SaaS，如何整合大量分散的數據，建立起分析用的Dashboard。微軟內部已經大量利用PowerBI作為分析，並且可接通不同應用，甚至是SaaS，以往數天才能建立的報表，用了PowerBI幾乎不費吹灰之力。
Guggenheimer的建議，就是利用CDM先搞好數據管治，類似Dynamics 365就是完全利用CDM管理數據，PowerBI也可分析多來源數據（甚至可以分析Salesforce），決定不同來源數據的關係，作為建立AI模型的統計基礎。
PowerBI可幫助用戶先理解不同來源數據關係，建立起業務系統，再根據這些商業邏輯，逐上以雲端AI功能（當然是Azure上的服務），自動去尋找同類關係的商業數據，自動作出推測。事實上，微軟已經在PowerBI內加進了AI功能，例如可以自然語言分析，理解從不同來源取得的數據，類似是客戶的評價分類。
不是每個人都學過統計學，或懂得掌握統計用法。PowerBI解決數據分析，再以「增強分析」（Augmented Analytics），可自動找出數據關係。「增強分析」透過機器學習技術，強化數據準備、數據管理和分析、以及流程挖掘（Process Mining），自動產生分析報告；找出資料間關聯性。
Excel的好主意
上述的「增強分析」功能，用戶也可能較難理解。
大部分人學過Excel，當數據出現某些關係，幾乎任何人都可從圖表外表，一眼看出關係。簡單而言，就是通過「數據視覺化」，找出大堆數據之間關係，然後作出決策。
Excel即將推出的ideas功能，就是利用了AI，透過高階視覺化摘要、趨勢和模式來了解資料。只要按一下某個資料範圍內的某個儲存格，然後按一下[常用]索引標籤上的「ideas」按鈕。Excel 的ideas分析資料，然後在工作窗格中傳回視覺效果。類似的功能能自動瞭解資料，透過高層視覺摘要、趨勢和圖樣，再以進一步蒐集分析，建立大堆數據的關係。
據微軟的觀點，AI是演化而不是突變。BI和AI，不過是一體的兩面。