大模型時代，現(xiàn)代BI的底層已經(jīng)被顛覆了？

　 域名預(yù)訂/競價，好“米”不錯過

文 | 智能相對論

作者 | 沈浪

“What gets measured, gets managed.”——這是著名管理學(xué)大師彼得·德魯克的觀點，意為「只有被量化的，才能被管理?！?/p>

盡管備受爭議，但是從某種程度來說，這一觀點基本貫穿了當今企業(yè)的數(shù)字化轉(zhuǎn)型進程。企業(yè)業(yè)務(wù)的數(shù)字化，本質(zhì)上就是一個持續(xù)量化的過程。

以BI（商業(yè)智能）為例，作為現(xiàn)代企業(yè)的標配，可以將其簡單理解為基于現(xiàn)代企業(yè)經(jīng)營理論與信息應(yīng)用技術(shù)系統(tǒng)對信息、數(shù)據(jù)進行挖掘、分析和處理，最終輔助商業(yè)決策的一個企業(yè)服務(wù)解決方案。

換句話說，BI核心還是「量化」。

那么，以「量化」的角度來看BI平臺的迭代，不難發(fā)現(xiàn)當前火爆的大模型技術(shù)對其影響主要還是聚焦在企業(yè)業(yè)務(wù)信息和數(shù)據(jù)的「量化」上。

大模型技術(shù)對「量化」緯度的深挖，從根本上改變了BI平臺的底層邏輯。

01 大模型進場，從指標的量化開始做起

今年1月，中國一汽聯(lián)合阿里云通義千問打造的大模型GPT-BI率先完成落地。

作為汽車行業(yè)的首個大模型BI應(yīng)用，GPT-BI被打造出來的首要前提是來對汽車行業(yè)的大量指標進行解構(gòu)，成為可量化的對象、緯度和度量。

其中，中國一汽將管理顆粒度從流程級細化到業(yè)務(wù)活動級，首創(chuàng)了“業(yè)務(wù)單元”概念。在1000余條業(yè)務(wù)流程的3萬多個業(yè)務(wù)單元中，讓每個業(yè)務(wù)單元都有明確的員工操作標準，從而保證員工能清晰知道什么時間、什么地方、使用什么工具和方法、做什么事情、達到什么質(zhì)量和標準，一目了然。

當這些解構(gòu)完成，中國一汽的指標體系實際上就基本有了雛形，緊接著就是用于訓(xùn)練公司的數(shù)據(jù)大模型，完善指標設(shè)計、指標拆解、數(shù)據(jù)尋源、數(shù)據(jù)建模和數(shù)據(jù)分析等能力，從而打造出對應(yīng)的指標模型。

類似的思路在業(yè)內(nèi)其他廠商的BI產(chǎn)品中也能看到。去年，本土知名BI廠商思邁特發(fā)布了新一代一站式ABI平臺Smartbi Insight V11——在該平臺的迭代升級過程中，思邁特就確定了一個重要的關(guān)鍵點：以指標為中心。

對此，思邁特致力于搭建起一個邏輯清晰、自增長、可量化的指標體系，將宏觀的目標轉(zhuǎn)化為可執(zhí)行的任務(wù)和計劃，從而讓各部門使用者都能通過指標，去具體地判斷業(yè)務(wù)、工作該“怎么做”。

當然，更重要的是，只有通過這種對業(yè)務(wù)指標的解構(gòu)，才能對底層數(shù)據(jù)進行準確的建模。然后，再通過模型本身提供的復(fù)雜指標計算能力解決大模型難以理解、處理的需求。最后，就可以利用大模型自身對部分常識的精確理解以及學(xué)習模型查詢語言的過程，輸出高質(zhì)量的查詢語句，獲取數(shù)據(jù)，并通過BI工具呈現(xiàn)出來。

所以說，大模型進場之后，其實對BI的改造是從底層建模出發(fā)的，從根本上就改變了BI平臺對公司業(yè)務(wù)的理解模式。

這種理解，本質(zhì)來說就是指標的進階量化。再比如，網(wǎng)易數(shù)帆打造可信的有數(shù)ChatBI，其核心點指明的「需求可理解，過程可驗證，用戶可干預(yù)，產(chǎn)品可運營」，也同樣是強調(diào)這種進階量化的認知。

02 大模型+BI，能做到什么程度？

有了進階量化的認知，大模型技術(shù)改造后的BI就能更全面地理解公司業(yè)務(wù)和需求，進而給到更精準的數(shù)據(jù)分析和反饋，輔助公司做好業(yè)務(wù)決策。

