當(dāng)大模型技術(shù)突破臨界點(diǎn),全球企業(yè)正經(jīng)歷一場數(shù)據(jù)智能的范式革命。據(jù) Gartner 預(yù)測,到2027年,中國80%的企業(yè)將使用多模型生成式人工智能策略來實(shí)現(xiàn)多樣化的模型功能、滿足本地部署要求并獲得成本效益。但與此同時(shí),眾多企業(yè)仍面臨數(shù)據(jù)孤島、分析門檻高企等痛點(diǎn),讓數(shù)據(jù)價(jià)值釋放舉步維艱。
AI正重構(gòu)BI,還是在制造新的數(shù)據(jù)迷霧?
3月7日,瓴羊「數(shù)據(jù)薈」Meet up第4站,阿里云智能瓴羊高級(jí)技術(shù)專家劉少偉以《大模型驅(qū)動(dòng)的智能BI分析》為主題,系統(tǒng)闡釋了“三位一體”企業(yè)級(jí)智能BI方法論。他指出:“所有的產(chǎn)品都值得用AI重做一遍,BI也不外如是。但企業(yè)級(jí)BI的智能化必須是BI工具、大模型與私域數(shù)據(jù)的三角共振”。現(xiàn)場,劉少偉不僅解構(gòu)了智能BI的進(jìn)化邏輯,更以瓴羊Quick BI的實(shí)踐為樣本,揭示了數(shù)據(jù)價(jià)值躍遷的可行路徑。
智能 BI 時(shí)代:從“工具”到“智能體”的躍遷
BI的演進(jìn)本質(zhì)是數(shù)據(jù)民主化的進(jìn)程。一直以來,BI 技術(shù)的發(fā)展始終圍繞“降低使用門檻、提升分析效率”展開。劉少偉指出,“Gartner魔力象限報(bào)告歷年來的變化表明,BI產(chǎn)品經(jīng)歷了傳統(tǒng)BI、敏捷BI、智能BI三個(gè)階段。”
在傳統(tǒng)BI時(shí)代(2010年代),Oracle BIE、IBM等工具主導(dǎo)市場,但“業(yè)務(wù)人員提需求,數(shù)據(jù)開發(fā)做報(bào)表”的流程導(dǎo)致開發(fā)周期長、靈活性差。即便到了2016年敏捷BI崛起,Tableau、Qlik通過可視化拖拽實(shí)現(xiàn)“自主分析”,但高階分析仍依賴專業(yè)分析師,業(yè)務(wù)人員止步于“看數(shù)”而非“用數(shù)”。
當(dāng)業(yè)務(wù)決策需要實(shí)時(shí)響應(yīng)市場變化時(shí),傳統(tǒng)BI的靜態(tài)報(bào)表體系問題暴露——數(shù)據(jù)加工速度永遠(yuǎn)追不上業(yè)務(wù)需求迭代的節(jié)奏。劉少偉表示,“到了2024年,大模型讓自然語言交互成為可能,智能BI的拐點(diǎn)終于到來”,用戶通過自然語言問答即可獲取數(shù)據(jù)并深度洞察。
當(dāng)前,據(jù)Gartner 2024 年技術(shù)成熟度曲線顯示,與智能 BI 相關(guān)的 AI 技術(shù)(如生成式分析、自然語言查詢)正處于“期望膨脹期”。劉少偉強(qiáng)調(diào):“隨著大語言模型的興起,生成式AI出現(xiàn)了井噴的現(xiàn)象,且市場上客戶對于生成式AI技術(shù)處于狂熱追捧階段,歷史正在從敏捷 BI 向智能 BI 跨越。”
其中,作為國內(nèi)唯一連續(xù)五年入選 Gartner 魔力象限的 BI 產(chǎn)品,Quick BI 通過持續(xù)創(chuàng)新證明了智能 BI 的可行性。Gartner2024 年報(bào)告特別指出,其核心優(yōu)勢在于“智能化與開放性”,尤其是智能小 Q 支持的智能問答、智能搭建、智能洞察三大場景,已成為企業(yè)級(jí)決策的重要助手。
