作者｜栗子
“我們用AI大模型改造BI的出發(fā)點(diǎn)非常簡(jiǎn)單，就是希望降低數(shù)據(jù)分析門檻，讓人人都能成為數(shù)據(jù)分析師。”帆軟產(chǎn)品研發(fā)中心總經(jīng)理陳敏對(duì)「甲子光年」表示。
隨著AI大語言模型技術(shù)的快速發(fā)展，幾乎各行業(yè)企業(yè)都在探索AI改造自身業(yè)務(wù)場(chǎng)景的可能性，“把業(yè)務(wù)用AI重做一遍”的論調(diào)早已成為共識(shí)。
在尋找AI落地場(chǎng)景的過程中，BI（商業(yè)智能）幾乎是一個(gè)不需要討論的確定性答案。
率先交卷的是微軟。
去年6月，微軟宣布將Copilot整合進(jìn)自己的企業(yè)數(shù)字化工具“Power BI”，打響了“AI+BI”的第一槍。幾乎同一時(shí)間， Tableau（2019年被Salesforce收購）、ThoughtSpot和Sisense等全球知名BI服務(wù)商都紛紛宣布在自身產(chǎn)品中注入AI大模型的計(jì)劃。
趨勢(shì)很快傳入國(guó)內(nèi)。從去年至今，陸續(xù)有不少中國(guó)BI廠商也都開始推出“ChatBI”、“BI Copilot”等類似功能。
大模型所催生的“對(duì)話式BI”之所以能夠快速成為AI落地toB業(yè)務(wù)的最佳場(chǎng)景，背后的原因其實(shí)非常簡(jiǎn)單。因?yàn)樵诮裉爝@個(gè)數(shù)據(jù)已成為關(guān)鍵生產(chǎn)要素的時(shí)代，對(duì)話式BI能夠讓用戶通過日常對(duì)話輕松獲取數(shù)據(jù)價(jià)值，大幅降低數(shù)據(jù)應(yīng)用門檻，解決了數(shù)據(jù)使用中最核心的問題。
只是，AI與BI的結(jié)合過去早已有過嘗試，卻并未激起太大水花。這一次，AI大模型能否真的給BI帶來價(jià)值？AI與BI的結(jié)合究竟應(yīng)該用怎樣的姿態(tài)？
在這些問題上，帆軟給出了“領(lǐng)先版本”的思考。
1.ChatBI需要被重新定義
“可視化大屏”可能是絕大多數(shù)企業(yè)業(yè)務(wù)人員對(duì)“傳統(tǒng)BI”的主要印象。
這并不難理解。因?yàn)閭鹘y(tǒng) BI產(chǎn)品起源于上世紀(jì)八九十年代，那時(shí)候開始陸續(xù)出現(xiàn)并逐漸發(fā)展成熟的技術(shù)包括 SQL、OLAP、數(shù)據(jù)可視化等，使用門檻極高。所以對(duì)于不懂技術(shù)的業(yè)務(wù)人員來說，可視化大屏幾乎是他們接觸BI的唯一場(chǎng)景。
2016年，隨著深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)的逐步成熟，包括微軟在內(nèi)的一些公司開始嘗試用AI來改造BI（Gartner定義為“增強(qiáng)BI”）。這種增強(qiáng)BI確實(shí)一定程度上降低了使用門檻，也催生了早期的檢索式BI。
不過，這種改造并沒有從本質(zhì)上改變BI的產(chǎn)品形態(tài)，企業(yè)依然需要為業(yè)務(wù)部門配備具有技術(shù)能力的數(shù)據(jù)分析人員，才能夠彌合業(yè)務(wù)與數(shù)據(jù)分析之間的鴻溝。
為了進(jìn)一步降低使用門檻，讓更多的業(yè)務(wù)人員使用BI，2019年前后，國(guó)內(nèi)外BI廠商開始探索“問答式BI”的可行性。
