商業(yè)智能的 AI 奇點(diǎn)：沿著舊地圖，找不到新大陸

?

" 今年 8 月份以后，有非常多企業(yè)客戶開(kāi)始咨詢智能化的服務(wù)，也提出一起共創(chuàng)。"ChatGPT 火爆之后的半年，帆軟 BI 產(chǎn)品運(yùn)營(yíng)負(fù)責(zé)人唐昕開(kāi)始感受到了來(lái)自市場(chǎng)對(duì)智能 BI 的強(qiáng)烈需求。

商業(yè) 智能 BI 是一套完整的由數(shù)據(jù)倉(cāng)庫(kù)、查詢報(bào)表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案。越來(lái)越多的企業(yè)也意識(shí)到 BI 的重要性，據(jù) Gartner 2023 年在中國(guó)區(qū)進(jìn)行的調(diào)研表示：62% 的中國(guó) CIO 將在 2023 年增加商業(yè)智能 BI 的 投資 。

從報(bào)表式 BI 到敏捷式 BI，中國(guó) BI 經(jīng)歷過(guò)第一波周期，走向低門檻、可視化，讓業(yè)務(wù)人員能夠快速托拉拽自定義用數(shù)，同時(shí)也將后端分析能力搬到臺(tái)前。

在光錐智能與多位 BI 廠商交談的過(guò)程中發(fā)現(xiàn)，幾乎所有業(yè)內(nèi)人士都認(rèn)為， 智能 BI 是下一個(gè)階段。 但從具體動(dòng)作來(lái)看，目前廠商的態(tài)度卻大概分為兩派：

一派是行動(dòng)派， ?在 ChatGPT 出現(xiàn)以后，迅速接入能力開(kāi)始嘗試，如思邁特新版本中著重提到了智能對(duì)話能力，網(wǎng)易數(shù)帆也在押注 ChatBI、百度 GBI 在內(nèi)的巨頭公司也開(kāi)始向智能 BI 進(jìn)行探索和嘗試；

另一派則是冷靜派， ?仍然在保持觀望態(tài)度和內(nèi)部探索，并沒(méi)有迅速上線產(chǎn)品。

" 沿著舊地圖，找不到新大陸。" ?思邁特軟件 CEO 吳華夫認(rèn)為發(fā)展智能 BI 不破不立；網(wǎng)易數(shù)帆大模型技術(shù)負(fù)責(zé)人、人工智能產(chǎn)品線總經(jīng)理胡光龍同樣認(rèn)為：" 智能化將極大降低 BI 用戶使用門檻，真正做到人人用數(shù)的階段。"

但帆軟 FineBI 產(chǎn)品運(yùn)營(yíng)總監(jiān)唐興強(qiáng)卻認(rèn)為：" 智能化對(duì) BI 的影響更多在提升效率的環(huán)節(jié)，核心還是要結(jié)合當(dāng)下場(chǎng)景進(jìn)一步分析。"

在如同冰與火的對(duì)立之下，中國(guó) BI 行業(yè)也在爭(zhēng)議中，再次進(jìn)化。

智能 BI 長(zhǎng)什么樣？

智能化席卷著千行百業(yè)，但究竟會(huì)帶來(lái)哪些具體的改變，任何一個(gè)行業(yè)都還沒(méi)有定論。

" 大模型＋BI，從交互式體驗(yàn)，到編碼能力再到推理能力，要一層層疊加到業(yè)務(wù)里去 "，網(wǎng)易數(shù)帆大數(shù)據(jù)產(chǎn)品線總經(jīng)理余利華向光錐智能分享道。

用交互式能力降低 " 用數(shù) " 門檻，是智能化的第一階段。

從微軟 PoweBI 開(kāi)始，對(duì)話式 BI 成了大模型＋BI 的第一站。國(guó)內(nèi) BI 廠商也在今年 8 月開(kāi)始動(dòng)了起來(lái)。

