“今年8月份以后，有非常多企业客户开始咨询智能化的服务，也提出一起共创。”ChatGPT火爆之后的半年，帆软BI产品运营负责人唐昕开始感受到了来自市场对智能BI的强烈需求。

商业智能BI是一套完整的由数据仓库、查询报表、数据分析等组成的数据类技术解决方案。越来越多的企业也意识到BI的重要性，据Gartner 2023年在中国区进行的调研表示：62%的中国CIO将在2023年增加商业智能BI的投资。

从报表式BI到敏捷式BI，中国BI经历过第一波周期，走向低门槛、可视化，让业务人员能够快速托拉拽自定义用数，同时也将后端分析能力搬到台前。

在光锥智能与多位BI厂商交谈的过程中发现，几乎所有业内人士都认为，智能BI是下一个阶段。但从具体动作来看，目前厂商的态度却大概分为两派：

一派是行动派， 在ChatGPT出现以后，迅速接入能力开始尝试，如思迈特新版本中着重提到了智能对话能力，网易数帆也在押注ChatBI、百度GBI在内的巨头公司也开始向智能BI进行探索和尝试；

另一派则是冷静派， 仍然在保持观望态度和内部探索，并没有迅速上线产品。

“沿着旧地图，找不到新大陆。” 思迈特软件CEO吴华夫认为发展智能BI不破不立；网易数帆大模型技术负责人、人工智能产品线总经理胡光龙同样认为：“智能化将极大降低BI用户使用门槛，真正做到人人用数的阶段。”

但帆软FineBI产品运营总监唐兴强却认为：“智能化对BI的影响更多在提升效率的环节，核心还是要结合当下场景进一步分析。”

在如同冰与火的对立之下，中国BI行业也在争议中，再次进化。

智能BI长什么样？

智能化席卷着千行百业，但究竟会带来哪些具体的改变，任何一个行业都还没有定论。

“大模型＋BI，从交互式体验，到编码能力再到推理能力，要一层层叠加到业务里去”，网易数帆大数据产品线总经理余利华向光锥智能分享道。

用交互式能力降低“用数”门槛，是智能化的第一阶段。

从微软PoweBI开始，对话式BI成了大模型＋BI的第一站。国内BI厂商也在今年8月开始动了起来。

思迈特在最新V11版本的产品中，加入了数据模型、指标模型、自助分析、对话式分析等多种智能角色能力，另据光锥智能独家获悉，思迈特不久也将推出问答式BI；紧接着网易数帆发布了有数ChatBI产品，将基于大模型的自然语言理解能力与专业数据分析能力结合；10月份，押注AI应用的百度也将触角延伸至BI领域，推出其生成式商业智能产品“百度GBI”，可以通过自然语言交互，执行数据查询与分析任务，并且支持专业知识注入。

对话式BI，即用户通过自然语言即可与BI系统进行交互。当对话式BI介入后，查找数据的流程被简化为，自然语言询问—自动转化为SQL语言—自动搜索数据—转化为自然语言—输出结果。

这种交互方式最大的特点在于大幅度地降低了BI系统的使用门槛，让业务人员无需掌握SQL等专业语言，也无需深入分析模型，即可获得所需。

但随着企业深度使用体验，对话式BI即问题也暴露无遗。例如，搜索过程中，出现了多次搜索数据结果不一样；因统计口径不一致，指向同一个指标的数据无法合并同类项，导致了GMV无法与成交金额一起纳入统计。

诸如此类问题，在实际应用中层出不穷，也逐渐让企业意识到：对话也只是一种形式，而非一种结果。单纯的搜索并不能保证数据得出的合理性，要防止数据变成“无源之水”，还得增加分析的过程。

于是，用推理能力打破分析壁垒，开启了智能化的第二阶段。

智能分析简单来说，就是BI系统能主动识别问题，进行根本原因分析，并给出解决方案建议。这背后需要BI系统积累大量的领域知识及复杂推理能力。以爱数为代表的部分厂商，正在发力知识图谱和大模型，朝这个方向尝试。

爱数产品副总裁李基亮告诉光锥智能，“只有通过知识的方式，才能在技术上做关联分析。”

比如当数据统计口径不一致时，需要大模型的理解能力理解相近意思的数据，并进行整理和归类。举个简单的例子：统计公司本科以上的员工，这不是关键词的筛选而是理解本科、硕士、博士三种具体的学位。

而在分析层，传统的BI软件能够显示数据异常的波动，比如10月份销量低迷，智能分析能够通过回归分析模型，对于每一步的数据搜索、分析过程清晰可见，结果归因层层下钻，逐一拆解，再通过ChatBI展示影响因素是品牌、客户还是渠道。

