HP 在扩展业务和发展合作伙伴生态系统方面遇到了无效的 BI 工具集。 BI 团队管理传统的 OLAP 多维数据集、定制的 .NET 用户界面和数百个离线报告。系统需要 24-48 小时来刷新数据，甚至更长时间来分析数据。新数据部署耗时三个月，使得数据在准备好使用时就已经过时了。 BI 团队是一个瓶颈，他们在数据分析请求上花费了太多时间，而不是专注于更具战略意义的计划。该团队将数据下载到离线仪表板和报告中，并在整个组织的 Excel 和 PowerPoint 文档中分发。最终用户需要一个自助服务解决方案。

平均而言，一个 AI 模型的开发需要一个 IT 团队 12 到 18 个月，这意味着数据科学家 80% 的时间都花在了查找、清理和重组数据上。 Accern 的无代码 AI 允许用户轻松部署和定制预训练的金融服务模型，帮助从大量非结构化数据（例如新闻文章或财务文件）中比以前更准确、更有效地提取洞察力。然而，在为客户提供数据的过程中，Accern 发现自己在为客户提供的定制方面受到限制。他们无法自助访问数据可视化，只能使用提供给他们的单一仪表板。