在过去几年里，大数据逐渐兴起。然而，TDWI的研究表明，在那些50%的员工需要访问企业情报工具的企业中，只有20％的员工实际使用大数据技术。部分问题是系统往往难以使用；另一个挑战是数据素养较低。
为了解决这些问题，许多组织依靠可视化来显示从数据中获得的洞察。虽然一张图片胜过千万文字，但是这些图表并不总是能帮上忙，仍然可能导致数据误解，例如专业知识不足和缺乏统计思想方面的培训等。
所有这些都表明，试图强迫人们提高数据素养是一场艰苦的战斗。但是，由于人工智能（AI）的兴起，特别是支持高级自然语言（高级NLG），这实际上让提高人们数据素养变得不那么必要了。高级NLG平台，首先需要了解用户想要沟通的内容。然后，这些系统执行相关分析以突出最有趣和最重要的，然后识别和访问分析所必需的数据，最后以个性化、易于理解的方式提供分析：叙述。 Gartner预测到2018年，高级NLG将被整合到大多数智能数据洞察平台，20％的业务内容将由机器生成。
我们生活中其实就有这样的人工智能平台：
Alexa和会话界面的兴起
想象一下，在星期六晚上坐在家里，你想了解一下自己最近的财务状况，你可以问Alexa：我的投资是怎么做的？
Alexa：你想要一个高级别的摘要，还是直接了解详情？
如果你回答：总结就好。
Alexa可能会回复：年初至今累计上涨5％，略高于2016年的投资回报目标。股票，债券和替代投资的组合与去年的这一时间基本相同，但您持有的现金略多于您的预期。如果你愿意，我可以投资多余的现金，并相应地重新分配你持有的投资。
通过这样的对话我们可以轻松地了解工作、企业，甚至自己的健康。获取报告和进行对话之间是由区别的。虽然信息是相同的，但对话会让这些信息以更人性化的方式进行传播。
库存管理
大型超市连锁店非常关注他们的库存，对于易腐烂的商品尤其如此，如在熟食店柜台或农产品部门销售的商品。因为这些商品流通快，所以是超市最有利润的地方。对于像这样的超市，精确地管理库存是很重要的，丝毫差错对利润都会有直接影响。
管理人员非常专注于数据，如供应链、生产和销售数据等。有了这些数据，库存管理人员就能更有效地管理库存流量。当然，问题是熟食店经理不一定能被训练为商业分析师，更不用说数据科学家了。
如果高级NLG成为其报告过程的主要通信工具，那么与这些数据的交互就会变得更容易。
实时财务分析
这也是一个很好的例子。一家金融情报公司需要定期生成大型报告，记录公司的绩效，与内部董事会分享，然后做出对金融机构环境有广泛影响的决策。采用传统方式，要生成这样的分析报告，至少需要两个小时，而NLG则在几秒内就完成了。高级NLG不仅仅能读图表而且能让计算机自动编写报告。通过自动化研究，分析人员可以专注于提高报告的定性分析水平，使公司做出更明智的决定。
呼叫中心培训
大公司通常都有一个大型呼叫中心。有些金融服务企业的呼叫中心甚至有数万名员工。要管理这样一个庞大的队伍不是一件简单的事情。
在这样规模的部门中，经理可能没有时间或资源来进行频繁的绩效评估和提供持续的个性化培训。虽然绝大多数经理认为绩效和培训是很有价值的。除此之外，人们不想通过数字和图表说明自己的表现如何，员工更希望获得“纠正反馈”，以及探索更好的工作方式的建议。