再向前展望一步，通过智能体重塑BI系统，或许是智能化的第三阶段。

Agent概念最近大火，未来，也许可以达到万物皆可Agent的状态，BI+Agent也将成为其中一个细分方向。

以光锥智能观察，Agent对BI行业的改造已经开始，有从业者告诉我们：“BI目前是Agent化改造的第一梯队”，究其原因在于BI系统里本身就含有大量需要自动化的步骤和流程，这与初级阶段的Agent十分适配，既能简化流程，提升效率，还能提升调用大模型的基础能力。

未来，更进一步，当Agent变得更聪明后，一切过程化将被Agent内化为己有。到那时，无论是单智能体还是多智能体都将不在依赖于线性的程序和规划，对BI行业带来的结果可能是，系统的界限被打破，服务模型将被重构。

Agent直接与用户产生互动，用户通过语音或文字，描述业务问题，大模型理解问题场景，自动识别相关数据源，进行分析并输出结果，完全无需搭建BI系统。

这种“BI+Agent”的新模式，也被业内的一些人视为可能的终点状态。

传统BI之殇，变革迫在眉睫

传统“敏捷BI”不敏捷。在传统BI应用模式下，IT部门往往需花费较大精力进行需求沟通和用户诉求分析，并耗费较长时间准备报告或仪表板，直接导致领导、业务人员查询的数据，无法第一时间通过BI获取。传统BI工具使用需进行漫长的培训以及复杂操作，无法实现普通人无使用门槛随时随地获取数据的便捷操作，而其数据应用操作也较为固化僵化,无法快速响应用户灵活多变的个性化数据分析需求。

传统BI决策支持不智能。传统BI分析都是基于过去的描述，无法提供策略性的、预测性的、可解释性的结果为用户提供决策指导分析，BI数据的洞察价值未充分挖掘，基于预测性的，策略性的、最优规划的数据闭环体系未形成，对经营的指导不足，洞察力不充分。

而这些问题直接造成传统的BI分析很难使企业向基于业务视角的自助式洞察分析转型，传统BI分析亟待变革。

BI现状应用存在诸多困局，而AI技术的发展为传统BI的变革提升提供了有效手段。随着产业数字化带来的数据基础的日益成熟，人工智能在营销、金融、数字政府、零售、医疗等行业的落地持续推进，并开始带来显著的效益。科大讯飞公司CIO王宏星表示，通过AI能力开发平台，在语音能力、图像识别、语义认知、深度学习等几个方面赋能IT和业务系统，让传统的IT架构插上AI的翅膀，能满足企业更加适应智能时代的需求，助力未来业务的腾飞。构建基于AI的BI平台，能让企业经营决策从经验和流程驱动转向数据驱动、自动化决策，产出更精准的分析结果，使决策更为科学和准确，进一步推动企业战略落地和精细化运营，优化企业运营环境。

今年2月份，ChatGPT横扫了整个科技圈，微软打出OpenAI这张王牌之后，将所有2C的业务率先改了一遍。当所有人都盯着看它准备怎么用ChatGPT改造2B业务时，微软却出乎意料的率先将ChatGPT接入了旗下本来“名不见经传”的企业数字化工具：Power BI，在其中加入Copilot能力。

几乎同一时间，全世界最大的SaaS公司Salesforce旗下子公司Tableau将Einstein GPT与 Tableau 的现有功能相结合，在整个分析供应商的平台中注入生成式 AI，以达到用自然语言和视觉格式呈现有关个性化指标的见解，并将其提供给用户。

大模型以尖刀的姿态扎进2B数字化，而生成式AI＋BI所打造的“对话式BI”，则是它撕开的第一道口子。在这个数据作为主要生产要素的时代，用户只需要通过日常对话的方式即可获得数据价值，这极大降低了数据使用的门槛，解决了“用数”中最核心的难题。

国内公司闻风而动。今年7月、8月开始，不少BI厂商开始推出“ChatBI”、“BI Copilot”、“ABI平台”等类似功能。8月初，Smartbi 在最新V11版本的产品中，加入了数据模型、指标模型、自助分析、对话式分析等多种智能角色能力；紧接着网易数帆发布了有数ChatBI产品，将自然语言理解能力与专业数据分析能力结合；更早之前，国内数据库厂商Kyligence发布了基于ChatGPT的Kyligence Copilot，并已经对外开放测试。

AI+BI，能碰撞出怎样的火花？

今年2月份，ChatGPT横扫了整个科技圈，微软打出OpenAI这张王牌之后，将所有2C的业务率先改了一遍。当所有人都盯着看它准备怎么用ChatGPT改造2B业务时，微软却出乎意料的率先将ChatGPT接入了旗下本来“名不见经传”的企业数字化工具：Power BI，在其中加入Copilot能力。

几乎同一时间，全世界最大的SaaS公司Salesforce旗下子公司Tableau将Einstein GPT与 Tableau 的现有功能相结合，在整个分析供应商的平台中注入生成式 AI，以达到用自然语言和视觉格式呈现有关个性化指标的见解，并将其提供给用户。