簡單舉個例子，以傳統(tǒng)的NL2SQL來說，其很難理解并解決類似“公司有多少本科以上員工”或“公司在北上廣深之外的業(yè)務(wù)收入”之類的問題。

因為“本科以上”或“北上廣深之外”這種屬于字符串類型的字段，是無法簡單地通過大于等于號等操作符進行篩選。反觀大模型為什么更強，就在于其可以做到這一點，其能理解“本科以上”代表本碩博學(xué)歷，“北上廣深之外”代表其他省市區(qū)域等常識。

在這種理解之下，當用戶生成查詢語句時，大模型加持下的BI就能完成信息過濾，輸出正確的答案。由此，就做到了現(xiàn)代BI所強調(diào)的理解業(yè)務(wù)需求的能力。

當然，這是常識性的理解。對于公司而言，我們需要大模型能進一步去理解業(yè)務(wù)指標所代表的專業(yè)知識，從而達到行業(yè)專家的理解能力，讓BI的業(yè)務(wù)認知提高到更高的層級，并做到更科學(xué)、準確的輔助決策。

中國一汽需要GPT-BI能達到什么效果？當公司需要了解“某車型的產(chǎn)量為什么不及預(yù)期”時，GPT-BI可以有邏輯地完成預(yù)期產(chǎn)量和實際產(chǎn)量的對比，并得出差值，進而分析顯性變量（如是否因為設(shè)備問題進行過停產(chǎn)或某型號的配件是否出現(xiàn)質(zhì)量異常等），同時排查涉及的所有變量（如原材料供應(yīng)波動、能源消耗及供應(yīng)穩(wěn)定性等）。

最終，經(jīng)過全面且細節(jié)的信息排查，GPT-BI能找出關(guān)聯(lián)性最大的影響要素，從而幫助公司進行生產(chǎn)優(yōu)化和治理。——這是大模型BI要做到的，前提是理解業(yè)務(wù)指標，并完成端到端的數(shù)據(jù)鏈接。

在「智能相對論」的視角中，如何用大模型來梳理傳統(tǒng)行業(yè)錯綜復(fù)雜的指標體系或行業(yè)Know-How是現(xiàn)代BI的一個重要演進方向。只有做到了這些，整體的數(shù)據(jù)流程包括數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)反饋等工作才能加快。

像Smartbi對話式分析大模型版本之所以能有效幫助企業(yè)降本增效，創(chuàng)造業(yè)務(wù)價值，關(guān)鍵就在于其把行業(yè)Know-How和大模型結(jié)合起來，構(gòu)建了一個參考的管理指標體系，供企業(yè)調(diào)整以幫助BI理解公司業(yè)務(wù)。

在應(yīng)用過程，我們就能看到，基于充分的指標理解，Smartbi對話式分析大模型版本能迅速的調(diào)取用戶想要獲取的“關(guān)于公司去年的合同額、收入和同比情況”。

同時，有了一定的常識認知，Smartbi對話式分析大模型版本還能迅速理解“關(guān)于銷售分部的”概念，并給出相應(yīng)的緯度數(shù)據(jù)。

此外，結(jié)合大模型的分析能力以及對各項指標的理解，Smartbi對話式分析大模型版本又進一步對表格中的數(shù)據(jù)進行了解釋分析，幫助用戶來理解企業(yè)經(jīng)營情況。

整體體驗下來，有了大模型的加持，BI產(chǎn)品的數(shù)據(jù)處理、分析和反饋能力都得到了強化，對用戶而言有著質(zhì)一般的升級體驗。

除此之外，這種體驗不僅在數(shù)據(jù)應(yīng)用上有所優(yōu)化，在數(shù)據(jù)生產(chǎn)上也是如此。過去，制作一張報表從立項到上線至少要60天，基于思邁特Smartbi的自助分析平臺，現(xiàn)在業(yè)務(wù)部門的數(shù)據(jù)人員可自行處理制作報表，即使通過傳統(tǒng)提需求的方式，也只要1—3天即可完成。

現(xiàn)代BI的演進基本闡述了一個道理：「量化」的增強，數(shù)據(jù)管理就變得更加高效且簡單了。思邁特思邁特CEO吳華夫認為，BI是一個不斷進化的過程，具體的從1958年BI的概念提出以來，底層數(shù)據(jù)準備從報表開發(fā)、Cube多維模型、寬表再到指標；上層數(shù)據(jù)分析從傳統(tǒng)的報表、大屏，到敏捷的自助可視化探索，再到智能的增強分析。

