我要投稿

智能BI时代的全面解析：从传统BI到白泽的智能化跨越

发布日期：2024-10-17 07:51:56 浏览次数： 2825 作者：爱分析ifenxi

本文探讨了智能BI的发展历程与未来趋势。

BI的核心价值在于帮助用户从数据中获取价值，但传统BI和敏捷BI阶段都未能充分发挥其潜力。智能BI时代到来，结合AI大模型等新兴技术，BI正变得极度简单易用且精准决策，让更多人能够便捷地使用BI进行描述性、诊断性和预测性分析。

本文还介绍了思迈特软件最新发布基于AI Agent的新一代智能BI产品Smartbi AIChat白泽，助力企业数字化转型，快速构建场景化应用。未来，智能BI将更深入结合行业知识，提高开发效率，降低项目成本。

智能BI时代开启，BI的使用更普及、更深入

BI的价值核心就是帮助用户从数据里面获取价值。经过几十年发展，BI获取数据价值手段不断变化，为什么这么有价值和意义的BI市场才几十亿人民币规模呢？其本质就是BI并没有很好的用起来，数据价值并没有充分的发挥，能够使用BI 的用户还是很少。

BI发展的过程分为以下三个阶段：

第一个是传统 BI 阶段，技术人员做一些报表、数字看板、数据大屏，给管理层看经营状况。

第二个是敏捷BI阶段，出现一种新角色，叫数据分析师，他既懂IT又懂业务，BI是给数据分析师使用。但是推广不是很好，因为企业中的数据分析师不是很多，同时，BI工具和软件用起来太复杂了，限制了用户的思维。

第三个是智能 BI 阶段，智能包含两个方面。

第一方面，简单准确。从IT到数据分析师到真正数据消费者每个人都会用。如果希望每个人都会用 BI 的话，必然意味着它要极度简单，刚好AIGC的出现，让这个成为了可能性之一。除了简单易用，还必须准确。AIGC、大模型有很多幻觉问题，刚好思迈特的数据模型、指标模型是解决幻觉问题的，它和AIGC结合起来使得它既简单又准确，通过这种方式智能BI让更多的人可用。

第二方面，分析深度。在传统BI阶段，大屏报表只是告诉（用户）发生了什么，这个指标有什么问题，是属于描述性分析；在敏捷 BI 阶段，能够做部分数据下钻，从行业、产品线去看它为什么增长，但这个数据钻取路径都是被写死的，它只能实现比较局部的诊断性分析；在智能BI阶段，它能够完全真正的诊断性分析。从发现异常到诊断性分析到预测性分析，让更多的人更便捷的去使用BI。

白泽：填平鸿沟，跨越最后1公里，全新一代智能BI产品

爱分析报告中指出，数据分析是2024年大模型的重点应用场景，但数据分析对幻觉或错误是零容忍，所以这里面有很多挑战。例如，大模型项目未与企业保持战略一致性、大模型业务收益难设定、如何提升数据分析结果的准确率等。

思迈特最新发布的基于AI Agent新一代智能BI产品——Smartbi AIChat白泽，就是解决上述这些问题，并且兼顾BI的可用性（准确性和安全性）、易用性和乐用性。

白泽整个技术结构比较简单，首先做数据连接，接入数据之后做数据准备工作，通过思迈特的数据模型和指标模型做语义层的转换，转换后接入第三方知识库，构建RAG，RAG之上构建多轮对话、分析、预测、纠偏等应用，最后实现两个应用场景，第一个是面向管理层的看数，第二个面向业务用户的自助分析。

白泽的差异化优势有以下几点：

第一点是准确性。整个流程涉及三个步骤，首先理解用户的问题意图，其次是基于意图理解后进行任务规划，第三是基于任务规划后进行执行，每个环节都执行正确才能保证最终结果准确。同时，白泽背后技术，还包含指标模型、RAG等，可以通过用户的反馈让它越用越聪明。在很多客户的实际场景测试时，在特定场景可做到 99% 的准确率。

第二点是安全性，数据安全很重要。第三点是性能，白泽可以做到数据库内外的融合计算。

第四点是分析能力，企业用户需要的不仅仅只是数据库的查询能力，还包含同比、环比等复杂函数计算，在白泽中用基础的能力就可以比较轻松的完成。

第五点是扩展性，通过扩展，可以实现归因预测这些能力。甚至因为它是基于Python代码，所以扩展能力很强。

第六点是成本优势，不需要做微调，只需要把企业的知识库放进去，而 RAG 构建可以一键完成。数据模型建好，指标维度、口径统一后，外部业务知识导进去，可以一边用一边修正导入，整个实施过程比较快。

以统一指标库模型为支撑，深度融合AIGC能力，两步走

白泽产品前期主要是面向业务人员为主，那后期的话还会面向开发者、数据科学家开发些能力，目前的产品规划主要两个方向：

第一方向是面向业务用户去做。面向业务用户的对话式分析，功能有查询、看数、查数、深度分析，还包括自动生成整个分析报告等。同时，会结合非结构化的数据，把企业内部的业务知识融合进去。服务企业用户，如果只是把已经治理好的企业级数据给到用户使用是不够的，产品粘性不强。白泽会继续增加个人数据，比如个人 Excel 数据、文档数据，能够去结合数据库里面指标模型中台的数据和个人数据，这样才真的变成个人数据助理，会更大增加用户粘性。

第二个方向是结合行业知识去做面向开发者的能力，思迈特的目标是让 BI 系统从过去3 至6个月实施周期缩短至 3 到 6 天。当前BI市场的供给侧能力不够，很多项目受限于实施周期和厂商能力无法落地，我们希望基于AI能力，结合行业知识，帮助企业用户快速构建BI 系统，比如一个医院的BI 系统，指标自动生成，基于指标应用自动生成，企业唯一需要做的事情就是对接，这样可以大大的降低工作量。