大模型以尖刀的姿态扎进2B数字化，而生成式AI＋BI所打造的“对话式BI”，则是它撕开的第一道口子。在这个数据作为主要生产要素的时代，用户只需要通过日常对话的方式即可获得数据价值，这极大降低了数据使用的门槛，解决了“用数”中最核心的难题。

想要搞明白这些问题，首先需要明确的是，大模型技术到底将对BI（商业智能）有哪些方面的影响？

根据客户的使用流程，当前的BI产品分为上、中、下三层：下层是基础的数据集市（数据采买服务）、数据连接（企业内部数据源连接，外部数据埋点）、数据准备（将不同的数据源写进数据库）；中层则包括数据读写、数据分析、页面搭建、数据挖掘等工具平台侧；最上层即离用户最近的一层是数据展示（PC、移动端、大屏）、和对话式BI、应用商店等。

需要肯定的是，生成式AI的出现，对BI的影响一定是深远的，渗透进每个技术环节，甚至将重构BI的产业链条，但这并不是一蹴而就的过程。思迈特CTO杨礼显认为，生成式AI与BI结合将分为以下三个阶段：

第一阶段是AIGC的NLQ自然语言查询类应用，让大模型学会SQL语言，帮助技术人员写SQL语句，调取数据库的可用数据。进一步解决业务人员不懂技术、技术人员不懂业务的壁垒，替代低代码、零代码开发，以及根据数据分析智能生成报告等；

第二阶段是利用大模型的推理能力，进行数据分析和深入洞察，并与业务客户共建交互方式，降低数据的使用门槛。即前文所讲的对话式BI。这不仅是基于自然语言理解技术重塑人与数据之间的交互方式，更是让大模型进一步理解人需求的过程。比如“找到公司内部本科以上学历的工作人员”，大模型可以通过理解“本科以上”，更准确的找到目标群体；另外，还可以做归因分析，比如毛利率下降了，究竟是什么原因导致，并且自动生成分析报告。这也是目前主流的研究方向；

第三阶段大模型作为BI的最底层，连接数据产业链，利用大模型能力直接做系统开发，并通过与行业大模型及业务的结合，直接帮客户建立一个可信可用的数据系统和看板，免去人搭建的过程；

以我们七月到八月参加了多场BI厂商新品发布会的结果来看，当下虽然发力点都在智能化，但底层逻辑各有不同。最大的区别在于大模型本身是否自研，模型自研能够尽可能保证企业数据的安全性、可控性、一致性，毕竟企业内部数据对安全性要求极高，但自研大模型对企业各方面的能力都充满挑战，目前仅思迈特和网易数帆满足上述条件。

杨礼显告诉我们：“自然语言与BI的结合并不是ChatGPT兴起才开始的，Smartbi从2017年就开始预研该技术，在V10版本中就已经上线了对话式BI功能，也是国内最早一批上线的BI厂商”。

网易集团副总裁、网易杭州研究院执行院长汪源也强调：“ChatBI的技术demo有很多，但关键是做到可信，而且是基于可私有化交付的大模型，做不到这两点都是胡扯。”

除此之外，其他BI大多是接入了ChatGPT的API接口，或在Azure上购买OpenAI的服务，包括Tableau也是基于自身模型和ChatGPT的结合打造的，但本质都是通过外接，这很容易把产品做成ChatUI（即有对话框的形式和完成基础对话）而非ChatBI（有数据分析的灵魂）。

再往下探索一步，我们发现即便是ChatBI，所展现的方式也并不相同。

有些是轻度改造，在BI产品内部改变数据的呈现方式。比如微软直接在Power BI中外接了Copilot，此前将企业在Office365中的各类数据源进行整合分析，并通过拖放式画布，将数据变成变成可视化的结果，如今内置了Copilot（副驾驶），直接将整合分析的结果以对话的形式返还给用户，只是改变了呈现逻辑而非产品逻辑。国内Kyligence的思路也大抵如此。

相比之下，Tableau和Smartbi在技术层面则做得更加深入。Tableau本身便是通过Slack与各级员工进行交互，拥有天然的对话场景，在这样的基础上，“对话”并不刻意，而是融入在用户的使用习惯中。而在思迈特最新版本的V11中，通过指标的方式对数据进行建模，让用户更容易理解，并通过数据模型复杂的计算能力、LLM理解用户的意图，提供所需的结果，提高数据使用效率。更重要的是，这种对话场景不仅存在于BI产品内部，Smartbi更能和企业IM软件钉钉、企业微信等集成，进行更高效的协同办公。

这也足以见得，BI产品的数智化改造与产品本身的逻辑密不可分，正如燃油车本身的改造空间就比较小，所以智能车与新能源汽车常绑定在一起一般，通过产品实测，不仅能判断过去更能管窥未来。

文章来源： 钛媒体APP，元年科技，光锥智能