陶玉印的博客

企业数据治理、数据仓库、数据质量、AI应用实践与研究

0%

ChatBI来了，传统BI会消失吗？

发表于 更新于
BI为什么成功？ChatBI又解决了什么问题？

2023年以来，几乎所有BI厂商都开始拥抱AI。

有人推出智能问数。

有人推出AI分析助手。

有人推出数字员工。

有人开始宣传Data Agent。

一时间，”ChatBI”成为数据领域最热门的话题之一。

与此同时，一个观点也开始频繁出现：

“BI要被AI取代了。”

甚至有人认为：

  • 以后不用开发报表了；
  • 以后不用写SQL了；
  • 以后不用BI平台了。

那么，事实真的是这样吗？

我的观点是：

ChatBI不会消灭BI，但一定会重新定义BI。

而要理解这一点，我们首先要弄清楚：

BI为什么成功？ChatBI又解决了什么问题？

BI真正解决了什么？

上一篇文章，我们谈到：

BI的成功，并不仅仅因为它能够制作漂亮的图表。

真正的价值在于：

让数据能够持续、稳定地服务企业经营。

例如：

老板每天早上打开经营驾驶舱。

第一眼看到：

  • 今日销售额
  • 本月利润
  • 库存周转率
  • 订单交付率

这些数据每天都在更新。

但展示方式基本保持稳定。

为什么？

因为：

这些问题每天都会被问。

这些指标每天都需要关注。

BI本质上是在回答：

企业已经知道自己要问什么。

因此。

BI最大的特点就是：

提前准备答案。

BI最大的局限是什么？

问题恰恰也出在这里。

现实企业中。

真正有价值的问题。

很多都是临时产生的。

例如：

老板突然问：

华东地区利润下降最快的客户有哪些？

继续追问：

为什么下降？

继续追问：

与去年相比发生了什么变化？

继续追问：

有没有共同特点？

继续追问：

如果剔除春节因素呢？

你会发现。

传统BI越来越难回答。

为什么？

因为：

这些问题没有提前设计。

BI能够回答：

已经设计好的问题。

却很难回答：

第一次出现的问题。

于是。

企业进入一种循环：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
提出需求。

↓

数据团队排期。

↓

开发模型。

↓

开发报表。

↓

上线。

↓

获得答案。

很多企业。

一个分析需求需要一周。

复杂一点可能需要一个月。

真正耗费时间的。

并不是分析。

而是：

开发答案。

ChatBI到底改变了什么？

很多人认为：

ChatBI最大的价值是：

不用写SQL。

其实不是。

SQL只是表象。

真正发生变化的是：

数据消费方式。

过去：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
业务提出问题

↓

IT理解需求

↓

开发SQL

↓

开发ETL

↓

开发报表

↓

业务查看结果

现在：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
业务提出问题

↓

AI理解问题

↓

自动生成SQL

↓

自动分析

↓

返回答案

区别只有一句话：

过去：

人开发答案。

现在：

AI生成答案。

这才是ChatBI真正带来的改变。

ChatBI为什么能够实现智能问数？

很多宣传材料都会告诉你：

ChatBI依靠大模型。

其实。

真正的能力远不止大模型。

一个成熟的ChatBI。

至少需要四项能力。

第一：理解业务语言

例如：

老板说：

“今年销量怎么样？”

AI必须知道：

销量对应哪个指标。

今年对应哪个时间范围。

是否默认同比。

是否按自然年。

这些都不是模型知识。

而是企业知识。

第二：理解数据模型

AI必须知道：

销售事实表在哪里。

客户维表在哪里。

订单字段叫什么。

哪些字段可以关联。

否则。

SQL根本无法生成。

第三：理解指标体系

例如：

什么叫销售额？

不同企业定义可能完全不同。

是否含税？

是否退货？

是否取消订单？

这些都需要统一定义。

否则。

AI回答的数字可能每次都不同。

第四：保证结果可信

生成SQL并不难。

难的是：

生成正确SQL。

如果AI能够写SQL。

却不能保证结果正确。

那么。

它很难真正进入企业核心业务。

ChatBI不是魔法

最近两年。

很多企业开始尝试ChatBI。

效果却差异巨大。

有的企业非常成功。

有的企业用了几个月就放弃。

原因是什么？

很多时候。

不是模型能力。

而是数据基础。

举一个简单例子。

如果企业存在：

三个销售额口径。

五个客户名称。

多个历史版本。

大量缺失数据。

AI应该相信谁？

答案很简单。

AI不会判断。

AI只会放大。

因此。

ChatBI的能力上限，取决于企业数据能力。

这里。

我想提前抛出本专栏后面会重点讨论的一个观点：

AI时代，真正重要的不是模型，而是数据。

那么，BI会不会消失？

我的答案依然是：

不会。

原因很简单。

企业每天都有大量固定场景。

例如：

经营驾驶舱。

领导看板。

KPI监控。

生产监控。

供应链监控。

这些内容：

每天都要看。

每天都一样。

没有必要每天重新问AI。

BI最大的优势。

就是：

持续展示。

统一展示。

稳定展示。

因此。

BI依然是：

企业经营监控平台。

而ChatBI。

更适合：

探索式分析。

临时分析。

智能问答。

数据解释。

未来。

它们更可能形成这样的关系：

传统BI负责：

“告诉你发生了什么。”

ChatBI负责：

“告诉你为什么发生。”

未来的Data Agent甚至会进一步回答：

“下一步应该怎么做。”

AI真正改变的，不是BI，而是分析方式

如果用一句话总结。

过去二十年。

企业的数据分析过程是：

开发一个报表。

未来。

企业越来越倾向于：

提出一个问题。

过去：

人适应系统。

未来：

系统理解人。

过去：

数据工程师负责开发答案。

未来：

Agent负责生成答案。

这是企业数据消费方式最大的变化。

写在最后

最近几年。

关于”BI是否会消失”的讨论很多。

但我认为。

真正值得讨论的问题不是：

BI是否会被取代。

而是：

企业如何构建能够支撑AI的数据体系。

因为。

没有统一的数据模型。

没有统一的指标体系。

没有高质量的数据。

ChatBI就只能是一场演示。

而不是生产力。

真正决定ChatBI价值的。

从来不是大模型。

而是企业的数据能力。