思邁特在最新 V11 版本的產(chǎn)品中，加入了數(shù)據(jù)模型、指標(biāo)模型、自助分析、對(duì)話式分析等多種智能角色能力，另?yè)?jù)光錐智能獨(dú)家獲悉，思邁特不久也將推出問(wèn)答式 BI；緊接著網(wǎng)易數(shù)帆發(fā)布了有數(shù) ChatBI 產(chǎn)品，將基于大模型的自然語(yǔ)言理解能力與專業(yè)數(shù)據(jù)分析能力結(jié)合；10 月份，押注 AI 應(yīng)用的百度也將觸角延伸至 BI 領(lǐng)域，推出其生成式商業(yè)智能產(chǎn)品 " 百度 GBI"，可以通過(guò)自然語(yǔ)言交互，執(zhí)行數(shù)據(jù)查詢與分析任務(wù)，并且支持專業(yè)知識(shí)注入。

對(duì)話式 BI，即用戶通過(guò)自然語(yǔ)言即可與 BI 系統(tǒng)進(jìn)行交互。當(dāng)對(duì)話式 BI 介入后，查找數(shù)據(jù)的流程被簡(jiǎn)化為，自然語(yǔ)言詢問(wèn)—自動(dòng)轉(zhuǎn)化為 SQL 語(yǔ)言—自動(dòng)搜索數(shù)據(jù)—轉(zhuǎn)化為自然語(yǔ)言—輸出結(jié)果。

這種交互方式最大的特點(diǎn)在于大幅度地降低了 BI 系統(tǒng)的使用門檻，讓業(yè)務(wù)人員無(wú)需掌握 SQL 等專業(yè)語(yǔ)言，也無(wú)需深入分析模型，即可獲得所需。

但隨著企業(yè)深度使用體驗(yàn)，對(duì)話式 BI 即問(wèn)題也暴露無(wú)遺。例如，搜索過(guò)程中，出現(xiàn)了多次搜索數(shù)據(jù)結(jié)果不一樣；因統(tǒng)計(jì)口徑不一致，指向同一個(gè)指標(biāo)的數(shù)據(jù)無(wú)法合并同類項(xiàng)，導(dǎo)致了 GMV 無(wú)法與成交金額一起納入統(tǒng)計(jì)。

諸如此類問(wèn)題，在實(shí)際應(yīng)用中層出不窮，也逐漸讓企業(yè)意識(shí)到： 對(duì)話也只是一種形式，而非一種結(jié)果。單純的搜索并不能保證數(shù)據(jù)得出的合理性，要防止數(shù)據(jù)變成 " 無(wú)源之水 "，還得增加分析的過(guò)程。

于是，用推理能力打破分析壁壘，開(kāi)啟了智能化的第二階段。

智能分析簡(jiǎn)單來(lái)說(shuō)，就是 BI 系統(tǒng)能主動(dòng)識(shí)別問(wèn)題，進(jìn)行根本原因分析，并給出解決方案建議。這背后需要 BI 系統(tǒng)積累大量的領(lǐng)域知識(shí)及復(fù)雜推理能力。以愛(ài)數(shù)為代表的部分廠商，正在發(fā)力知識(shí)圖譜和大模型，朝這個(gè)方向嘗試。

愛(ài)數(shù)產(chǎn)品副總裁李基亮告訴光錐智能，" 只有通過(guò)知識(shí)的方式，才能在技術(shù)上做關(guān)聯(lián)分析。"

比如當(dāng)數(shù)據(jù)統(tǒng)計(jì)口徑不一致時(shí)，需要大模型的理解能力理解相近意思的數(shù)據(jù)，并進(jìn)行整理和歸類。舉個(gè)簡(jiǎn)單的例子：統(tǒng)計(jì)公司本科以上的員工，這不是關(guān)鍵詞的篩選而是理解本科、碩士、博士三種具體的學(xué)位。

而在分析層，傳統(tǒng)的 BI 軟件能夠顯示數(shù)據(jù)異常的波動(dòng)，比如 10 月份銷量低迷，智能分析能夠通過(guò)回歸分析模型，對(duì)于每一步的數(shù)據(jù)搜索、分析過(guò)程清晰可見(jiàn)，結(jié)果歸因?qū)訉酉裸@，逐一拆解，再通過(guò) ChatBI 展示影響因素是品牌、客戶還是渠道。

再向前展望一步，通過(guò)智能體重塑 BI 系統(tǒng)，或許是智能化的第三階段。

Agent 概念最近大火，未來(lái)，也許可以達(dá)到萬(wàn)物皆可 Agent 的狀態(tài)，BI+Agent 也將成為其中一個(gè)細(xì)分方向。

