新三国翔龙风云录过去几个月，大模型的热潮从“Chat”迅速蔓延到每一个领域，BI也不例外，外界对大模型存在一种无所不能的认知误区，似乎通过“+大模型”可以重塑产品、弯道超车，尤其BI和AI本来就天然相近。

　　市场上不少厂商推出了“大模型BI产品”，既有务实的路线，也有炒作的噱头，帆软是坚定的“不跟风”派，但最近也提出了AI for BI，大模型BI路线应该如何走？

　　BI（Business Intelligence，商业智能）为企业提供了数据分析的能力，将数据转化为有用的信息，辅助企业做业务经营决策，AI的三要素之一也是数据，并且在算法层面更强，理论上AI+BI可以实现更自动化的数据分析、更精准的预测结果以及更易用的产品体验。

　　但实际上大模型到来之前，AI+BI基本处于“理想很丰满现实很骨感”的状态，当大部分企业连基本的BI还没有完全掌握，更逞论对AI的投资和关注，企业客户和技术供应商投资AI+BI的性价比并不高。

　　数据分析和AIGC，这两个关键词单拎出来都是技术和投资领域的热词。2019年6月份，谷歌宣布完成26亿美元收购商业智能软件和大数据分析平台Looker，这是谷歌历史上第三大收购案。

　　当月，Salesforce宣布以157亿美元的价格收购数据分析平台Tableau，从而加强企业在数据可视化以及相应工具方面的实力。两笔大交易足以证明数据分析的价值。

　　BI企业自然会联想到自己的处境，虽然国内外融资并购环境不同，但数据分析和AIGC概念的结合看起来是一门稳赚不赔的生意，何况微软已经率先把Copilot融入到Power BI，国内厂商没理由不跟随，国内帆软、Smartbi 、网易数帆、观远数据等厂商，也先后把大模型相关能力融入到产品中。

　　Gartner高级研究总监张桐表示：“大模型有潜力为各类自然语言用例中的应用提供增强效果，因此将在垂直行业和业务职能中产生深远影响。它们可以提高员工生产力、实现客户体验自动化和增强，并能以经济高效的方式创建新产品和服务，从而加速数字化转型。”

　　传统BI通常耗时耗力，整体所能够服务的场景相对比较少，很多企业都有大数据团队，但是大数据团队能支持的应用比较少，而且优先支持高层需求，一线业务人员想做更多分析的时候，往往缺少资源和人力支持。

　　企业客户实施BI也存在复杂性，首先是发现有用的数据很难，一家集团公司的数据报表相当庞大，可能有数万张数据表且指标庞杂，想要使用数据也很难，做一些深度的数据洞察需要做各种各样的数据治理，才能够把业务和数据表的一些操作联系起来，一旦有新的指标维度，又要花费很长时间开发。

　　大模型的出现带来了全新的视角，它可以通过对话的方式代替程序员写SQL，以前是管理层下一个需求，研发人员需要几天才能把数据表拿出来，理想情况下，现在只要领导说一句话，大模型自己完成查询数据、生产图表、给出结论等过程，而且可以进一步追问不同的问题。

　　帆软旗下自助分析产品FineBI产品总监王佳东表示，当企业的数据质量很差，甚至连数据本身都没有，那这时候AI能力再强，它也不能无中生有。因此，想要用好AI来处理数据，除了BI厂商需要做好产品力的提升，企业自身也需要做好数据质量的提升。

　　百度智能云技术委员会主席、百度智能云应用产品中心总架构师孙珂也提到，“BI可以认为是现在大模型‘天花板’级别的应用能力。它可以把自然语言可以翻译一段文本，也可以翻译成控制机器人的代码，或者控制各种各样系统能力的代码。以前这种‘翻译’能力只有人才能做得到。”

　　大模型可能为BI领域带来革命性改变，但需要警惕的是，不要让大模型成为融资和炒作的噱头。目前来看，大模型在BI领域的应用要一步步走，行业对于AI和BI的观点还没有趋于一致，虽然大家都认可大模型的价值，但或激进或稳进的分歧，决定了不同的态度和路线。

　　“好比现在我们没法指望汽车能够完全自动驾驶一样，在BI领域也是如此，我们还没法指望AI能彻底取代数据分析师，一句话就能完成对数据的自助分析、洞察与决策支持，可以说AI仅能提供一定的辅助与参考工作。”王佳东说。

　　王佳东表示，目前市场面上大部分的BI产品有两种能力，一种是可视化能力，一种是分析能力，可视化能力让数据的价值被看到，这是BI早期所实现的能力，现在很多企业都把可视化做出来了，而且做的很好看，而帆软认为，分析能力才是决定企业数据价值的大小。

　　因此，帆软也给出了他们的观点，“AI For BI”是对AI与BI配合模式的最佳形容，企业优质的数据土壤+BI产品的强大功能=AI的扎实地基。

　　AI将帮助简化使用者的工作流程，降低技术门槛并减少机械和重复性的任务，对于企业客户和BI厂商来说，眼前更重要的事情是需要把地基给打牢，把基础的事情给做好，在做好这些事的同时，关注等待AI的成长，届时才有能力衔接大模型能力。

　　帆软在最新的产品更新中也贯彻这一思想，推出了三大能力组件和五大AI价值场景。三大组件分别是数据编辑能力、模型构建能力、分析函数能力，在实现可视化能力和分析能力并行的同时，进一步降低数据分析的使用门槛。

　　以分析函数能力为例，在企业日常的数据分析需求中，因为业务逻辑的千变万化，简单的加减乘除根本无法描述业务的逻辑，这就需要非常复杂的计算才能得到分析结果。但是指标越复杂，业务人员想要实现自助分析的难度就是指数级增长，一个复杂指标的学习成本往往需要一天甚至更久。

　　现在，企业通过FineBI发布的def分析函数，即可实现任意复杂逻辑指标的分析，让BI数据分析和Excel公式一样简单高效，业界有名的“十大表计算场景”、“15大详细级别表达式”等等均可实现。

　　五大AI价值场景分别是智能数据编辑，可以按照用户的描述进行数据编辑；智能生成公式，根据用户的问题，由AI撰写复杂的def函数或其他函数；智能生成图表：根据用户需求，生成图表；智能解读，将已有的分析结论，自动生成「分析文档」供阅读；智能美化，AI辅助进行仪表板布局、样式调整。

　　大模型在BI领域的应用还比较早期，不论是大模型本身的进化，还是企业数据体系的构建，都会影响企业使用数据的方式和效果，在展望大模型的美好前景之前，企业不妨先培养数据思维。

　　（本文首发钛媒体APP 作者｜张帅，欢迎添加作者微信mr3right交流）返回搜狐，查看更多