三位一體:大模型與 BI 的深度融合邏輯
面對普遍存在的“工具+大模型”拼湊式認(rèn)知,劉少偉指出:“企業(yè)級(jí)智能BI不是工具與大模型的簡單疊加,而是BI工具、大語言模型、企業(yè)私域數(shù)據(jù)的深度融合”。
例如瓴羊的解法,便是構(gòu)建“BI工具-大語言模型-企業(yè)私域數(shù)據(jù)”三位一體架構(gòu)。BI工具作為基石,提供可視化、高性能分析引擎及安全管控能力;大語言模型通過自然語言交互與推理能力簡化分析流程;企業(yè)私域數(shù)據(jù)結(jié)合行業(yè)知識(shí)與內(nèi)部知識(shí)庫,保障問數(shù)準(zhǔn)確率與業(yè)務(wù)相關(guān)性。這種模式下,大模型不僅是工具,更是重構(gòu)分析邏輯的底層思維。
此外,劉少偉提出,“傳統(tǒng) BI 的‘數(shù)據(jù)連接→建模→分析→協(xié)同→消費(fèi)’鏈條被大模型全面革新。”例如在數(shù)據(jù)連接階段,智能探查與質(zhì)量分析,能夠預(yù)判數(shù)據(jù)分布規(guī)律;建模階段,自動(dòng)化 ETL、智能生成、優(yōu)化 SQL幫助告別手工編碼;分析階段,自然語言問答替代固定報(bào)表,多模態(tài)結(jié)果實(shí)時(shí)反饋。
技術(shù)發(fā)展下,可以預(yù)見的是,智能BI將實(shí)現(xiàn)從效率到深度的躍遷。劉少偉指出,“搭建助手、智能問數(shù)、洞察分析是智能BI的三大發(fā)展方向”。其中,搭建助手類可以幫助用戶自動(dòng)化完成數(shù)據(jù)集構(gòu)建、報(bào)表美化等重復(fù)性工作;智能問數(shù)類則相當(dāng)于打破了原有的數(shù)據(jù)分析傳統(tǒng)的過程,取而代之的是一種更加輕量化的,以自然語言問答作為新的形態(tài)數(shù)據(jù)獲取和數(shù)據(jù)洞察新的形態(tài);洞察分析類不僅做到描述型分析,甚至可以向用戶提供更深度的洞察分析,比如做診斷、預(yù)測、決策,讓BI從“事后解釋”走向“事前預(yù)判”。
智能小 Q:重構(gòu)數(shù)據(jù)分析的用戶體驗(yàn)
作為三位一體架構(gòu)的落地載體,Quick BI 智能小Q正在重塑數(shù)據(jù)分析的協(xié)作模式。劉少偉指出,“智能小Q目前核心提供兩大能力體系——智能搭建與智能問數(shù)。”其技術(shù)架構(gòu)依托兩大底座:一是基于通義千問大模型強(qiáng)化訓(xùn)練的領(lǐng)域?qū)Ｓ媚Ｐ?二是 Quick BI 原有的 OLAP 多維分析引擎。
智能搭建的價(jià)值在于,打破傳統(tǒng)BI的“手工勞動(dòng)”困境。“一鍵生成報(bào)表、一鍵美化、一鍵批量配置等功能,讓業(yè)務(wù)人員從拖拽操作中解放出來”。而智能問數(shù)則重新定義了數(shù)據(jù)分析的門檻,用戶通過自然語言提問即可獲取結(jié)果,過程中系統(tǒng)自動(dòng)關(guān)聯(lián)數(shù)據(jù)管理、知識(shí)庫推薦等輔助能力。
