在資料強化（enrichment）中，AI 扮演兩個截然不同的角色。執行者（doer）負責把事情做出來：撰寫計算、分類紀錄、擷取欄位。顧問（advisor）則告訴你：一開始到底有哪些值得強化——而這正是多數分析師最少善用的角色。現在你正面對 Iron and Grain 一整年的零售交易，你的團隊正在發想下季的資料強化工作。
哪一個問題最適合交給 AI 扮演顧問角色來回答？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
設定你的 AI 強化分析師工具箱。了解 AI 在五階段分析循環中的定位，熟悉將模糊需求轉化為可執行建議的 GCSE 提示框架，並選擇把 AI 連結到資料的正確方式：平面檔、MCP，或是受治理的語意層。
從原始資料走到你能據以辯護的洞見。檢視資料品質中的模糊重複、遺漏值與不可能的時間戳；同時把 AI 作為執行者與顧問來豐富原始欄位；接著在趨勢、分佈、差異與離群值之間找出值得追蹤的洞見，並在送到利害關係人前逐一驗證。
當前練習
把發現轉化為能落地的儀表板與故事。將儀表板探索與雛形製作從數週壓縮到一個下午，依受眾與面前的決策量身打造資料故事，並用 S.P.O.T. 驗證框架防範那些「看起來漂亮但其實不對」的輸出。
在美國零售連鎖 Board and Beyond 上完成一個 AI 優先的完整分析。稽核資料品質、找出類別經理實際會用的豐富化項目、提出並驗證一個醒目的重點發現、打造支撐拓點決策的儀表板，並向高層交付一段式的故事敘述。
