Baker Tilly
商业智能是 Baker Tilly 咨询工作的基础。 由于客户的大部分决策都基于商业智能洞察，因此对快速可靠洞察的需求比以往任何时候都大。
在本文中，Baker Tilly 的数据和人工智能总监 Chris Wagner 分享了 Tabular Editor 如何帮助他的团队转变其 BI 心态，并帮助他们帮助客户快速创建更可靠的 BI 洞察。
关于
作为一家领先的咨询、税务和鉴证公司，Baker Tilly 帮助各类组织实现数字能力的现代化、优化和扩展。 Baker Tilly 在全球范围内运营，在全球拥有近 700 个办事处和 43,000 多名员工。 他们致力于为客户提供清晰、快速和可衡量的业务成果，提供可创造和维持增长的定制解决方案。
在其业务部门之一的数字实践中，他们致力于通过高影响力的分析解决方案、现代数据架构和人工智能的采用，使客户能够释放其数据的全部潜力。 数据与人工智能团队由数十名顾问组成，他们认为商业智能是他们为客户提供咨询的基础，也是在交付有价值成果方面发挥关键作用的核心内部能力。
挑战
模型迭代和部署周期缓慢：尤其是在大型 Fabric 和 Power BI 数据集上，即使是小的更改也需要长时间等待。
缺乏自动化防护机制：在分布式咨询团队中，没有实用的方法来执行标准或验证模型质量。
复杂的性能调试：识别低效的度量、关系或模型结构会占用时间，而这些时间本可以更有效地用于其他地方。
解决方案
更快、更可靠的洞察：提高语义模型的质量，结合快速工作的工具，意味着他们可以以前所未有的速度为客户提供洞察。
一致性和内部标准：在使用全公司规则集实施 BPA 后，Baker Tilly 的模型设计不一致性减少了 60%-80%。
提高性能：由于基于 Git 的工作流、自动化检查和消除手动返工，在多开发人员项目中节省了数周的时间。
Baker Tilly 在高速扩展和确保质量方面的挑战
对于 Baker Tilly 的数据和人工智能团队而言，最关键的挑战集中在规模治理和速度上。 由于他们与依赖复杂、快速发展的数据资产的大型企业合作，因此必须确保一致的建模标准，在繁重的工作负载下保持高性能，并提供受控的可重复使用的资产
归根结底，我们的挑战不仅仅是构建分析，而是使分析能够作为一种可信赖、可扩展和可在整个企业中扩展的产品运行。
Baker Tilly 数据和人工智能总监 Chris Wagner
在将 Tabular Editor 3 作为 BI 工具堆栈的一部分采用之前，团队在缓慢的迭代周期、对语义模型中结构问题的可见性有限以及难以在大型团队中保持一致的建模最佳实践方面困难重重——这些低效率在企业 BI 环境中自然出现，但仍然是耗时的摩擦点，最终导致大量手动和不一致的工作。
决定使用 Tabular Editor 3。
三个性能瓶颈尤其促使 Baker Tilly 的数据和人工智能团队寻找其他工具来解决他们的问题：
- 模型迭代和部署周期缓慢：尤其是在大型 Fabric 和 Power BI 数据集上，即使是小的更改也需要长时间等待。
- 缺乏自动化防护机制：在分布式咨询团队中，没有实用的方法来执行标准或验证模型质量。
- 复杂的性能调试：识别低效的度量、关系或模型结构会占用时间，而这些时间本可以更有效地用于其他地方。
这些挑战直接影响了向客户提供洞察的速度，更长的开发循环意味着更长的反馈循环，最终使团队陷入恶性循环。 因此，显然需要更强大的工具：
在咨询环境中，速度、一致性和质量直接影响客户的结果，这些障碍使我们更难以客户期望的敏捷性提供洞察。 Tabular Editor 消除了大部分摩擦，让我们能够专注于提供价值，而不是与工具限制作斗争。
Baker Tilly 数据和人工智能总监 Chris Wagner
实施解决方案来解决他们的问题
Baker Tilly 的团队选择采用 Tabular Editor，因为它似乎完全符合他们对语义模型的专业级开发环境的需求。 随着他们的商业智能实践规模的扩大和模型复杂性的增长，他们需要一种能够支持真正工程工作流的工具。
Tabular Editor 是分阶段推出的，首先是高级架构师在大型复杂的项目中使用它，因为传统的建模工具会减慢交付速度。 更快的迭代、更清晰的模型和一致的最佳实践使价值不可否认，他们制定了内部标准。 从那时起，采用有机地增长，如今，Tabular Editor 已完全嵌入 Baker Tilly 的方法和对优秀 BI 工程的定义。。
