BI通过收集、整合和分析企业内部的各种数据，帮助企业发现数据中的模式和趋势，从而做出更明智的商业决策，以此来提升企业的经营能力和竞争力。无论是传统BI还是自助BI，都是为了在数据和人之间建立一座桥梁，使数据能够被更有效地理解和应用，但由于数据的复杂性和用户的多样性，他们无法完全消除数据和用户之间的距离。

尽管BI相关技术不断进步，但很多企业仍存在一些应用难点，包括查数不灵活、使用门槛高、知识难沉淀等。这些无一不在限制BI的广泛采用和效果发挥。

• 传统BI工具在复杂指标的查询上，无法兼顾灵活性和时效性。

例如，19-21点进行某场达播活动后，业务定义了纯新增一单会员、潜客首单转化率等指标，希望能在达播活动后立刻进行复盘活动效果，而相关指标无法提前定义计算并及时输出，等待分析师处理至少要等待从小时到天不等。

• 数据分析工具使用门槛高，分析思路因人而异，难以形成统一认知与结论进行落实。

对决策层来说，尽管核心分析场景已有看板，但整体分析过程仍然需要领导自行进行查看、总结、决策，同一份数据所捕获的信息与行动手段依赖决策者本身的认知水平与经验，经过验证的分析思路无法沉淀复用。

• 企业业务知识及数据口径分散记录，无法被统一沉淀和应用至各部门业务分析场景中。

企业内部不同部门指标同名不同义、同义不同名，业务用语适用范围有限，不同部门之间认知对齐困难，在向上传达与跨部门沟通时出现口径混乱、认知不统一等问题。

AIGC技术的兴起正重塑人与数据的互动，有望弥合数据理解和应用之间的差距。企业渴望得到更高效、更直观、响应速度更快的BI工具，以实现“人人都能分析数据”的目标。对此，观远ChatBI应运而生，解决了企业取数、用数的效率问题，让数据分析任务更加高效。

观远ChatBI是一款基于大语言模型（LLM）打造的智能数据问答产品，提供意图识别、知识召回、问题理解、数据查询、可视化生成等能力。用户通过自然语言提问，便可获取数据分析结果，实现敏捷决策。

• 对于中高层“临时问数”需求，观远ChatBI实现了从“找人”转为“找系统”的转变，用户可以通过自助式问答迅速获得临时业务数据，无需依赖数据团队。

• 对于业务一线“敏捷取数”需求，观远ChatBI将取数从日常排期开发转变为分钟级响应，用户可以通过灵活便捷的问答查询，自助获取复杂指标数据。

• 对于数据团队“知识共享”需求，观远ChatBI专注于知识库的维护，实现企业知识的统一沉淀，从而提升业务分析的效率。

观远ChatBI产品架构

总结来说，观远ChatBI具有“数据分析灵活可信、低门槛搭建知识库、多端互通数据管控”三大亮点能力。

自然语言问数， 数据分析灵活可信

• 对话式分析：自然语言获取分析结果，数据可信有保障

• 跨表查询：多数据源提问数据，系统处理表间运算

• 智能引导：主动推荐关联分析，引导提升分析深度和效率

• 反复回看：重要分析结论一键收藏，历史会话一键回溯

低门槛搭建知识库， 个性化轻量运营

• 知识接入：BI数据资产、企业历史取数SQL、文档等业务知识

• 主题管理：多种业务分析场景灵活定义，聚焦场景化分析

• 问答准确率：模型持续学习知识，综合准确率90%+

• 对话追踪：用户问答行为主动学习，持续优化问答质量

多端互通高效分析， 数据私密管控有保障

• 多端集成适配：移动端灵活问数，OA集成业务协同更高效

• 数据隐私安全：本地存储及调用计算，数据完全私有化

• 数据权限体系：数据行列权限严格管控，个性化安全保障

目前观远ChatBI已实现落地应用，在多种企业应用场景中已经展现出其实用性，能够满足快速、灵活的数据查询和分析需求。以算数值、取TopN、做比较等取数用数场景为例。

算数值：询问“2023年一线城市总的销售利润是多少？”，观远ChatBI能理解“一线城市”的含义，并对销售利润进行聚合计算。

TopN：询问“ 2023 年销售量前3的商品品类”，观远ChatBI 能按商品类别进行分组聚合，并按销售量降序排序，返回排名前3的商品及其销量。

做比较：询问“比较过去一年中不同地区的年度利润，哪三个地区的利润最高？”，观远Chat BI将按地区进行聚合，并计算出每个地区的利润，最终通过柱状图进行展示。

自然堂集团是观远数据ChatBI产品的首批合作伙伴之一。其业务发展至今，已经积累了大量的数据，涵盖供应链、生产、销售、营销和会员管理等各个方面。这些数据的积累提供了宝贵的资源，但同时也带来了一些挑战。

• 临时性一次性需求多：在分析过程中，无法满足所有需求，众多指标和维度是临时提出的一次性需求。

• 需求重复度高：梳理自然堂的日常数据应用需求，有70%属于重复需求。

• 个性化分析有门槛：不同用户往往存在个性化的分析逻辑，传统BI门槛较高，非技术人员往往难以使用BI进行个性化分析。

自然堂集团携手观远数据，将大语言模型和BI基座能力相结合，应用大语言模型的底层能力，学习企业业务知识（表知识、业务逻辑、问答知识、洞察知识等），实现问答式数据分析，打造“问数GPT”。

基于“问数GPT”系统，用户可以通过对话与系统交互，系统基于前置分析模块识别用户意图，并与知识库结合，生成SQL。这些SQL随后进入BI体系进行计算，并以直观的方式呈现结果。

目前，问数GPT已有广泛的员工参与使用。在数据安全方案，不同部门间的员工可以配置不同的问答权限与数据权限，以保障企业数据安全。目前自然堂集团的应用效果如下：

• 提升数据分析需求响应效率：产品上线3个月后活跃用户占比52%，覆盖业务部门10+，处理取数需求3k+，业务部门的数据需求满足周期从原来的0.5小时~3天不等，缩短到1~5分钟，有效提升数据分析需求的响应效率。

• 提升数据分析师的服务半径：转变数据分析师的工作角色，从原来的SQL工程师变成企业知识训练师。数据支持部门与业务部门进行更紧密合作。

• 降低跨部门沟通协作成本：沉淀营销、销售、市场、库存和财务等业务数据，快速响应综合性业务分析需求，加速知识调取与流通，降低跨部门沟通协作成本。

• 培养业务数字化思维：规范业务需求描述，大大降低其他需要开发的数据需求的沟通成本。