如何看待大模型驱动的BI变革？
商业智能在当前以数据为核心的商业环境中，（BI）在企业决策过程中，工具已经成为关键因素。伴随着科技的发展，大语言模型（LLM）BI商品作为一种新技术，正在逐步改变其传统模式，为企业决策提供更灵活、更高效的能力支持。然而，在实际应用场景中，公司对数据分析的准确性要求极高，仅靠大模型能力远远达不到BI以数据驱动决策的服务目标。
要以大型模型推动BI变革，首先要看大型模型的性能，其次要有效避免隐性的不确定因素，保证数据分析的准确性。
ABI LLM的表现决定了关键价值。
根据IDC统计，近几年全球数据总量呈爆炸式增长趋势。而且数据量的增长不仅体现在规模上，而且数据的多样性和复杂性也在上升，根据IDC的预测，到2027年，全球非结构化数据占总数的86.8%，达到246.9ZB。由于数据规模和数据结构的巨大变化，传统BI显然不能满足企业对数据分析实现辅助决策的需求。
随著大模型技能的提高和应用，其在BI系统中的协同价值也逐渐被业界所认识：
LLM具有强大的数据处理能力和深度学习能力，能够深入了解和处理数据和背后的领域模型，使BI软件在深入的企业管理和业务管理分析方面能够进一步释放其价值。在LLM的赋能下，BI软件可以提供更准确、更实时的预测结果，例如识别关键业务指标，并及时向决策者发出警报，使企业能够更快地响应市场形势。
在BI方面，LLM的表现也是为了提升用户体验。LLM驱动的BI系统可以实现低成本的人机交互，用户可以通过自然语言查询获得所需的数据分析结果，这使得非技术背景人员可以在公司更广泛的业务流程中轻松使用BI工具，降低使用门槛，同时将数据驱动的决策应用到公司。
图片来源：澜码科技
另外，在LLM出现之前，NL2SQL等现有技术正在研究如何通过对话查询数据，但是因为自然语言的理解（NLP）由于技术的限制，这类产品不能安全可靠地生成查询SQL语句。伴随着LLM的发展，端到端的Text2SQL方案变得更加可行，尤其是在表格结构相对简单的前提下，可以有效地将自然语言查询转化为结构化的SQL查询语句。
但是值得注意的是，商务智能是由人工智能驱动的。（AI-driven Business Intelligence，ABI）在应用过程中，其产品能力很大程度上取决于AI能力，特别是大语言模型（LLM）性能表现——在拥有模型能力的同时，可以找到准确的数据，成为ABI产品着陆的关键和难题。
除了LLM，ABI商品还需要保证数据统计的准确性。
与其他LLM应用相比，ABI产品对“准确性”的要求更为严格，信息是指导决策的核心依据，正确的结果是ABI产品的及格线。这就要求针对企业客户的ABI产品要有完善的机制，既要充分利用LLM的强大能力，又要有效避免其隐藏的不确定性，从而保证提供的结果的准确性。
理想的ABI商品应该具备以下三个特点：
- 对话框架灵活它是保证ABI产品提供服务质量的关键因素。通过对话框架的适应，围绕数据统计和数据分析两个核心场景，AI可以更好地理解用户的问题。这也进一步要求ABI产品具有多轮对话的记忆力和对前后文本的理解能力，能够处理包括文本、语音在内的多样化用户输入。
- 完善的数据统计能力它是ABI产品能够为用户提供有效信息的基础。该能力要求系统能够快速有效地浏览和处理大量的结构化和非结构化数据，不仅包括传统数据库中的信息，还包括即时数据流、API接口等来源的数据。
- 数据分析专业能力推动ABI产品为用户提供深入的观点。这包括深入分析、解读和检测数据的功能。此外，还规定系统可以通过自然语言描述或数据可视化图表向用户呈现复杂的分析数据。
图片来源：澜码科技
然而，在公司的应用场景中，由大模型驱动的ABI产品仍然面临着数据结构复杂性、信息量规模和非专业人士查询习惯的考验。成功应对这些挑战也是衡量ABI产品成功的重要因素。
- 挑战数据结构复杂性。通常情况下，公司业务具有一定的复杂性，大大提高了业务数据表结构的复杂性，通常包括大量的表、字段、外键、搜索和视图。如何正确理解这些手表之间的关系，正确建立连接，是一个巨大的挑战。
- 测试信息量规模。信息量的大幅增加会降低SQL查询特性。正确的SQL句子的生成不仅需要正确的语法，还需要考虑查询的性能和效率。错误的SQL句子可能会导致长期查询或系统崩溃。
- 对非专业人员查数习惯的考验。ABI产品赋予用户使用“直接通过对话查询数据”的能力。这种创新的互动技术一方面带来了客户数量的增加，另一方面也需要面对“业务用户的非专业需求表达”的考验。非专业人士可能无法准确地表达他们的查询需求，或者将个人的商业习惯与模糊的描述混合在一起。过去，这些需求通常是由专业的业务分析师满足的。（BA）进行解读和转换。而且由于ABI的出现，这需要面对这个挑战。
上述挑战表明，仅仅依靠LLM的能力可能不足以完全解决公司面临的所有问题，还需要提供更全面、更有效的解决方案，以确保ABI产品能够更准确地理解和响应需求场景的实际需求。
数据分析的目的是引导企业的业务发展。在数据分析的基础上形成有价值的市场拓展建议，一直是数据分析产生业务价值最困难、最重要的部分。
自然语言理解技术的发展促进了人工智能 Agent可以将复杂的分析数据转换成易于理解的语言或图表，帮助决策者快速获取重要信息。
AI基于大语言模型 Agent可以调用多样化的信息源。在跨领域分析师和业务专家的知识赋能下，通过预训练和不断模型优化，结合当前的业务战略和行动，提供更全面、更适合业务、更可行的建议，真正实现数据驱动运营。
所以，使用AI 作为交互框架的主体，Agent将LLM、实现ABI商品高性能的关键在于BI与产品的结合。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com