隨著大模型技術的飛速進步，全球企業(yè)正步入一場數(shù)據(jù)智能領域的深刻變革。據(jù)知名市場研究機構Gartner的預測，至2027年，中國將有八成企業(yè)采納多模型生成式人工智能策略，旨在實現(xiàn)模型功能的多樣化、滿足本地化部署需求，并追求成本效益的最大化。然而，企業(yè)在享受技術紅利的同時，也面臨著數(shù)據(jù)孤島、分析門檻高等一系列挑戰(zhàn)，使得數(shù)據(jù)價值的釋放變得困難重重。

在這一背景下，關于AI技術是否正在重構商業(yè)智能（BI），還是僅僅制造了新的數(shù)據(jù)迷霧，引發(fā)了業(yè)界的廣泛討論。近日，在瓴羊「數(shù)據(jù)薈」Meet up活動的第四站中，阿里云智能瓴羊的高級技術專家劉少偉，以《大模型驅動的智能BI分析》為題，深入闡述了“三位一體”的企業(yè)級智能BI方法論。他強調，所有產(chǎn)品都值得通過AI進行重塑，BI也不例外。而企業(yè)級BI的智能化，需要BI工具、大模型與私域數(shù)據(jù)三者之間的協(xié)同共振。

劉少偉不僅剖析了智能BI的演進邏輯，還以瓴羊Quick BI的實踐為例，揭示了數(shù)據(jù)價值實現(xiàn)飛躍的可行路徑。他指出，BI的演進實質上是數(shù)據(jù)民主化的進程，始終圍繞著降低使用門檻和提升分析效率兩個核心目標。從傳統(tǒng)的BI工具，到敏捷BI的興起，再到智能BI的到來，BI產(chǎn)品經(jīng)歷了三次重要的迭代。

在傳統(tǒng)BI時代，Oracle BIE、IBM等工具占據(jù)主導地位，但業(yè)務需求的響應周期長、靈活性不足。盡管敏捷BI通過可視化拖拽實現(xiàn)了自主分析，但高階分析仍依賴專業(yè)分析師，業(yè)務人員難以深入利用數(shù)據(jù)。而智能BI的出現(xiàn)，則徹底改變了這一局面。借助大模型技術，自然語言交互成為可能，用戶通過簡單的問答即可獲取數(shù)據(jù)洞察。

根據(jù)Gartner 2024年技術成熟度曲線，與智能BI相關的AI技術，如生成式分析、自然語言查詢等，正處于高速發(fā)展階段。劉少偉指出，隨著大語言模型的興起，生成式AI技術迎來了爆發(fā)式增長，市場對此狂熱追捧，BI領域正經(jīng)歷從敏捷BI向智能BI的跨越。作為國內唯一連續(xù)五年入選Gartner魔力象限的BI產(chǎn)品，Quick BI通過不斷創(chuàng)新，證明了智能BI的可行性和有效性。

針對“工具+大模型”的簡單拼湊式認知，劉少偉強調，企業(yè)級智能BI并非工具與大模型的簡單疊加，而是BI工具、大語言模型與企業(yè)私域數(shù)據(jù)的深度融合。瓴羊的解決方案構建了“BI工具-大語言模型-企業(yè)私域數(shù)據(jù)”的三位一體架構，其中BI工具提供可視化、高性能分析引擎和安全管控能力；大語言模型通過自然語言交互和推理能力簡化分析流程；企業(yè)私域數(shù)據(jù)結合行業(yè)知識和內部知識庫，確保分析結果的準確性和業(yè)務相關性。

劉少偉進一步指出，傳統(tǒng)BI的數(shù)據(jù)連接、建模、分析、協(xié)同和消費鏈條已被大模型全面革新。在數(shù)據(jù)連接階段，智能探查與質量分析能夠預判數(shù)據(jù)分布規(guī)律；在建模階段，自動化ETL、智能生成和優(yōu)化SQL減少了手工編碼的需求；在分析階段，自然語言問答取代了固定報表，實現(xiàn)了多模態(tài)結果的實時反饋。

智能BI的發(fā)展將實現(xiàn)從效率到深度的躍遷。劉少偉認為，搭建助手、智能問數(shù)和洞察分析是智能BI的三大發(fā)展方向。其中，搭建助手能夠自動化完成數(shù)據(jù)集構建、報表美化等重復性工作；智能問數(shù)打破了數(shù)據(jù)分析的傳統(tǒng)過程，以自然語言問答作為新的數(shù)據(jù)獲取和洞察形態(tài)；洞察分析不僅提供描述性分析，還能向用戶提供更深度的診斷、預測和決策支持。

作為三位一體架構的落地載體，Quick BI的智能小Q正在重塑數(shù)據(jù)分析的協(xié)作模式。智能小Q提供智能搭建和智能問數(shù)兩大能力體系，依托通義千問大模型強化訓練的領域專用模型和Quick BI原有的OLAP多維分析引擎。智能搭建打破了傳統(tǒng)BI的手工勞動困境，一鍵生成報表、一鍵美化等功能解放了業(yè)務人員的雙手。智能問數(shù)則重新定義了數(shù)據(jù)分析的門檻，用戶通過自然語言提問即可獲取結果，系統(tǒng)自動關聯(lián)數(shù)據(jù)管理、知識庫推薦等輔助能力。

某飲品客戶在測試智能小Q時，選取“經(jīng)營分析表”作為場景，通過導入企業(yè)知識庫并強化模型，智能問數(shù)的準確率從65%提升至92%，驗證了三位一體模式的可靠性。為幫助客戶提升智能問數(shù)的準確性和實用性，瓴羊還推出了“智能問數(shù)調優(yōu)手冊”，詳細闡述了數(shù)據(jù)管理和企業(yè)知識庫管理等方面的調優(yōu)操作。

智能小Q還支持深度對接DeepSeek、Qwen-Max、Kimi等主流大模型，用戶可在智慧問答模塊中按需組合不同模型，實時獲取文本、圖表、趨勢預測等多維度分析結果。智能小Q還支持多步計算，解決傳統(tǒng)BI難以處理的復雜分析需求，通過中間結果傳遞完成多步運算，提升了分析的靈活性和自動化程度。