以光錐智能觀察，Agent 對(duì) BI 行業(yè)的改造已經(jīng)開(kāi)始，有從業(yè)者告訴我們： "BI 目前是 Agent 化改造的第一梯隊(duì) " ，究其原因在于 BI 系統(tǒng)里本身就含有大量需要自動(dòng)化的步驟和流程，這與初級(jí)階段的 Agent 十分適配，既能簡(jiǎn)化流程，提升效率，還能提升調(diào)用大模型的基礎(chǔ)能力。

未來(lái)，更進(jìn)一步，當(dāng) Agent 變得更聰明后，一切過(guò)程化將被 Agent 內(nèi)化為己有。到那時(shí)，無(wú)論是單智能體還是多智能體都將不在依賴于線性的程序和規(guī)劃，對(duì) BI 行業(yè)帶來(lái)的結(jié)果可能是，系統(tǒng)的界限被打破，服務(wù)模型將被重構(gòu)。

Agent 直接與用戶產(chǎn)生互動(dòng)，用戶通過(guò)語(yǔ)音或文字，描述業(yè)務(wù)問(wèn)題，大模型理解問(wèn)題場(chǎng)景，自動(dòng)識(shí)別相關(guān)數(shù)據(jù)源，進(jìn)行分析并輸出結(jié)果，完全無(wú)需搭建 BI 系統(tǒng)。

這種 "BI+Agent" 的新模式，也被業(yè)內(nèi)的一些人視為可能的終點(diǎn)狀態(tài)。

智能化，為時(shí)尚早么？

大模型蒙眼狂奔了一年，也讓行業(yè)看清了一個(gè)現(xiàn)實(shí) " 智能化不是萬(wàn)能解藥 "，甚至現(xiàn)在很多行業(yè)數(shù)字化水平都尚淺，從根本上缺少智能化的基礎(chǔ)。

唐昕表示：" 智能化對(duì) BI 的影響更多在提升效率的環(huán)節(jié)，核心還是要結(jié)合當(dāng)下場(chǎng)景進(jìn)一步分析。"

這一思路和網(wǎng)易不謀而和，網(wǎng)易數(shù)帆大數(shù)據(jù)產(chǎn)品線總經(jīng)理余利華認(rèn)為：" 如果 BI 僅僅疊加了大模型，但不能落地、沒(méi)有場(chǎng)景，就沒(méi)有價(jià)值。"

反觀當(dāng)下 BI 行業(yè)所面臨的痛點(diǎn)，并不僅僅是技術(shù)難題，簡(jiǎn)單的講，并不是智能化缺乏落地場(chǎng)景，而是整個(gè) BI 行業(yè)都面臨著場(chǎng)景落地的階段性難題。

不少客戶反饋，大模型生成的分析代碼質(zhì)量參差不齊，準(zhǔn)確率難以保證。 帆軟表示，這就要求 BI 廠商對(duì)領(lǐng)域場(chǎng)景有足夠理解，進(jìn)行細(xì)致調(diào)教。否則用戶體驗(yàn)反彈，信任難以建立。

如何理解場(chǎng)景？唐昕舉了一個(gè)例子，BI 軟件具體應(yīng)該形成什么樣的指標(biāo)，如何能讓業(yè)務(wù)用起來(lái)，如何分析產(chǎn)生數(shù)據(jù)價(jià)值，都需要深入行業(yè)梳理。

以制造業(yè)為例，在制造業(yè)里 " 不良率 " 是一個(gè)重要指標(biāo)，那么 BI 介入之后，首先，需要根據(jù)行業(yè)認(rèn)知，去確定 " 不良率 " 的特征標(biāo)準(zhǔn)，然后才可以把這一特征揪出來(lái)，放到指標(biāo)庫(kù)里，通過(guò)標(biāo)準(zhǔn)化產(chǎn)品實(shí)現(xiàn)復(fù)用。

在這一階段，BI 性能越高就能行業(yè)通吃，這就需要把行業(yè)經(jīng)驗(yàn)吃透，沉淀出指標(biāo)來(lái)。畢竟， 金融 級(jí)的 BI 要求的是數(shù)據(jù)敏感，而制造業(yè)就不要敏感、需要穩(wěn)定，行業(yè)的經(jīng)驗(yàn)往往不能照搬遷移。

