要看大模型性能，二要確保數(shù)據(jù)分析的準確性。
在當前以數(shù)據(jù)為核心的商業(yè)環(huán)境中，商業(yè)智能（BI）工具已成為企業(yè)決策過程中的關(guān)鍵要素。隨著技術(shù)的發(fā)展，大語言模型（LLM）作為一種新興技術(shù)，正在逐步改變BI產(chǎn)品的傳統(tǒng)模式，為企業(yè)決策提供更加靈活、高效的能力支撐。但實際應(yīng)用場景中，企業(yè)對數(shù)據(jù)分析的準確性有著極高要求，只靠大模型能力遠不能實現(xiàn)BI以數(shù)據(jù)驅(qū)動決策的服務(wù)目標。
想要以大模型驅(qū)動BI變革，一要看大模型性能，二要有效規(guī)避潛在的不可控因素，保證數(shù)據(jù)分析的準確性。
ABI 的關(guān)鍵價值由LLM的表現(xiàn)決定
據(jù)IDC統(tǒng)計，全球數(shù)據(jù)總量在過去幾年中呈現(xiàn)爆炸式增長趨勢。而數(shù)據(jù)量的增長不僅體現(xiàn)在規(guī)模上，數(shù)據(jù)的多樣性與復(fù)雜度也在攀升，據(jù)IDC預(yù)測，到2027年，全球非結(jié)構(gòu)化數(shù)據(jù)預(yù)計占到數(shù)據(jù)總量的86.8%，達到246.9ZB.面對數(shù)據(jù)體量與數(shù)據(jù)結(jié)構(gòu)的巨大變化，傳統(tǒng)BI顯然難以滿足以數(shù)據(jù)分析實現(xiàn)輔助決策的企業(yè)需求。
而隨著大模型的能力提升與應(yīng)用落地，其在BI系統(tǒng)中的協(xié)同價值正逐步被行業(yè)所認知：
LLM具備強大的數(shù)據(jù)處理能力和深度學(xué)習(xí)能力，能深入理解、分析數(shù)據(jù)及背后的業(yè)務(wù)邏輯，使革新后BI軟件能在深入企業(yè)經(jīng)營和業(yè)務(wù)運營分析方面進一步釋放價值。在LLM的賦能下，BI軟件能夠提供更為準確和實時的預(yù)測結(jié)果，例如識別關(guān)鍵業(yè)務(wù)指標并及時向決策者發(fā)送警報，使企業(yè)能夠更加快速地響應(yīng)市場變化。
LLM在BI中的表現(xiàn)還在于提升用戶體驗。以LLM驅(qū)動的BI系統(tǒng)可以實現(xiàn)低成本的人機交互，用戶可以通過自然語言查詢，獲取所需的數(shù)據(jù)分析結(jié)果，這使得非技術(shù)背景的人員也能輕松地使用BI工具，降低使用門檻的同時將由數(shù)據(jù)驅(qū)動的決策應(yīng)用在企業(yè)更廣泛的業(yè)務(wù)流程中。
此外，在LLM出現(xiàn)之前，已有技術(shù)如NL2SQL在研究如何通過對話查詢數(shù)據(jù)，但由于自然語言處理（NLP）技術(shù)的局限性，這些產(chǎn)品無法穩(wěn)定可靠地生成查詢SQL語句。隨著LLM的發(fā)展，端到端的Text2SQL方案變得更加可行，尤其是在表結(jié)構(gòu)相對簡單的情況下，可有效地將自然語言查詢轉(zhuǎn)化為結(jié)構(gòu)化的SQL查詢語句。
但值得注意的是，在以人工智能驅(qū)動的商業(yè)智能（AI-driven Business Intelligence,ABI）應(yīng)用落地過程中，其產(chǎn)品能力很大程度取決于AI能力，特別是大語言模型（LLM）的性能表現(xiàn)——能夠在具備模型能力的同時查詢到準確的數(shù)據(jù)成為ABI產(chǎn)品落地的關(guān)鍵與難題。
LLM之外，ABI產(chǎn)品還需要確保數(shù)據(jù)查詢的準確性
與其它LLM應(yīng)用相比，ABI產(chǎn)品在“準確率”方面有著更為嚴格的要求，數(shù)據(jù)是指引決策的核心依據(jù)，正確的結(jié)果是ABI產(chǎn)品的及格線。這就要求了面向企業(yè)用戶的ABI產(chǎn)品需要有完善的機制，既要充分利用LLM的強大能力，又能有效規(guī)避其潛在的不可控因素，以確保提供的結(jié)果準確性。
理想的ABI產(chǎn)品應(yīng)具備以下三個特點：
