当跨团队协作成本过高时，各团队独立复制组件比推行统一方案更有效。案例中，客户体验团队的统一 dashboard 项目因协调困难而延误，而各产品团队自建 dashboard 迅速解决问题。成功的关键在于明确业务指标、合理的时间线和团队独立能力。满足这些条件时，团队可自建工具，避免不必要的协作。
Databricks提供全面的BI服务解决方案，优化数据建模、存储和查询性能。通过Unity Catalog实现数据治理，采用星型模式提升查询效率。液态聚类和预测优化减少数据扫描，降低计算成本。Metric Views集中定义业务指标，确保一致性并简化维护。启用物化视图可实现快速查询，降低延迟和拥有成本。
文章讨论了企业如何从传统软件转向AI原生应用，强调治理和合规性的重要性。通过建立分层架构，确保敏感数据不接触第三方API，实现AI系统的异步和持久性。AI系统利用小型语言模型进行任务分类，节省推理成本，并确保审计准备。最终目标是将AI转变为透明的业务指标，使组织在95%的任务中以AI速度运作，同时保持100%的合规性。
可靠性工程师在现代软件中至关重要。随着AI时代的到来，输出变得不确定，传统工具和方法面临挑战。SREs需适应新的监控和评估方式，关注业务指标而非单一信号。尽管许多团队感到滞后，实际上大家都在探索中，MLOps仍有许多未解问题。
技术指标与业务指标相辅相成，前者关注系统性能，后者关注数据准确性。有效的业务监控能够提前发现问题、掌握运营规律并推动业务发展。构建业务指标时需明确、可操作、可比，避免复杂性，以确保监控的有效性。
数据科学家的工作包括构建机器学习模型、与工程团队合作、定义业务指标和进行数据分析。成功的关键在于跨团队协作，生成有价值的业务指标，并将数据转化为可理解的见解。数据科学家需具备持续学习的能力，以适应快速变化的环境。
Databricks推出AI/BI Dashboards，可安全共享业务指标、可视化和见解。用户可以与其他用户、其他工作区和Databricks的只读用户共享仪表板。
2023年上半年，科技团队面临预算削减和业务指标不变的挑战。为了成功实施价值管理转型，文章提出了三个抓手：明确设置价值看护人、基于价值成效定优先级、精细化价值成效回检。这些抓手可以帮助科技团队聚焦价值、提高效率，并实现组织转型目标。
完成下面两步后，将自动完成登录并继续当前操作。