因此，對(duì)于所有 BI 企業(yè)而言，在進(jìn)入一個(gè)新行業(yè)之時(shí)，企業(yè)們又回到了相似的起跑線上。

從行業(yè)開(kāi)拓的角度來(lái)看，BI 企業(yè)開(kāi)始步入新一輪探索階段，尋求其他更復(fù)雜更邊緣行業(yè)的落地機(jī)會(huì)。

BI 發(fā)展多年以來(lái)，率先在金融、電商、零售等行業(yè)落地。例如，網(wǎng)易數(shù)帆基于金融機(jī)構(gòu)面臨的監(jiān)管加強(qiáng)、價(jià)值體現(xiàn)難、數(shù)據(jù)質(zhì)量不足、開(kāi)發(fā)資源緊張等挑戰(zhàn)，對(duì)于金融機(jī)構(gòu)進(jìn)行數(shù)字化建設(shè)，包括數(shù)據(jù)生產(chǎn)力的提升，其內(nèi)涵涉及合規(guī)、增值（為管理、運(yùn)營(yíng)人員等提供即開(kāi)即用的數(shù)據(jù)）、可信（業(yè)務(wù)人員信得過(guò)數(shù)據(jù)及平臺(tái)，打破數(shù)據(jù)壁壘）、協(xié)同等。

在舒適區(qū)探索趨近于飽和之后，BI 行業(yè)正在向外探索，例如農(nóng)業(yè)、制造業(yè)等數(shù)字化程度較低、專業(yè)性的行業(yè)，成為了下一個(gè)階段 BI 探索與爭(zhēng)奪的目標(biāo)。

而在解決這些痛點(diǎn)難題之后，智能化更多的作用集中在 " 輔助 " 和 " 增強(qiáng) " 的環(huán)節(jié)。以愛(ài)數(shù)客戶為例，他們?cè)诖竽Ｐ偷戎С窒陆鉀Q了數(shù)據(jù)標(biāo)準(zhǔn)化、業(yè)務(wù)術(shù)語(yǔ)統(tǒng)一等問(wèn)題，從而提升下游分析建模效率達(dá) 30% 以上。

不過(guò)，" 智能化 " 也并非開(kāi)掛。

盡管市場(chǎng)上已經(jīng)出現(xiàn)了各種智能 BI 的概念與嘗試，大到行業(yè)領(lǐng)導(dǎo)者，小到新晉 創(chuàng)業(yè) 團(tuán)隊(duì)。但產(chǎn)品落地后，用戶普遍反映智能化的效果并不盡如人意。原因在于， 智能 BI 并不是簡(jiǎn)單架接一個(gè)通用型大模型即可高效運(yùn)轉(zhuǎn)。

未來(lái)中國(guó) BI，智能化只是其中一個(gè)可能路徑。但必須要強(qiáng)調(diào)的是，目前無(wú)論是國(guó)外 PowerBI 還是國(guó)內(nèi)的諸多 BI 廠商的調(diào)研來(lái)看，客戶對(duì)于智能化的需求并不強(qiáng)，多半抱著獵奇的心態(tài)，感興趣但不會(huì)真的為其買單。

更為關(guān)鍵的是如何從客戶場(chǎng)景、行業(yè)痛點(diǎn)中汲取經(jīng)驗(yàn)教訓(xùn)。這是中國(guó) BI 企業(yè)在新一輪應(yīng)用探索中必須面對(duì)的選擇。

要求數(shù)據(jù)能力更高，行業(yè)重新洗牌

智能化雖然不是開(kāi)掛，但也確實(shí)激活了相對(duì)固定的行業(yè)格局。最為典型的特點(diǎn)便是今年以來(lái)，老選手們奮力創(chuàng)新，新選手們也在排隊(duì)入場(chǎng)。

不止百度這種大廠開(kāi)始發(fā)力 GBI ( 生成式商業(yè)智能產(chǎn)品），SaaS 廠商開(kāi)始下探 PaaS 層，數(shù)據(jù)庫(kù)企業(yè)也基于 AP 的分析能力對(duì)外向企業(yè)提供 BI 服務(wù)， 一時(shí)間，BI 成了數(shù)據(jù)產(chǎn)業(yè)鏈的交叉點(diǎn)，整個(gè)行業(yè)格局也面臨著重新洗牌。

