推荐语

AI技术革新企业数据分析，让数据获取像聊天一样简单。

核心内容：
1. 数字化时代企业数据管理的挑战与需求
2. 业务团队和数据团队在数据获取上的痛点
3. AI驱动下的智能分析技术路线与实践应用

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

1.引言   

       在数字化浪潮席卷全球的当下，数据已然成为企业的核心资产。从海量的业务数据中快速提取有价值信息，并以直观易懂的方式呈现，成为企业在激烈市场竞争中脱颖而出的关键。与此同时，高效的信息传递机制犹如企业的神经脉络，确保各项指令与数据能够及时、准确地抵达每一个 “细胞”。

       过往，传统的数据获取与展示方式极为不便，效率低，成本高。而如今，随着技术的飞跃，通过 Dify 工作流与智能助理，融合 AI 技术的创新功能横空出世。这一变革性的方案，彻底颠覆传统模式，用户只需向智能助理简单描述需求，就能迅速获取对应数据。数据开发人员无需再走数据报表的复杂开发流程，只需要利用dify工作流进行快速配置。它宛如为企业装上了强大的数字化引擎，极大地提升了运营效率，为企业在数字化转型的道路上注入了强劲动力，本文将利用项目管理系统作为案例进行使用新的方式之后的获取数据展示。

2.企业数据经营的业务团队的痛点：

业务团队的痛点：在洞察数据时需要在一系列的链路层层传递需求，看到数据和结论需要很长时间的等。很多业务人员因为自己不想折腾Excel，或者需要从系统里把数据导出来，才把数据整理开发的工作交给专业IT团队，但是IT的响应难以满足要求。明明Excel几分钟搞定的，IT可能需要好几天的时间。

数据团队的痛点：需要每天把时间和精力投入到开发无限的报表之中，为了业务和领导查1分钟的数据，需要花一周的时间来清理数据和开发报表

系统打通的痛点：当用户需要从多个数据源查询数据时，需要登录多个系统，有的系统还不支持移动端的界面，

要每天把时间和精力投入到开发无限的报表之中

因此我们想利用智能分析的方式来解决这些痛点。

3.技术路线抉择 

智能分析具有多种不同的实现路径：

3.1.NLP2SQL  

       其核心功能在于数据提取，大模型可通过微调或利用 SQL 训练集来生成 SQL，在 SQL 生成阶段，还会面临一些准确率问题，并且，在让大模型寻找多表之间的关联关系时，需要为其提供各表的详细描述，才能提高准确率，而大模型在判断表间关系方面的稳定性相对欠佳。

3.2.NLP2API  

        此方法是将数据语义化并封装到 API 中。其本质同样属于填空题，在确定 k 值之后，根据对 k 的描述来填充相应的 value。API 能够将产品功能中复杂的逻辑封装其中，大模型仅需将用户语句转化为 API 调用，这种方式的稳定性相对较高。

3.3.NLP2Python  

       开发过程中使用代码具有很高的灵活性，通过 Python 代码可以突破 SQL 自身的某些局限，利用 Python 代码能够生成算法预测和归因的模块。然而，这种方式也会带来稳定性方面的不足。但随着大模型代码生成能力的不断提升，NLP2Python 这种方式的能力也将逐步得到增强。    

3.4.抉择  

       经过在稳定性和准确性方面的评估，在本次实践中采用的是NLP2API的方式。

4.NLP2API实践 

4.1.Dify 工作流概念与作用  

        Dify 工作流是一款专注于低代码开发领域的创新工具，它允许用户通过简洁直观的可视化界面，以拖拽和配置的方式搭建复杂的业务流程，无需编写大量代码，即可实现高效的自动化工作流。这一特性极大地降低了技术门槛，使业务人员和非专业开发者能够轻松参与到工作流的设计与构建中，打破了传统开发模式下开发人员与业务人员之间的沟通壁垒。

       在整个数据处理流程中，Dify 工作流发挥着核心的编排作用。当用户提出数据需求时，它首先对问题进行深度分析，通过自然语言处理技术及内置的语义理解模型，精准提取其中的关键参数信息，基于提取的参数信息，Dify 工作流会从各类数据源获取数据，包括数据库、文件存储系统以及第三方应用程序接口（API）。在获取数据后，它依据预先设定的规则和逻辑，对数据进行灵活处理与转换，如数据筛选、格式调整、数据聚合等操作，完成数据处理后，Dify 工作流将数据传递给图表渲染环节，根据数据特点和用户偏好，选择合适的图表类型（如柱状图、折线图、饼图等）进行可视化呈现。最后，Dify 工作流与企业IM集成，将生成的图表精准发送至指定的用户、群组或部门，实现数据的高效共享与传递。

4.2.AI 赋能参数处理和结果评估  

       利用AI大模型，我们能够对自然语言进行进行深度分析和理解，明确用户的诉求，从而提取出有效的参数，然后就可以使用提取的参数信息去执行对应的数据提取操作，无论是数据库，文件系统还是其他的应用信息。

例如：本周的票据签发总额是多少？

利用大模型处理之后就可以识别出来时间维度和查询指标，形成结构化元数据信息： 

{

     "type":"票据签发总额",

     "time":"本周",

     "start_date":"2024-12-16",

     "end_date":"2024-12-22"

   }

又例如：我想知道今年的手机整体销售总额。    

{

     "type":"手机销售总额",

     "time":"本年度",

     "start_date":"2024-01-01",

     "end_date":"2024-12-31"