據(jù)帆軟FineChatBI產(chǎn)品負(fù)責(zé)人翁林君透露，當(dāng)時(shí)帆軟也成立了專項(xiàng)攻堅(jiān)團(tuán)隊(duì)，并聯(lián)合兩家外部合作商共創(chuàng)，嘗試推廣問答式BI產(chǎn)品。
但問題在于，當(dāng)時(shí)的問答式BI產(chǎn)品在技術(shù)上大都采用“規(guī)則解析”或“神經(jīng)網(wǎng)絡(luò)（�。┱Z言模型加規(guī)則解析”的方法來實(shí)現(xiàn)文本到SQL的轉(zhuǎn)化。技術(shù)上的限制導(dǎo)致問答的召回和精度不夠理想。
與此同時(shí)，利用端到端（Seq2Seq）方法訓(xùn)練出的模型泛化能力不足，在一個(gè)數(shù)據(jù)集上調(diào)好的模型，換到另一個(gè)數(shù)據(jù)集上就不行了。
翁林君告訴「甲子光年」，過去，阻礙用戶使用問答式BI的一個(gè)典型例子，就是用戶很難問出“正確的數(shù)據(jù)問題”。因?yàn)檫@種問題通常需要用戶具備較強(qiáng)的數(shù)據(jù)思維，同時(shí)又具備專業(yè)的業(yè)務(wù)知識(shí)。
為了解決小模型的泛化問題，企業(yè)就需要針對(duì)特定場(chǎng)景不斷增加語料，并重新訓(xùn)練模型來提高精度和召回，從而導(dǎo)致實(shí)施成本變得難以接受。
也就是說，上一代的問答式BI，沒有突破“意圖識(shí)別、查詢結(jié)果的精度和基于場(chǎng)景定制化開發(fā)、部署的成本之間”的“不可能三角”，最終淪為了擺設(shè)。所以當(dāng)時(shí)帆軟也隨之暫停了問答式BI的產(chǎn)品推廣。
在帆軟看來，上一代問答式BI本質(zhì)上是一個(gè)“對(duì)話式/檢索式”的取數(shù)工具，它的價(jià)值僅僅是讓業(yè)務(wù)人員更容易的取到數(shù)據(jù)。但是，光能取到數(shù)據(jù)還遠(yuǎn)遠(yuǎn)不夠。如果業(yè)務(wù)人員不具備數(shù)據(jù)分析思維，也沒辦法獨(dú)立完成從數(shù)據(jù)到業(yè)務(wù)的分析閉環(huán)。
而與過去相比，今天的AI大模型已經(jīng)成為了當(dāng)下最大技術(shù)紅利。在通用場(chǎng)景下，大模型展現(xiàn)出的跨任務(wù)、跨場(chǎng)景的泛化能力，讓包括微軟在內(nèi)的廠商都看到了實(shí)現(xiàn)成熟、能落地的“對(duì)話式BI”產(chǎn)品的可能性。BI的產(chǎn)品形態(tài)也開始進(jìn)入了一個(gè)新的階段。
2.FineChatBI，從業(yè)務(wù)到數(shù)據(jù)閉環(huán)
經(jīng)過近兩年的技術(shù)投入，如今，帆軟帶著全新的“FineChatBI”重回對(duì)話式BI市常
在帆軟的定位中，F(xiàn)ineChatBI是一款“對(duì)話式業(yè)務(wù)分析工具”，而非“數(shù)據(jù)分析工具”，二者的區(qū)別非常大。因?yàn)閿?shù)據(jù)分析工具意味著它的最終用戶依舊是企業(yè)小部分的數(shù)據(jù)分析人員，而業(yè)務(wù)分析工具則直接擴(kuò)大到企業(yè)所有業(yè)務(wù)人員。
舉例來說，業(yè)務(wù)人員可以直接提出業(yè)務(wù)問題，例如“今年部門業(yè)績(jī)是否比去年好？”，F(xiàn)ineChatBI會(huì)將該問題用數(shù)據(jù)視角拆解成幾個(gè)問題，并以多輪對(duì)話的形式與業(yè)務(wù)人員進(jìn)行進(jìn)一步確認(rèn)，再從數(shù)據(jù)庫中調(diào)取所需數(shù)據(jù)，并以可視化的形式反饋給用戶。