靈活的對話框架是保障ABI產(chǎn)品提供服務(wù)質(zhì)量的關(guān)鍵要素。圍繞數(shù)據(jù)查詢、數(shù)據(jù)分析兩個核心場景，通過對話框架進行適配，能夠使得AI更好地理解用戶的問題。這也進一步要求ABI產(chǎn)品同時具備多輪對話的記憶能力和上下文的理解能力，并且能夠處理多樣化的用戶輸入，包括文本、語音等形式。
完備的數(shù)據(jù)查詢能力是ABI產(chǎn)品能為用戶提供有效信息的基礎(chǔ)。該能力要求系統(tǒng)能夠快速、高效地訪問和處理海量結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，這不僅包括傳統(tǒng)數(shù)據(jù)庫中的信息，還涵蓋實時數(shù)據(jù)流、API接口等多種來源的數(shù)據(jù)。
專業(yè)的數(shù)據(jù)分析能力使得ABI產(chǎn)品能為用戶提供有深度的見解。這包括對數(shù)據(jù)的深入分析、解讀、異常檢測等功能。此外，還要求系統(tǒng)能將復(fù)雜的分析結(jié)果，通過自然語言描述或數(shù)據(jù)可視化圖表等簡單、易懂的方式呈現(xiàn)給用戶。
但在企業(yè)應(yīng)用場景中，以大模型驅(qū)動的ABI產(chǎn)品仍面臨著數(shù)據(jù)結(jié)構(gòu)復(fù)雜性、數(shù)據(jù)量規(guī)模以及非專業(yè)人員的查詢習(xí)慣的挑戰(zhàn)，能否成功應(yīng)對這些挑戰(zhàn)，也是衡量ABI產(chǎn)品能否取得成功的關(guān)鍵因素。
數(shù)據(jù)結(jié)構(gòu)復(fù)雜度的挑戰(zhàn)。通常情況下，企業(yè)業(yè)務(wù)具備一定的復(fù)雜性，這使得其業(yè)務(wù)數(shù)據(jù)表結(jié)構(gòu)的復(fù)雜度大大提升，通常包含大量的表、字段、外鍵、索引和視圖等。如何正確理解這些表之間的關(guān)系以及正確建立連接是一項很大的挑戰(zhàn)。
數(shù)據(jù)量規(guī)模的挑戰(zhàn)。數(shù)據(jù)量的大規(guī)模增加會帶來SQL查詢性能的下降。而生成正確的SQL語句不僅要求語法正確，還需要考慮查詢的性能和效率。錯誤的SQL語句可能導(dǎo)致長時間的查詢或系統(tǒng)崩潰。
非專業(yè)人員查數(shù)習(xí)慣的挑戰(zhàn)。ABI產(chǎn)品賦予了用戶通過“對話形式直接查詢數(shù)據(jù)”的能力，這種創(chuàng)新的交互方式一方面帶來了用戶數(shù)量的增加，另一方面也需要面對“業(yè)務(wù)用戶的非專業(yè)需求表達”的挑戰(zhàn)。非專業(yè)人員可能無法明確地表述他們的查詢需求，或者在表達中摻雜了個人業(yè)務(wù)習(xí)慣和模糊不清的描述。在過去，這些需求通常是由專業(yè)的業(yè)務(wù)分析師（BA）進行解讀和轉(zhuǎn)化。而隨著ABI的出現(xiàn)，它需要直面這一挑戰(zhàn)。
上述挑戰(zhàn)表明，單純依賴LLM的能力，可能不足以全面解決企業(yè)所面臨的所有問題，還需要確保ABI產(chǎn)品能夠更精準地理解和響應(yīng)業(yè)務(wù)場景的具體需求，提供更加全面和有效的解決方案。
數(shù)據(jù)分析的目的是指導(dǎo)企業(yè)的業(yè)務(wù)發(fā)展。基于數(shù)據(jù)分析形成有價值的業(yè)務(wù)發(fā)展建議，一直是數(shù)據(jù)分析產(chǎn)生業(yè)務(wù)價值中最難且重要的一環(huán)。
自然語言處理技術(shù)的進步使得AI Agent可以將復(fù)雜的分析結(jié)果轉(zhuǎn)換為易于理解的語言或圖表，幫助決策者迅速獲取關(guān)鍵信息。
基于大語言模型的AI Agent能調(diào)用多樣化的信息源，在跨領(lǐng)域的分析師及業(yè)務(wù)專家的知識賦能下，結(jié)合當下業(yè)務(wù)策略和動作，通過預(yù)訓(xùn)練和不斷的模型調(diào)優(yōu)，提供綜合性的、更貼合業(yè)務(wù)、可行性更高的建議，真正實現(xiàn)數(shù)據(jù)驅(qū)動運營。
因此，以AI Agent為交互框架主體，將LLM、BI與產(chǎn)品結(jié)合，是實現(xiàn)ABI產(chǎn)品高性能的關(guān)鍵。
本文來源：36氪
文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
