如题。
为什么说AI+BI是大模型的攻坚领域呢？
实际上很多业内人士已经意识到了，目前主要的大模型应用落地技术、产品、应用都是关于非结构化数据的，比如写个文档，总结个纪要，查询众多PDF、Word、WPS、邮件等不同格式文档中的信息等等。
但在大模型出现之前，上面说的这些“数据”很多都归入企业的“暗数据”或“隐数据”（周鸿祎当初有个直播里对此进行了区分，具体大家可以找找，但不影响这里的理解），而那时候大部分企业中最大块的数据资产是结构化数据，还有一个类似概念叫表数据（Tabular Data）。
其实大模型技术兴起后，结构化数据依然是企业内价值最大的数据资产。尽管大模型的确比较擅长处理非结构化数据，但是在确定性的生产级应用场景落地之前，非结构化数据还没有能够被真正低成本和高效的利用起来，对原有结构化和非结构化数据的价值认定情况就依然不会改变。
大模型在结构化数据的理解、处理和知识抽取方面的基础能力还不够。从底层技术逻辑看，大模型技术是以“相似”取胜，但实际上并非基于“理解”语义，这对于非结构化数据和高容错场景是可行的，但在元数据驱动的结构化数据世界是差好几口气的；从效果看，即使是最先进的GPT-4o裸模型在处理结构化数据分析类任务时的表现也是非常不ok的；从成本看，将海量结构化数据以及后续的查询交互所耗费的token也是较高的。
所以，大模型+结构化数据的数据分析是一个攻坚的市场。但是一个必须的、有价值的攻坚市场。
大模型+数据分析有不同的产品形态，粗略的说可以分为
大模型+报表：包括简单表格生成，这个国内外主流类ChatGPT产品都可以做了，稍微复杂一点的，比如需要多表融合或中国式报表处理的就得归到下一类了
大模型+BI：这是目前比较主流的市场和产品形态，也是因为原有的数据分析市场中BI是一种较通用的产品形态和广为市场接受的概念。大模型之前就有AI+BI的概念（也有叫ABI的，但之前还有一个版本叫Advance BI或Augmented BI，看古早材料的时候注意区分）
大模型+专门数据分析工具：大多数企业级OLAP应用都是这一类，比如风控、监管、审计、运营分析等等，大家都是围绕一堆业务指标开展计算和分析，但不同领域，以及不同行业的工具长的样子都不同。
所以，LLM+BA市场大有可为。
那么这个市场目前都谁在做，做的产品如何呢？
在这里借用国内BI市场做的比较好的帆软的一个官方blog文章来看一看。（https://www.finebi.com/da/wdsbiy）
这个被帆软称为“对话式BI”的市场，也常被称为ChatBI或智能BI，也就是本文前面提到的LLM+BI类型，是LLM+BA的一个重要子领域。我们从这个对比中大致可以看出ChatBI市场的以下几个要点：
核心能力包括多轮对话和意图理解能力，高级分析能力以及与底层BI工具结合的能力等
BI市场的在位者(既有厂商，incumbents）出于自身的优势地位和既有利益，非常强调LLM+BI这种新产品与传统BI产品的可比性以及连接能力，如指标管理、灵活查询、看板组件等
NL2SQL，知识库接入，精调微调等能力仍是ChatBI类产品的难点，尤其是NL2SQL，在大模型能力进一步提升之前，厂商的主流方案还是次优的NL2MQL/NL2DSL等等，实际上更加厂商锁定，也没有真正解决泛化的问题，不是期望的智能效果
支持本地化部署、支持钉钉、企微等协作APP集成、支持大模型自定义接入等也是在国内落地一些比较重要的考虑因素。
虽然BI市场的在位者有其既定的优势，但ChatBI不是大模型+数据分析市场的全部。对于LLM+BA这个领域而言，可能所有的厂商都是新进入者。大模型+数据分析市场大有可为。