在這一過程中，F(xiàn)ineChatBI也會(huì)對(duì)輸出的結(jié)果進(jìn)行數(shù)據(jù)異常分析，幫助用戶找出可能存在異常的業(yè)務(wù)指標(biāo)，并對(duì)其進(jìn)行歸因，讓用戶發(fā)現(xiàn)導(dǎo)致業(yè)務(wù)異常背后的原因。
此外，F(xiàn)ineChatBI還能夠?qū)I(yè)務(wù)指標(biāo)進(jìn)行預(yù)測(cè)，并生成相應(yīng)的數(shù)據(jù)報(bào)告。
之所以能夠?qū)崿F(xiàn)這樣的用戶畫像跨越，AI大模型能力在其中功不可沒。
相比于上一代問答式BI，今天FineChatBI的最大區(qū)別就是利用了大模型的泛化能力。它能夠在通用場(chǎng)景下理解用戶所提出的業(yè)務(wù)問題，并拆解成對(duì)應(yīng)的數(shù)據(jù)問題，從而跨過了此前業(yè)務(wù)人員無法提出正確問題的門檻。
“比如同樣都是銷售額，不同公司有不同的叫法，而利用大模型的泛化能力，我們一次性幫你配100個(gè)叫法。另外，我們還可以連接你企業(yè)的知識(shí)庫，只要你輸入進(jìn)去，產(chǎn)品就能理解你說的‘銷售額’是什么意思。”陳敏在與「甲子光年」訪談時(shí)表示。
但用過大模型產(chǎn)品的用戶都清楚，大模型雖然泛化能力強(qiáng)，但如果不能解決輸出幻覺，就無法用于實(shí)際的業(yè)務(wù)數(shù)據(jù)分析場(chǎng)景。對(duì)此，帆軟給出的解題思路是：Text2DSL。
簡(jiǎn)單來說，Text2DSL是一種AI技術(shù)，讓用戶能夠用自然語言提問，由AI將問題轉(zhuǎn)化成業(yè)務(wù)用戶可理解、可干預(yù)的指令指導(dǎo)計(jì)算機(jī)行動(dòng)（例如：查詢指標(biāo)A在維度B上的分組匯總，并用柱圖展示結(jié)果），從而避免讓大模型用自己的“黑盒子”直接自己生成業(yè)務(wù)用戶無法理解的結(jié)果。
FineChatBI架構(gòu)圖，來源：帆軟
從FineChatBI的技術(shù)架構(gòu)層面看，大模型處于“對(duì)話管理層”，用于支持對(duì)話引擎的意圖分類、意圖理解、思路拆解及上下文管理等能力。而FineChatBI的能力底座，依舊是數(shù)據(jù)連接、建模計(jì)算、搭建渲染、權(quán)限管理等BI需要具備的基礎(chǔ)能力。
也就是說，帆軟的FineChatBI只是利用了大模型的泛化能力來完成產(chǎn)品與用戶的對(duì)話交互，而BI所必備的能力底座和配置管理等，依舊需要建立在已有的BI能力之上。而這正是帆軟在過去18年里一直積累且最擅長(zhǎng)的事。
事實(shí)上，即使AI大模型已經(jīng)如此普及，能夠真正做好一款對(duì)話式BI產(chǎn)品也并非易事。因?yàn)閷?duì)話式BI并不是直接建立在大模型之上，它的底層需要極強(qiáng)的BI能力建設(shè)，這也正是ChatGPT等產(chǎn)品不能代替BI的根本原因。
以“可控生成、可信查數(shù)”為基礎(chǔ)，帆軟用FineChatBI完成了“思路拆解→數(shù)據(jù)查詢→異常檢測(cè)→歸因分析→趨勢(shì)預(yù)測(cè)→報(bào)告生成”的整個(gè)數(shù)據(jù)分析閉環(huán)。
3.更大的想象空間：業(yè)務(wù)決策入口
