声明：本文将从技术角度对比几款商用BI产品的AI辅助功能。鉴于个人的认知水平，所描述的内容，若有不妥，请斧正。

从事大数据工作十余年，近两年负责制造业BI工作，总结了一些痛点问题：

• 技术挑战难度不大，繁杂重复事情较多，费时费力：

• • 组织架构调整，营收历史数据重算

  • 数据异常繁琐，排查定位耗时

• 指标口径不统一，上游数据质量堪忧：

• • 上游系统重构、迭代、切换，元数据及数据字段频繁变动

  • 管理模式调整，一任领导一个口径，指标口径不统一

  • 定义不规范，数据无标准，

• 报表需求较随意，报表使用率低

• • IT与业务融合度不足，需求沟通费时

  • 开发成本高，实际成效不明显

• 长期处于信息呈现阶段，数据驱动或者赋能业务路径不清晰

• • 大量中国式报表，缺少数据洞察

BI工作的精力及成本分布如下图所示：

如何才能，从这样的工作中解脱出来呢？真正的实现高效信息获取，数据赋能业务？实现BI工作的精力及成本分布，呈现下图所示的“倒三角”呢？

阅读至此的朋友，应该都是同道中人，这里就不掉书袋用官方术语定义BI了。关于什么是BI，如何做BI产品，如何使用好BI，大家可以自行检索。下面随机列举几篇公众号文章：

• 到底什么是BI？BI能为企业带来什么？

• 深度解答：BI到底是什么？

• 为什么BI软件在中国很难做

• 专访 | 观远数据吴宝琪：BI 最大的难点并不只在单点技术

• BI到底能给管理带来什么价值？

正如大多数软件行业术语，BI也源于欧美国家。这种舶来品，需结合中国国情，做中国特色化，如果只是照搬照抄，必死无疑。从马列主义到SaaS，都验证了和验证着这个观点。那么，什么是中国特色的BI呢？个人认为归为以下两类：

• L2层级，基本符合BI定义，数据辅助商业决策：通过数据分析及数据探索，辅助商业分析及决策。达到这个层次的企业，大多数是数据原生企业，或者信息化及电子化实施较好的行业，例如：金融、电商、零售、电信等。

• L1层级，基本不符合BI定义，单纯的报表及看板：大多数停留在通过可视化图表呈现信息的层次，少数能够做到数据诊断企业管理问题，通过数据预测问题及直接支持决策的，凤毛麟角。传统行业、制造业是重灾区。

在L1层级，从事BI工作的，大家亲切的称为“表哥”、“表妹”。资深的“表哥”、“表妹”可能经历了如下形式的BI：

增强分析 （Augmented Analytics）是Garnter 2017年创造的新概念，国内也叫（AI+BI）或者ABI。

增强分析，指使用低代码的 AI 或 ML 工具，通过自动化方式来协助数据准备、数据分析、分析结果洞察和解释、分享等过程。增强分析可以帮助各类用户发现现有数据中可能被忽视的洞察，并探索新数据，从而增强各类用户在 BI 平台中探索和分析数据能力的方式。

事实上，增强分析并不是指某一种特定的功能，而是让AI能力与BI结合，让更多用户、尤其是业务人员把数据分析用起来。当前行业已认可的增强分析相关产品能力，主要有数据目录、数据故事、自动数据洞察、NLG & NLQ 等等。这其中，自动数据洞察则是目前业务中需求最明确的。

参考文章：

• AI+BI 如何落地？自动数据洞察或将扛大梁

• 当AI与BI相遇，零售商应该如何做？

• BI和AI的强强联合

• BI + AI：洞见数据和分析的未来

• AI+BI，真的如想象中的那么美好吗？

参考文章：

• ‍https://mp.weixin.qq.com/s/GaXX8_7bMrdJkVu9K_BE5g‍

通过类ChatGPT对话式问答方式，实现BI工作全范围覆盖。按照BI的智能问答程度及模式，分为五大阶段，在L3阶段后，BI开始具备智能数据准备（数据建模）、数据分析及智能问答能力。目前，市场上的智能BI（AI+BI），整体上处于L2到L3的转变阶段。

行业领先BI的ChatBI智能程度对照表：

• L1层级，完备+高质量端到端的元数据及血缘关系、标准的报表检索协议，基于知识图谱的对象存储

• L2层级，完备+高质量端到端的元数据及血缘关系、标准的报表检索协议，基于知识图谱的对象存储、标准的报表存储格式协议及渲染协议

• L3层级，完备+高质量端到端的元数据及血缘关系、标准的报表检索协议，标准的报表存储格式协议及渲染协议、高质量的数据建模规范及数据仓库模型

• L4层级，完备+高质量端到端的元数据及血缘关系、标准的报表检索协议，标准的报表存储格式协议及渲染协议、高质量的数据建模规范及数据仓库模型、机器学习算法及数据挖掘算法、丰富的数据应用及经营分析案例库

• L5层级，完备+高质量端到端的元数据及血缘关系、标准的报表检索协议，标准的报表存储格式协议及渲染协议、高质量的数据建模规范及数据仓库模型、机器学习算法及数据挖掘算法、丰富的数据应用及经营分析案例库、丰富的行业知识库及行业专家规则库

欢迎一起讨论，后续将用一个开源项目，按想法，在开源BI基础上，实现ChatBI层级。