從表面上看，分析革命似乎已經完成。人工智能已從新奇事物變成預算項目。在2025年RSM中型市場人工智能調查中，91%的受訪者表示他們使用生成式人工智能，但大多數人形容自己只是「有些準備」。
在採用與信心之間的這種差距中，Mohammad Hamid 已建立起底特律最務實的分析聲音之一的聲譽。Hamid位於密歇根州，是一名顧問和前軟件創始人，他的工作範圍包括構建分析產品、為大型企業提供建議，以及幫助中型市場領導者將人工智能談話轉化為財務總監和一線經理都能認可的決策。他描述自己的角色不太像是「人工智能轉型」，更像是將人員、流程和技術圍繞著一個可以用簡單語言解釋的價值故事進行調整。Mohammad Hamid Detroit「工具現在很嘈雜，」他說。「但大多數組織並不缺少軟件。他們缺少的是共享的因果故事和使這個故事生動的運營習慣。」
Hamid的分析理念來自於先建設後諮詢。在他職業生涯早期，他幫助創立了Unison，這是一家位於社交聆聽、可持續性和決策支持交叉點的軟件公司。這項工作讓他近距離觀察分析產品如何贏得或失去信任。「沒有人信任的洞察只是一個帶有野心的截圖，」他說。
如今，他的工作越來越專注於密歇根州及其他地區的中型市場公司：這些組織足夠大，能感受到競爭壓力，但又不夠大，無法為完整的現代數據組織提供資金。領導者們被告知人工智能將壓縮決策週期、個性化體驗並自動化報告。他們想要那樣的未來，但卻面臨著分析人員不足、系統分散、所有權模糊以及一系列運營問題。
Hamid的答案不是淡化人工智能，而是對野心進行排序。「你不應該從問『我們可以在哪裡放置生成式人工智能？』開始，」他說。「你應該從問『我們認為什麼驅動了這裡的價值，我們能誠實地衡量它嗎？』開始。」這個問題位於他所稱的因果指南針框架的中心。
因果指南針首先讓領導者就他們正在處理的功能的因果模型達成一致。對於銷售或營銷團隊，Hamid專注於三個層面：高價值槓桿（可控選擇，如報價設計或渠道組合）、高價值行動（行為和漏斗信號，顯示槓桿是否有效）以及高價值結果（如收入、留存率或利潤率等結果）。圍繞這些層面而非工具組織分析，通常比平台更新釋放更多價值。「指標不是策略，」他說。「它們是語法。一旦我們就語法達成一致，我們就能寫出更好的句子。」
在因果基礎之後，因果指南針轉向人。在Hamid看來，分析團隊表現不佳，不是因為缺乏技術技能，而是因為缺乏認知多樣性。他指出高績效技術組織如何聘請具有不尋常背景的人才來構建更好的系統：像對待消息來源一樣質疑數據的記者、了解實驗和客戶體驗的行為科學家、知道如何推動採用的教師。隨著人工智能壓縮常規分析，Mohammad Hamid將現代分析功能總結為三個互補角色：策略（選擇正確的問題並定義因果模型）、實施（獲取數據、管道和治理以實際運作）以及講故事（使洞察可用且可行）。
流程和技術完成了這幅圖景。十年前，分析團隊將大部分時間花在ETL上：從源系統提取數據，清理它，然後將其加載到倉庫中。ETL仍然重要，但現代雲平台、API和自動化已經改變了平衡，使DataOps和DevOps紀律成為分析工程的核心。Hamid認為，與收入或風險相關的管道應該像產品一樣對待，具有明確的所有權和服務期望。
在實踐中，這種理念在各個行業都有體現。在汽車和工業製造領域，Mohammad Hamid幫助多站點運營將質量、供應和維護數據統一到單一運營模型中，最大的成功來自於對缺陷和停機時間的共享定義，使工廠團隊停止爭論什麼是「真實的」。在金融服務領域，他通過在傳統信用屬性上分層行為分段來完善風險信號，表明組織並不缺乏數據；它缺乏的是一個連貫的故事，說明風險、產品設計和客戶溝通如何隨著時間一起變化。
當被問及他會對試圖理解人工智能和分析的密歇根州中型市場CEO或CIO說些什麼時，Mohammad Hamid提供了一個簡短的指南。從決策和價值地圖開始，錨定真正推動業務的少數決策，然後向後推導所需的數據和運營節奏。將數據質量和治理視為人工智能準備工作，專注於少數具有明確所有者和SLA的「黃金數據集」。投資於高管素養，使領導者能夠支持正確的用例並拒絕錯誤的用例。並建立小型、可審計的勝利，改善每週決策循環，證明分析和人工智能可以改變業務的實際運行方式。
預計更廣泛的分析市場將在這十年中繼續擴張，由雲、人工智能和向實時決策的轉變推動。但Hamid來自底特律的信息是，沒有連貫性的規模不是進步。「人工智能將擴大知道自己試圖證明什麼的組織與只希望儀表板能拯救他們的組織之間的差距。」對於密歇根州及其他地區的中型市場組織來說，因果指南針框架不是對人工智能的拒絕。它提醒我們，現代分析在深刻的人性方面仍然關乎判斷。對於試圖在人工智能時代建立持久優勢的領導者來說，這可能是最令人安心的洞察。