Chris 和团队强调，Tabular Editor 的一些功能对他们的 BI 工作最具变革性，包括：
- Best Practice Analyzer (BPA)：BPA 使团队能够在咨询团队和客户环境中执行一致的标准。 它允许与他们的建模原则保持一致的自动化治理，消除模糊性并减少技术债务。
- 脚本和自动化：自动执行重复任务、生成度量值、批量编辑元数据和重构模型的能力至关重要。 它有助于缩短开发时间并确保大规模的一致性。
- Git/DevOps 集成：作为一家提供企业级解决方案的咨询公司，版本控制是不可妥协的。 使用 Tabular Editor，一切都变得无缝衔接。
- 分区管理和性能工具：对于大型数据集和实时工作负载，能够有效管理分区并了解性能瓶颈，对最终解决方案质量产生了显著影响。
我们收到的最大赞美是我们的分析“就是管用”，这是 Tabular Editor 在幕后实现的规范和一致性的直接结果。
Baker Tilly 数据和人工智能总监 Chris Wagner
采用 Tabular Editor 的结果
在采用 Tabular Editor 后，Baker Tilly 在其 BI 工程生命周期的各个方面都取得了实质性的成果。
改进的模型开发
得益于脚本、批量更新和简化的元数据管理，模型开发周期变得快了很多——Chris 和团队评估，与采用 Tabular Editor 之前相比，新模型的开发时间减少了 30%-50%。 在使用全公司规则集实施 BPA 后，他们的模型设计不一致性减少了 60%-80%。
更快、更可靠的洞察
由于 Tabular Editor 将最佳实践标准化和自动化，Baker Tilly 的顾问在修复结构性问题上花费的时间更少，在提供有意义的洞察上花费的时间更多：
从业务角度来看，其影响是变革性的。 更快、更可靠的 BI 开发意味着我们的客户可以更快、更有信心地获得洞察。 这直接加快了决策制定，缓解了运营效率低下，并缩短了分析计划的价值实现时间。
Baker Tilly 数据和人工智能总监 Chris Wagner
提高模型质量和优化刷新性能可降低计算成本，避免下游出现报表问题，并最终为高管提供可信赖的高性能仪表板，使其能够更快、更可靠地获得洞察，并且几乎不会有意外。
组织思维模式的变化
实施 Tabular Editor 引入了一定程度的结构和自动化，将数据建模提升为软件开发学科，最终将其思维模式从“构建报表”转变为工程语义模型。 团队现在不再将 BI 工作视为一系列手动步骤，而是从可重用性、治理和自动化的角度进行思考。
这种思维方式的转变改变了团队设计、审查和维护模型的方式，使他们能够在所有客户互动中提供更清晰的架构、更快的迭代和更具可扩展性的解决方案。
实现新机会
Tabular Editor 在 Baker Tilly 内部实现了几个新机会，扩展了他们作为咨询组织可以提供的内容：
- 扩展模型和团队：由于 DevOps 工作流、版本控制和自动化已内置到他们的流程中，Baker Tilly 现在可以支持企业规模的多开发人员建模。 这使他们能够以更高的速度提供更大、更复杂的解决方案。
- 支持新的计划和架构：随着他们的客户转向 Microsoft Fabric 和统一的 Lakehouse 模式，Tabular Editor 实现了 Baker Tilly 扩展这些现代平台所需的建模敏捷性和治理。
- 改善整个组织和客户的治理：通过 BPA 规则、结构化元数据和自动化验证，Baker Tilly 已能够正式制定跨部门、业务部门和整个咨询实践的建模标准。
- 加速人工智能驱动的分析：更清晰的语义层和一致的定义使集成 Copilot、自然语言接口和人工智能辅助洞察变得更加容易。
展望未来
展望未来，Baker Tilly 预计 Tabular Editor 将更多地嵌入其企业 BI 工程生命周期，因为 Fabric 将继续成熟，语义模型将成为 AI 驱动分析的核心。
我们计划继续在所有项目团队中扩大采用范围，将更多自动化集成到我们的 CI/CD 管道中，并改进我们的 BPA 规则，以反映 Fabric 第一设计模式。 我们还看到 Tabular Editor 在实现可重用的语义模板、元数据驱动的建模方法以及使用 Copilot 等工具进行人工智能辅助开发方面发挥着关键作用。
换言之，Tabular Editor 不仅仅是我们使用的工具，它更是我们构建下一代企业 BI 解决方案的基础部分。
Baker Tilly 数据和人工智能总监 Chris Wagner