   }

        通过这种方式，AI 大模型将自然语言转化为精确的数据查询指令，极大地简化了数据获取的流程，提高了数据获取的效率和准确性，为后续的数据处理和分析工作奠定了坚实的基础。

       不仅仅在数据提取元数据的识别方面可以进行赋能，也可以在对数据的结果进行专家级别的评估以识别风险和给出应对措施。

4.3.图表渲染  

       在数据可视化领域，Echarts 作为一款强大的开源 JavaScript 图表库，在实现将数据转化为直观、精美的图表方面发挥着关键作用，还具有高度的灵活性与丰富的图表类型。它涵盖了折线图、柱状图、散点图、饼图、地图等几十种常见图表类型，无论用户是想要展示数据的趋势变化、对比关系，还是分布情况，都能在 Echarts 中找到合适的图表呈现形式。而且，Echarts 支持对图表进行深度定制，从颜色、字体、样式到交互效果，都能按照用户的需求进行个性化设置。    

4.4.智能助理  

         企业微信作为许多企业内部沟通与协作的重要平台，其丰富的应用功能为实现数据高效流转与可视化呈现提供了有力支持。通过在企业微信中创建一个智能助理应用，能够构建起一套流畅的从数据获取到图表展示的完整流程。在企业微信的管理后台，管理员利用应用开发功能，精心创建智能助理应用。这一过程涉及到对应用的基础信息配置，包括应用名称、头像、简介等，以便员工能够清晰识别并使用该应用。同时，还需设置应用的权限范围，明确它可以访问的企业数据资源以及可执行的操作。

5.效果展示  

比如作为一个项目管理员，想看看上一年的story，也就是用户故事的新增趋势情况。    

再比如想查看下某个时间段的缺陷一个严重程度分布，来判断研发质量怎么样。    

再比如，想查看下去年的一个迭代的规划情况。    

6.优势价值 

6.1 提升工作效率

过去，员工获取数据需在多个系统间切换登录并手动筛选，过程繁琐耗时。如今，借助智能助理，员工用自然语言提出需求，即可自动触发数据获取、处理及图表生成流程，瞬间获取所需信息，大幅缩短数据获取时间，使员工能将更多精力投入核心业务分析与决策。如市场部门分析竞品数据，以往需数小时从多渠道收集整理，如今通过系统几分钟就能完成，工作效率显著提升。同时，搭建数据获取工作流工作量极少，且工作流自动化运行减少人工干预，降低人为操作失误导致的数据错误风险，确保数据准确一致，避免因数据问题返工，进一步提高整体工作效率。

6.2 强化数据可视化

运用 Echarts 等图表库，可将复杂数据转化为直观生动的图表，折线图展示数据趋势，饼图呈现各部分占比。相比传统表格，可视化图表更易理解，企业员工无论管理层还是一线人员，都能迅速把握关键数据，为决策提供有力支持。此外，图表高度定制化，可根据业务场景和用户需求个性化设计，突出重点数据，增强数据传达的针对性与有效性。例如财务报表分析，可用不同颜色和标注突出关键财务指标变化，让决策者一目了然。

6.3 推动团队协作

所有数据交互和图表展示均在企业微信统一平台进行，打破部门数据壁垒，不同部门员工可实时共享数据与可视化图表，便于跨部门协作沟通。如销售与市场部门基于相同销售数据和市场分析图表共同制定营销策略，提升协作效率。智能助理应用使信息传递更及时准确，员工可随时获取最新数据，避免信息滞后延误工作，减少信息传递中的失真与误解，增强团队成员间的信任与协作。

6.4 削减成本

Dify 工作流大幅减少开发量，且能快速利用 AI 赋能，降低人力成本。企业无需雇佣大量数据处理人员，即可完成复杂数据处理与分析任务，节省人力开支。同时，减少因数据错误和工作延误带来的潜在成本损失。通过提高数据准确性和工作效率，避免错误决策导致的资源浪费和业务损失，降低因工作延误产生的机会成本，为企业创造更多经济效益。

7.未来展望 

       随着 AI 技术的迅猛发展，其在企业运营中的角色正不断演变，有望彻底颠覆传统的软件开发观念。传统软件开发通常依赖专业开发人员耗费大量时间和精力编写代码，开发周期长、成本高。未来，借助先进的 AI 技术，低代码甚至无代码开发平台将愈发成熟，非技术人员也能轻松构建复杂的软件应用。以我们所构建的基于 Dify 工作流、企业微信和 AI 技术的数据处理与可视化系统为例，它仅是 AI 赋能企业的初步探索。在未来，企业各部门员工都可根据自身业务需求，利用智能工具快速搭建专属的数据处理与分析应用，极大地缩短开发周期，提高业务响应速度。

        这就要求企业员工和管理层必须不断学习 AI 知识，提升自身的 AI 素养。一方面，企业应积极组织内部培训，帮助员工了解 AI 的基本原理、应用场景以及与自身工作的结合点，使员工能够熟练运用 AI 工具解决实际工作问题。例如，市场人员可以学习如何利用 AI 进行精准的市场预测和客户画像分析，从而制定更有效的营销策略；财务人员可以借助 AI 进行智能财务风险评估和预算管理。另一方面，企业要鼓励员工创新思维，积极探索 AI 在不同业务环节的应用可能性，推动企业整体的数字化转型。

         展望未来，AI 技术将持续重塑企业的运营模式和发展格局。企业只有积极拥抱 AI 技术，不断学习和应用，才能在激烈的市场竞争中立于不败之地，实现可持续发展。