企业 FDE

智能BI时代的全面解析：从传统BI到白泽的智能化跨越

2024 年 10 月 17 日

本文探讨了智能BI的发展历程与未来趋势。

BI的核心价值在于帮助用户从数据中获取价值，但传统BI和敏捷BI阶段都未能充分发挥其潜力。智能BI时代到来，结合AI大模型等新兴技术，BI正变得极度简单易用且精准决策，让更多人能够便捷地使用BI进行描述性、诊断性和预测性分析。

本文还介绍了思迈特软件最新发布基于AI Agent的新一代智能BI产品Smartbi AIChat白泽，助力企业数字化转型，快速构建场景化应用。未来，智能BI将更深入结合行业知识，提高开发效率，降低项目成本。

智能BI时代开启，BI的使用更普及、更深入

BI的价值核心就是帮助用户从数据里面获取价值。经过几十年发展，BI获取数据价值手段不断变化，为什么这么有价值和意义的BI市场才几十亿人民币规模呢？其本质就是BI并没有很好的用起来，数据价值并没有充分的发挥，能够使用BI 的用户还是很少。

BI发展的过程分为以下三个阶段：

第一个是传统 BI 阶段，技术人员做一些报表、数字看板、数据大屏，给管理层看经营状况。

第二个是敏捷BI阶段，出现一种新角色，叫数据分析师，他既懂IT又懂业务，BI是给数据分析师使用。但是推广不是很好，因为企业中的数据分析师不是很多，同时，BI工具和软件用起来太复杂了，限制了用户的思维。

第三个是智能 BI 阶段，智能包含两个方面。

第一方面，简单准确。从IT到数据分析师到真正数据消费者每个人都会用。如果希望每个人都会用 BI 的话，必然意味着它要极度简单，刚好AIGC的出现，让这个成为了可能性之一。除了简单易用，还必须准确。AIGC、大模型有很多幻觉问题，刚好思迈特的数据模型、指标模型是解决幻觉问题的，它和AIGC结合起来使得它既简单又准确，通过这种方式智能BI让更多的人可用。

第二方面，分析深度。在传统BI阶段，大屏报表只是告诉（用户）发生了什么，这个指标有什么问题，是属于描述性分析；在敏捷 BI 阶段，能够做部分数据下钻，从行业、产品线去看它为什么增长，但这个数据钻取路径都是被写死的，它只能实现比较局部的诊断性分析；在智能BI阶段，它能够完全真正的诊断性分析。从发现异常到诊断性分析到预测性分析，让更多的人更便捷的去使用BI。

白泽：填平鸿沟，跨越最后1公里，全新一代智能BI产品

爱分析报告中指出，数据分析是2024年大模型的重点应用场景，但数据分析对幻觉或错误是零容忍，所以这里面有很多挑战。例如，大模型项目未与企业保持战略一致性、大模型业务收益难设定、如何提升数据分析结果的准确率等。

思迈特最新发布的基于AI Agent新一代智能BI产品——Smartbi AIChat白泽，就是解决上述这些问题，并且兼顾BI的可用性（准确性和安全性）、易用性和乐用性。

白泽整个技术结构比较简单，首先做数据连接，接入数据之后做数据准备工作，通过思迈特的数据模型和指标模型做语义层的转换，转换后接入第三方知识库，构建RAG，RAG之上构建多轮对话、分析、预测、纠偏等应用，最后实现两个应用场景，第一个是面向管理层的看数，第二个面向业务用户的自助分析。

白泽的差异化优势有以下几点：

第一点是准确性。整个流程涉及三个步骤，首先理解用户的问题意图，其次是基于意图理解后进行任务规划，第三是基于任务规划后进行执行，每个环节都执行正确才能保证最终结果准确。同时，白泽背后技术，还包含指标模型、RAG等，可以通过用户的反馈让它越用越聪明。在很多客户的实际场景测试时，在特定场景可做到 99% 的准确率。

第二点是安全性，数据安全很重要。第三点是性能，白泽可以做到数据库内外的融合计算。

第四点是分析能力，企业用户需要的不仅仅只是数据库的查询能力，还包含同比、环比等复杂函数计算，在白泽中用基础的能力就可以比较轻松的完成。

第五点是扩展性，通过扩展，可以实现归因预测这些能力。甚至因为它是基于Python代码，所以扩展能力很强。

第六点是成本优势，不需要做微调，只需要把企业的知识库放进去，而 RAG 构建可以一键完成。数据模型建好，指标维度、口径统一后，外部业务知识导进去，可以一边用一边修正导入，整个实施过程比较快。

以统一指标库模型为支撑，深度融合AIGC能力，两步走

白泽产品前期主要是面向业务人员为主，那后期的话还会面向开发者、数据科学家开发些能力，目前的产品规划主要两个方向：

第一方向是面向业务用户去做。面向业务用户的对话式分析，功能有查询、看数、查数、深度分析，还包括自动生成整个分析报告等。同时，会结合非结构化的数据，把企业内部的业务知识融合进去。服务企业用户，如果只是把已经治理好的企业级数据给到用户使用是不够的，产品粘性不强。白泽会继续增加个人数据，比如个人 Excel 数据、文档数据，能够去结合数据库里面指标模型中台的数据和个人数据，这样才真的变成个人数据助理，会更大增加用户粘性。

第二个方向是结合行业知识去做面向开发者的能力，思迈特的目标是让 BI 系统从过去3 至6个月实施周期缩短至 3 到 6 天。当前BI市场的供给侧能力不够，很多项目受限于实施周期和厂商能力无法落地，我们希望基于AI能力，结合行业知识，帮助企业用户快速构建BI 系统，比如一个医院的BI 系统，指标自动生成，基于指标应用自动生成，企业唯一需要做的事情就是对接，这样可以大大的降低工作量。

最后回到白泽的产品愿景：爱上与数据聊天。因为爱是一个带感情的东西，它不光是能够给你查数、分析数，我们希望它真的能给你带来一些惊喜，提升数据分析的体验感，这是我们对它的一个期待，谢谢大家。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

智能BI时代的全面解析：从传统BI到白泽的智能化跨越

立即咨询 JOTO

想把这些做法用到你的业务里?

Start your enterprise AI rollout

Tell us what you need