在「甲子光年」看來，F(xiàn)ineChatBI在技術(shù)上利用Text2DSL把對(duì)話式查數(shù)這件事做到極致，技術(shù)上采用完全可控的方式取到可信的數(shù)據(jù)；同時(shí)利用大模型內(nèi)嵌的hypothesis testing等統(tǒng)計(jì)學(xué)知識(shí)和分析思路生成能力，補(bǔ)齊業(yè)務(wù)人員認(rèn)知和能力上的差距，實(shí)現(xiàn)對(duì)話式的業(yè)務(wù)分析，讓業(yè)務(wù)人員能夠真正用起來。
FineChatBI第一次讓帆軟“人人都是數(shù)據(jù)分析師”這句口號(hào)成為了可能。
但帆軟未來的想象空間并不止于此。
在智能化階段都已經(jīng)開始的今天，業(yè)務(wù)產(chǎn)生數(shù)據(jù)、數(shù)據(jù)指導(dǎo)業(yè)務(wù)的理念早已普及。而帆軟FineChatBI的出現(xiàn)，讓我們真正看到了“數(shù)據(jù)從業(yè)務(wù)中來，最終要回到業(yè)務(wù)”的可能性。
不難想象未來會(huì)出現(xiàn)這樣一個(gè)場(chǎng)景：當(dāng)業(yè)務(wù)人員問了一個(gè)業(yè)務(wù)問題，F(xiàn)ineChatBI反饋數(shù)據(jù)之后，通過異常分析發(fā)現(xiàn)了數(shù)據(jù)指標(biāo)問題。緊接著，F(xiàn)ineChatBI直接為對(duì)應(yīng)的系統(tǒng)（例如采購系統(tǒng)）生成一條指令，幫助業(yè)務(wù)人員在做出決策的同時(shí)，完成業(yè)務(wù)指令的下達(dá)。
從AI大模型所帶來的智能體（AI agent）普及的角度來看，這種場(chǎng)景在未來一定會(huì)實(shí)現(xiàn)。
對(duì)于BI來說，這無疑將是一個(gè)巨大的業(yè)務(wù)變革。
過去，BI一直被看做是輔助決策系統(tǒng)。而如果上述場(chǎng)景一旦實(shí)現(xiàn)，就意味著FineChatBI從一個(gè)輔助工具直接變成了實(shí)現(xiàn)業(yè)務(wù)閉環(huán)的入口，一個(gè)讓業(yè)務(wù)人員實(shí)現(xiàn)從提出業(yè)務(wù)問題，到完成業(yè)務(wù)決策的入口。
當(dāng)然，這種可期待的未來并非帆軟一家廠商就能完成，而是需要整個(gè)AI與BI生態(tài)的共同建設(shè)。
今天，帆軟通過服務(wù)30000+客戶，覆蓋了國(guó)內(nèi)最廣泛、豐富的客戶和場(chǎng)景。這些場(chǎng)景的積累為帆軟建立了巨大的優(yōu)勢(shì)，讓我們能夠快速收斂場(chǎng)景、驗(yàn)證功能，也是今天FineChatBI能夠得以問世的關(guān)鍵所在。
實(shí)際上，在AI大模型開始出現(xiàn)后，業(yè)內(nèi)就開始流傳BI即將被AI替代的論調(diào)。但基于30000+客戶的實(shí)際服務(wù)經(jīng)驗(yàn)，帆軟認(rèn)為，AI與BI的關(guān)系不是簡(jiǎn)單相加的關(guān)系，而是“AI for BI”。
在訪談中陳敏直言，AI技術(shù)并不能替代BI，而是盡可能借助AI的相關(guān)能力，提升BI工具在各環(huán)節(jié)的效率、降低BI工具的上手和使用門檻，讓更多領(lǐng)導(dǎo)和業(yè)務(wù)人員把BI用起來，幫助客戶最大化地用好BI工具的價(jià)值。
“畢竟只有讓越來越多的人都能更簡(jiǎn)單的使用BI，BI的生態(tài)才能更完善，帆軟的使命才有可能實(shí)現(xiàn)。”陳敏說。
（封面圖來源：帆軟）