更準確的說，進化即量化。

03 現(xiàn)代BI的進化之路

人類的行為基本上是建立在理解世界的前提下的，也就是認知決定行為——當認知越清晰且深刻，那么行為也就越科學(xué)且精準。

對于BI產(chǎn)品而言，也是如此。BI概念的提出，本質(zhì)就是基于大量的數(shù)據(jù)反饋完成對公司業(yè)務(wù)的認知，進而給出相應(yīng)決策反饋的解決方案，只是數(shù)字化技術(shù)限制了關(guān)鍵的數(shù)據(jù)處理能力。

當大模型技術(shù)進場，強化了底層的數(shù)據(jù)處理能力，那么現(xiàn)代BI的進化是快速的。因此，BI也被認為是大模型在企業(yè)內(nèi)部最快完成落地的模塊之一，不僅在于BI是現(xiàn)代企業(yè)發(fā)展的核心支撐，更在于其基本的演進邏輯是清晰的、科學(xué)的。

大模型對現(xiàn)代BI的演進令人期待，更何況現(xiàn)代企業(yè)的發(fā)展已經(jīng)離不開BI的支持。在這個趨勢下，也有越多越多的廠商開始往現(xiàn)代BI的方向發(fā)展。從目前的行業(yè)情況來看，存在三類玩家。

一類是像思邁特、帆軟這樣的垂直BI廠商。他們本就深耕BI領(lǐng)域，在特定的行業(yè)如金融、法律等積累了大量客戶資源和行業(yè)Know-How，服務(wù)經(jīng)驗足，產(chǎn)品覆蓋面廣，既有較好的數(shù)字化處理能力也比較注重BI領(lǐng)域的用戶體驗。

另一類是以阿里、網(wǎng)易等為代表的互聯(lián)網(wǎng)廠商。一方面，他們雖然入行時間短，但也有著主攻輕量化的BI產(chǎn)品，如阿里Quick BI、網(wǎng)易數(shù)帆等，能接入自家的辦公平臺和企業(yè)數(shù)字化解決方案來占領(lǐng)市場。另一方面，他們在大模型方面有著較強的技術(shù)能力，正在聯(lián)合傳統(tǒng)行業(yè)大客戶共創(chuàng)BI，如阿里與一汽聯(lián)合打造GPT-BI等，以全新的服務(wù)模式推動現(xiàn)代BI的發(fā)展。

最后一類是以用友、金蝶等為代表的傳統(tǒng)企業(yè)服務(wù)廠商。他們長期服務(wù)企業(yè)，有一套綜合性的企業(yè)資源計劃系統(tǒng)，也有一定的客戶資源和行業(yè)積累，隨著現(xiàn)代BI的進化，對企業(yè)客戶的價值越來越高，便開始跨界進入BI領(lǐng)域，打造BI產(chǎn)品并接入自家的服務(wù)系統(tǒng)，來強化企業(yè)服務(wù)能力。

以上三類是目前BI行業(yè)較為典型且備受矚目的玩家。不管是哪類玩家，他們都在用自己的模式和技術(shù)能力去共同推動現(xiàn)代BI的進化。當然，在這三類玩家之中也有共同點，那就是大模型技術(shù)的應(yīng)用的必然的趨勢，從底層指標開啟的進階量化也是各自打造BI產(chǎn)品的重要方向。

現(xiàn)階段，中國的企業(yè)數(shù)字化轉(zhuǎn)型還在持續(xù)發(fā)展，依舊有不少的企業(yè)還在觀望?，F(xiàn)代BI的發(fā)展對于這一進程的推動，有著不可或缺的作用——數(shù)據(jù)對企業(yè)經(jīng)營發(fā)展的價值越來越高，現(xiàn)代BI“出線”的機會也將越來越多。

這是一場進化，也是一場迭代。

*本文圖片均來源于網(wǎng)絡(luò)

此內(nèi)容為【智能相對論】原創(chuàng)，

僅代表個人觀點，未經(jīng)授權(quán)，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復(fù)制或建立鏡像。

部分圖片來自網(wǎng)絡(luò)，且未核實版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。

•AI產(chǎn)業(yè)新媒體;

•澎湃新聞科技榜單月度top5;

•文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個為什么》

•【重點關(guān)注領(lǐng)域】智能家電（含白電、黑電、智能手機、無人機等AIoT設(shè)備）、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。

申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！