SugarBI问数上手初体验

上面所提到的产品大多没有机会上手（例如内部产品或仍在测试阶段）体验，但总算在2月初申请到了百度SugarBI文心问数的体验权限。

参照官方指引，基于示例数据，我进行了简单的探索：

（1）数据模型准备

在数据模型的设置页面，可以选择对应的数据表并建立关系：

在编辑页面可以将字段名称设置为可读性较高的中文别名：

对于原子指标（度量），我们可以设置AI问答的同义词（也就是帮助大模型理解专业术语，可能用户会有不同的问法）作为其“知识库”：

我们也可以新建度量（指标加工），这就是常规的BI功能了：

对于AI问答功能，需要开启并等待模型训练完成才能使用（不过我没有权限）：

我们还可以配置AI问答的推荐问题，这个如果在ChatGPT中自定义过自己的GPTs的小伙伴应该很熟悉：

然后我们就可以通过智能问数Sugar Bot和系统进行交互了：

当我点击上图中的“需要结论”时，系统会自动总结如下：

并且还能发现数据的不合理之处（确实如此）：

整体上来说还是蛮有意思的，确实是一种全新的体验、并且是已经实际落地到现有产品中了。感兴趣的小伙伴可以自行申请体验。

值得注意的是，SugarBI有以下限制：

• 用户提出的问题字数限制为 300 字（空格也算做有效字符）——我想这主要是出于性能与成本控制的考虑。通过限制用户输入的字数，可以有效控制后端大模型处理请求的复杂度和资源消耗，同时鼓励用户提出更精炼、更具针对性的问题，提高处理速度和响应质量。因为除了用户输入的问题，如观远数据所说还需要给大模型传数据schema，因此压缩总的Prompt是必要的。
• 当生成的图表不符合预期时，可以点击「重生生成」但最多可以点击三次——为什么是3次？这个设计可能是为了防止用户无限制地重新生成结果，从而导致资源浪费和系统压力。限制重生次数可以鼓励用户更加仔细地考虑和优化他们的查询，同时也是一种计算资源的管理策略。此外，这也可能是基于用户行为的统计分析，认为三次重试足以覆盖大多数情况下的需求调整。
• 如果在大屏/报表编辑页面中关闭智能问数页面，Sugar BI将会清空之前会话的全部内容——这一限制可能是出于数据安全和隐私保护的考虑。自动清空会话内容可以防止敏感数据残留在系统中，尤其是在多用户环境下。此外，这也有助于保持系统的高效运行，避免不必要的数据积累影响性能。
  

思考与延伸

（1）问题定义：明确业务问题和目标。

• 问题: 确定分析的焦点，如提升销售额、优化库存等。
• AI赋能: 使用AI模型生成初步的数据分析和决策计划草案，再人工校对修改，以确保方向和目标的准确性。

（2）数据接入：确定和接入数据源。

• 问题: 如何高效处理和分析非结构化数据。
• AI赋能: 利用AI技术直接分析非结构化数据，减少传统的数据清洗步骤，加快从数据到洞察的过程。

（3）数据处理：数据的清洗、转换和加载（ETL）。

• 问题: 简化ETL开发过程，提高数据处理效率。
• AI赋能: 通过自然语言交互生成ETL任务和代码，辅助数据处理，实现多轮交互式构建，提升数据处理的灵活性和准确性。

（4）可视化展现：将数据转化为易于理解的视觉形式。

• 问题: 快速响应业务问题，提供直观的数据结果和结论。
• AI赋能: 自动根据问题生成SQL、JSON，利用AI生成文字结论、可视化图表和行动建议，实现问答式BI。

（5）交互分析：深入分析数据，生成深度分析报告。

• 问题: 如何自动化深度分析报告的生成，提供可信的业务分析。
• AI赋能: 基于BI系统能力，结合企业内部数据源和AI生成的数据指标，自动识别异常原因并用自然语言展示，减少认知偏差（例如波动分析、异常分析和预警）。

（6）决策行动：基于分析结果，提供决策支持。

• 问题: 如何基于数据分析提供具体的未来行动建议。
• AI赋能: 提供辅助性预测和基于历史数据的推荐建议，支持数据驱动的决策过程。

AI+BI的融合为商业智能领域带来了前所未有的机遇，通过大语言模型的应用，可以极大地提升数据分析的效率、深度和准确性，同时改善用户体验。

作为AI产品经理，理解并把握AI技术在BI产品中的应用，不仅需要技术和业务的深入理解，还需要持续的创新和优化。通过有效地结合AI和BI，我们可以更好地解锁数据的潜力，支持数据驱动的决策，推动企业的智能化转型。