譬如某飲品客戶選取“經(jīng)營分析表”作為測試場景,鎖定GMV、訂單量、會(huì)員活躍度等核心指標(biāo),并劃分時(shí)間、地域、渠道等多維度分析視角。最初未經(jīng)調(diào)優(yōu)的智能小Q,110個(gè)測試用例的準(zhǔn)確率僅為65%;但在導(dǎo)入企業(yè)知識(shí)庫并強(qiáng)化模型后,準(zhǔn)確率躍升至92%。劉少偉指出,這一突破印證了“三位一體”模式——智能 BI 的可靠性不僅依賴工具與模型,更需高質(zhì)量企業(yè)數(shù)據(jù)與行業(yè)知識(shí)庫的支撐。
為幫助客戶跨越“從可用到好用”的鴻溝,瓴羊同步推出“智能問數(shù)調(diào)優(yōu)手冊”,該手冊詳細(xì)闡述了如何進(jìn)行數(shù)據(jù)管理和企業(yè)知識(shí)庫管理等方面的調(diào)優(yōu)操作,旨在幫助客戶提升智能問數(shù)的準(zhǔn)確性和實(shí)用性。例如,在數(shù)據(jù)管理方面,手冊指導(dǎo)用戶如何選定數(shù)據(jù)表模型、如何對數(shù)據(jù)內(nèi)容進(jìn)行清洗等;在企業(yè)知識(shí)庫管理方面,則提供了如何定義邏輯、排除干擾信息、準(zhǔn)確定義專業(yè)術(shù)語等行業(yè)黑話的方法。
劉少偉介紹道,智能小 Q還可深度對接DeepSeek、Qwen-Max、Kimi 等主流大模型,用戶可在“智慧問答”模塊中按需組合不同模型,實(shí)時(shí)獲取文本、圖表、趨勢預(yù)測等多維度分析結(jié)果。這一特性不僅打破了單一模型的局限性,更通過多模態(tài)響應(yīng)降低了分析偏見,確保結(jié)果的客觀性與全面性。值得注意的是,智能小Q在官方智能體能力基礎(chǔ)上,用戶可按需自定義智能體,該智能體可以方便地復(fù)用Quick BI的多種基座能力,如權(quán)限管控、可視化交互、查詢引擎等,搭建出來的智能體能針對性地根據(jù)企業(yè)使用場景進(jìn)行洞察分析。
另一項(xiàng)核心升級(jí)是支持多步計(jì)算,解決傳統(tǒng)BI難以處理的復(fù)雜分析需求。例如,用戶提問“銷售金額日環(huán)比超過 40% 的客戶有哪些”時(shí),系統(tǒng)需先計(jì)算日環(huán)比數(shù)據(jù),再篩選符合條件的客戶。為實(shí)現(xiàn)這一目標(biāo),智能小 Q 將拓展 Text2DSL 技術(shù),并引入 Task 2Python 混合邏輯,通過中間結(jié)果傳遞完成多步運(yùn)算。這種技術(shù)創(chuàng)新不僅提升了分析靈活性,更將復(fù)雜問題拆解為可執(zhí)行的流程,使原本需要多輪對話或人工干預(yù)的任務(wù)實(shí)現(xiàn)自動(dòng)化處理。
正如《大數(shù)據(jù)之路2》書中所言,數(shù)據(jù)決策普惠是瓴羊一直堅(jiān)持在做的事。
在智能 BI 的浪潮中,瓴羊 Quick BI 正以大模型為引擎,推動(dòng)企業(yè)從“數(shù)據(jù)擁有者”向“智能決策者”進(jìn)化。未來,隨著多模態(tài)交互、行業(yè)知識(shí)庫的深化,數(shù)據(jù)將真正成為企業(yè)的“數(shù)字血液”,流淌在每一個(gè)決策細(xì)胞中,而瓴羊?qū)⒊掷m(xù)以技術(shù)創(chuàng)新為舟,助力企業(yè)通過智能BI加持智能決策,提升企業(yè)長遠(yuǎn)競爭力。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
