CWT如何将AI分析转化为数百万美元资产
DataHot 速览
ThoughtSpot高级副总裁James Smith撰文介绍CWT的AI分析转型实践。CWT曾是传统BI架构，依赖Cognos和静态PDF，后采用ThoughtSpot和Snowflake，实现超过10万用户使用实时对话式洞察。其分析能力在CWT被收购时被母公司明确视为核心驱动因素。
为什么值得关注：真实客户案例展示了从传统BI向AI驱动分析升级的路径，以及数据产品如何成为企业收购中的核心资产。
本文目录 9 节
译文
AI 逐段翻译作为 ThoughtSpot 国际业务负责人，我常驻伦敦，有幸与 EMEA 地区一些最具前瞻性的数字领导者合作。但时不时地，某个客户旅程会完美诠释我们工作的意义。
在我们最近于伦敦举办的Agentic Analytics Playbook EMEA活动上，我很荣幸地欢迎了 CWT 的数据工程副总裁 Craig Haughan——他领导了 CWT 的数据和分析工作——以及负责 Snowflake 在英国和爱尔兰业务 的 Jimmy Hall 一同上台。
对于那些不了解 CWT 的人来说，他们是企业差旅领域的绝对巨头。如果你预订过商务航班、酒店或行程，CWT 的引擎很可能就在后台运行。
这意味着他们要管理数以百万计的复杂、快速变化的数据点。
过去，传统 BI 将这些数据锁定在僵化、预定义的 PDF 中。如今，CWT 将实时、对话式的洞察直接交到超过 100,000 名用户手中。
事实上，他们的分析平台非常先进，以至于在被收购时，母公司明确将 CWT 的分析能力列为收购的主要原因之一。
以下是 Craig 和他的团队如何利用 ThoughtSpot 和 Snowflake 将原始数据转化为一流商业资产的故事。
CWT 如何从静态 PDF 转向亚秒级自助服务？
在与我们合作之前，CWT 的数据环境是传统、集中且缓慢的。业务用户依赖批处理、Cognos 等传统工具以及静态 PDF。
Craig 向伦敦的观众讲述了 CWT 的分析演进历程，这堪称数据栈现代化的经典范例：
| ThoughtSpot 之前的传统时代 | 使用 ThoughtSpot 的现代时代 |
|---|---|
| 静态且僵化：硬编码的报告和平面 PDF。 | 交互式且实时：即时搜索数十亿行实时数据。 |
| 繁重的工程：不断构建和维护 BI 多维数据集。 | 无需多维数据集：直接在源头查询实时数据。 |
| 数据被把关：IT 团队成为基本问题的瓶颈。 | 真正的自助服务：员工和客户可以自行提问。 |
| 基础设施缓慢：在本地数据库上进行批处理。 | 亚秒级速度：80% 的实时查询在一秒内完成。 |
为什么选择 ThoughtSpot？自然语言的力量
CWT 与 ThoughtSpot 大约在十年前首次接触，多年来，我们的合作关系已扩展为 AI 驱动的对话式分析的深度集成。
从我与 Craig 的交谈中，关键的区别始终是我们不懈的创新步伐：
"你总是担心是否会出现更好、更具创新性的产品。但 ThoughtSpot 总是能领先竞争对手几年。当其他人专注于基本可视化时，ThoughtSpot 专注于 AI、搜索，并让自助服务成为现实。"- Craig Haughan，CWT 数据工程副总裁
"草莓和奶油"的协同效应：ThoughtSpot + Snowflake
在 CWT 实施 ThoughtSpot 后，很快发现其过时的数据仓库平台存在严重的可扩展性问题。
由于我们在伦敦时正值温布尔登赛季的高峰期，我在台上忍不住用一个非常英式的比喻：ThoughtSpot 和 Snowflake 是现代数据栈的"草莓和奶油"。没有世界级的数据平台，就无法实现世界级的分析。
通过将 ThoughtSpot 的直观的语义搜索层连接到 Snowflake 高度可扩展的云数据平台，CWT 立即解决了任何可扩展性问题，并实现了高并发、实时的分析。
- 水平扩展：CWT 服务于超过 100,000 名常规用户，包括企业差旅客户和呼叫中心代理。Snowflake 动态地上下调整仓库，以处理这种大规模并发，而不会出现任何性能问题。
- 直接实时查询：ThoughtSpot 直接查询 Snowflake，而不是将大量数据集提取到缓慢的 BI 多维数据集中。
- 非结构化数据集成：CWT 可以将结构化旅行数据与非结构化政策信息（如复杂的企业差旅规则）整合在一起，使代理能够随时轻松验证差旅合规性。
CWT 的分析平台如何影响其被收购？
当 CWT 被收购时，Craig 的团队面临终极考验。他们花了三个月时间向新母公司展示其基于 ThoughtSpot 的自助服务平台。
结果如何？CWT 的自助服务能力被公认为领先当前市场一代。他们没有替换 CWT 的技术栈，而是选择将其 ThoughtSpot 和 Snowflake 平台推广到整个合并后的客户群。
作为销售领导者，这是对投资回报率的终极验证：构建一个如此强大的分析系统，以至于能积极提高整个企业的估值。
Craig 的分析成功手册
Craig 分享了两条核心建议，我认为每位数据领导者都需要听到：
1. “在乎”（GAS）采用模型
要从数据中获取价值，你必须找到真正关心结果的人。
"向一个不会打开 PDF 的人发送 PDF 毫无意义。你必须找到组织中真正关心并希望通过数据取得成功的人。他们会对其他人产生感染力。如果你的团队不理解为什么应该关心数据，你就无法获得采用。"- Craig Haughan，CWT 数据工程副总裁
2. 勇敢一点
进入 AI 和现代 BI 的世界可能令人望而生畏，但无所作为才是最大的风险。
“要勇敢。当你踏入 AI/BI 世界时，这很可怕。但你必须尝试。我总是告诉我的团队：如果你不偶尔搞坏东西，那说明你努力得还不够（只是别以糟糕的方式搞坏！）。如果你不采用 AI，你就会被甩在后面。”- CWT 数据工程副总裁 Craig Haughan
如何体验分析的未来
CWT 的历程证明，当你将强大的数据云与直观的、搜索驱动的 AI 分析相结合时，你不仅改变了决策方式，更从根本上改变了业务价值。
如果你位于英国、欧洲或国际市场的任何地方，我和我的团队很乐意展示我们如何为你的业务复制这种成功。
准备好将搜索驱动的代理式 AI 分析应用于你的数据了吗？立即探索 ThoughtSpot。
订阅我们的博客
这篇内容对你有用吗？
反馈只用于改善内容筛选，不等同于收藏