智能化對(duì)數(shù)據(jù)能力要求的進(jìn)一步提升，讓更底層的數(shù)據(jù)廠商積累的能力，得以在大模型時(shí)代釋放。比如，針對(duì)大模型在產(chǎn)業(yè)中落地存在著數(shù)據(jù)層的關(guān)鍵難題——幻覺(jué)問(wèn)題、不可解釋性、安全風(fēng)險(xiǎn)等等，愛(ài)數(shù)方面認(rèn)為，這并不是大模型的問(wèn)題，而是數(shù)據(jù)問(wèn)題。

數(shù)據(jù)廠商的基礎(chǔ)能力，也是 BI 智能化的下一階段所需要的核心能力。

比如，企業(yè)中常年存在的 " 數(shù)據(jù)孤島 " 問(wèn)題，無(wú)法實(shí)現(xiàn)數(shù)據(jù)的有效連接和統(tǒng)一查詢利用。而且，多個(gè)系統(tǒng)中存在重復(fù)和冗余的數(shù)據(jù)，造成存儲(chǔ)和計(jì)算資源浪費(fèi)。同一數(shù)據(jù)在不同系統(tǒng)中存在不一致版本，數(shù)據(jù)質(zhì)量無(wú)法有效控制。

這會(huì)嚴(yán)重影響分析結(jié)果和準(zhǔn)確性，這不是上一個(gè)系統(tǒng)、換一個(gè)工具、買一些 SaaS 產(chǎn)品局部診脈就能解決的問(wèn)題，企業(yè)需要系統(tǒng)性的、全局性的 BI 產(chǎn)品。

為了打通多種數(shù)據(jù)源，愛(ài)數(shù)在數(shù)據(jù)管道、數(shù)據(jù)湖倉(cāng)一體方面進(jìn)行了探索，也將這樣的探索應(yīng)用在了 RGA（檢索增強(qiáng)）技術(shù)中，在大語(yǔ)言模型推理生成答案時(shí)，額外檢索調(diào)用外部的領(lǐng)域知識(shí)網(wǎng)絡(luò)，利用綜合檢索結(jié)果進(jìn)行答案生成。

而智能化產(chǎn)生的新需求對(duì)底層的數(shù)據(jù)能力提出了挑戰(zhàn)，這正是全鏈條工具儲(chǔ)備的一個(gè)新?tīng)恳Α?

李基亮舉了一個(gè)很現(xiàn)實(shí)的例子： " 現(xiàn)在我們很多客戶都是幾百 TB 以上的數(shù)據(jù)，那平臺(tái)的搜索能力、對(duì)元數(shù)據(jù)的備份能力、對(duì)勒索病毒的抵抗能力，這些很基礎(chǔ)的平臺(tái)能力如果沒(méi)有，那建好了分析也是空中樓閣。"

" 所以現(xiàn)在不是 AI＋Data，而是 Data＋AI。" 李基亮強(qiáng)調(diào)。

雖然基礎(chǔ)工作繁瑣， 當(dāng)智能分析一旦跑通，將成為新的生產(chǎn)力方式。

企業(yè)服務(wù)往往靠的是經(jīng)驗(yàn)型產(chǎn)品和服務(wù)，行業(yè)格局也會(huì)更依賴于先發(fā)優(yōu)勢(shì)和客戶突破能力，也正是因此，短時(shí)間內(nèi)，后來(lái)者很難顛覆帆軟 Top1 的地位。

智能化作為生產(chǎn)力之后，客戶的選擇更多，也可以通過(guò)智能化把需求重新做一遍，這讓行業(yè)有一個(gè)了新的彎道超車的機(jī)遇期，甚至像百度這種基本沒(méi)有涉足過(guò) BI 行業(yè)的大廠，也能通過(guò)一些 AI 原生的能力切入中小企業(yè)，滿足不同群體的不同訴求。

智能化為 BI 開(kāi)啟了一扇新的窗口，同時(shí)，也將帶著廠商走入新的競(jìng)爭(zhēng)格局。

來(lái)源：光錐智能