?
BI通過收集、整合和分析企業內部的各種數據，幫助企業發現數據中的模式和趨勢，從而做出更明智的商業決策，以此來提升企業的經營能力和競爭力。無論是傳統BI還是自助BI，都是為了在數據和人之間建立一座橋梁，使數據能夠被更有效地理解和應用，但由于數據的復雜性和用戶的多樣性，他們無法完全消除數據和用戶之間的距離。
一、傳統BI三大應用難點：查數不靈活、使用門檻高、知識難沉淀
盡管BI相關技術不斷進步，但很多企業仍存在一些應用難點，包括查數不靈活、使用門檻高、知識難沉淀等。這些無一不在限制BI的廣泛采用和效果發揮。
-
傳統BI工具在復雜指標的查詢上，無法兼顧靈活性和時效性。
例如，19-21點進行某場達播活動后，業務定義了純新增一單會員、潛客首單轉化率等指標，希望能在達播活動后立刻進行復盤活動效果，而相關指標無法提前定義計算并及時輸出，等待分析師處理至少要等待從小時到天不等。
-
數據分析工具使用門檻高，分析思路因人而異，難以形成統一認知與結論進行落實。
對決策層來說，盡管核心分析場景已有看板，但整體分析過程仍然需要領導自行進行查看、總結、決策，同一份數據所捕獲的信息與行動手段依賴決策者本身的認知水平與經驗，經過驗證的分析思路無法沉淀復用。
-
企業業務知識及數據口徑分散記錄，無法被統一沉淀和應用至各部門業務分析場景中。
企業內部不同部門指標同名不同義、同義不同名，業務用語適用范圍有限，不同部門之間認知對齊困難，在向上傳達與跨部門溝通時出現口徑混亂、認知不統一等問題。
二、「觀遠ChatBI」打造零門檻、自迭代的對話式數據分析
AIGC技術的興起正重塑人與數據的互動，有望彌合數據理解和應用之間的差距。企業渴望得到更高效、更直觀、響應速度更快的BI工具，以實現“人人都能分析數據”的目標。對此，觀遠ChatBI應運而生，解決了企業取數、用數的效率問題，讓數據分析任務更加高效。
觀遠ChatBI是一款基于大語言模型（LLM）打造的智能數據問答產品，提供意圖識別、知識召回、問題理解、數據查詢、可視化生成等能力。用戶通過自然語言提問，便可獲取數據分析結果，實現敏捷決策。
-
對于中高層“臨時問數”需求，觀遠ChatBI實現了從“找人”轉為“找系統”的轉變，用戶可以通過自助式問答迅速獲得臨時業務數據，無需依賴數據團隊。
-
對于業務一線“敏捷取數”需求，觀遠ChatBI將取數從日常排期開發轉變為分鐘級響應，用戶可以通過靈活便捷的問答查詢，自助獲取復雜指標數據。
-
對于數據團隊“知識共享”需求，觀遠ChatBI專注于知識庫的維護，實現企業知識的統一沉淀，從而提升業務分析的效率。
?
總結來說，觀遠ChatBI具有“數據分析靈活可信、低門檻搭建知識庫、多端互通數據管控”三大亮點能力。
自然語言問數， 數據分析靈活可信
-
對話式分析：自然語言獲取分析結果，數據可信有保障
-
跨表查詢：多數據源提問數據，系統處理表間運算
-
智能引導：主動推薦關聯分析，引導提升分析深度和效率
-
反復回看：重要分析結論一鍵收藏，歷史會話一鍵回溯
?
低門檻搭建知識庫， 個性化輕量運營
-
知識接入：BI數據資產、企業歷史取數SQL、文檔等業務知識
-
主題管理：多種業務分析場景靈活定義，聚焦場景化分析
-
問答準確率：模型持續學習知識，綜合準確率90%+
-
對話追蹤：用戶問答行為主動學習，持續優化問答質量
?
多端互通高效分析， 數據私密管控有保障
-
多端集成適配：移動端靈活問數，OA集成業務協同更高效
-
數據隱私安全：本地存儲及調用計算，數據完全私有化
-
數據權限體系：數據行列權限嚴格管控，個性化安全保障
?
三、「觀遠ChatBI」典型“問答”：算數值、取TopN、做比較
目前觀遠ChatBI已實現落地應用，在多種企業應用場景中已經展現出其實用性，能夠滿足快速、靈活的數據查詢和分析需求。以算數值、取TopN、做比較等取數用數場景為例。
算數值：詢問“2023年一線城市總的銷售利潤是多少？”，觀遠ChatBI能理解“一線城市”的含義，并對銷售利潤進行聚合計算。
?
TopN：詢問“ 2023 年銷售量前3的商品品類”，觀遠ChatBI 能按商品類別進行分組聚合，并按銷售量降序排序，返回排名前3的商品及其銷量。
?
做比較：詢問“比較過去一年中不同地區的年度利潤，哪三個地區的利潤最高？”，觀遠Chat BI將按地區進行聚合，并計算出每個地區的利潤，最終通過柱狀圖進行展示。
?
四、實踐案例：自然堂打造“問數GPT”，1-5分鐘解決業務數據需求
自然堂集團是觀遠數據ChatBI產品的首批合作伙伴之一。其業務發展至今，已經積累了大量的數據，涵蓋供應鏈、生產、銷售、營銷和會員管理等各個方面。這些數據的積累提供了寶貴的資源，但同時也帶來了一些挑戰。
-
臨時性一次性需求多：在分析過程中，無法滿足所有需求，眾多指標和維度是臨時提出的一次性需求。
-
需求重復度高：梳理自然堂的日常數據應用需求，有70%屬于重復需求。
-
個性化分析有門檻：不同用戶往往存在個性化的分析邏輯，傳統BI門檻較高，非技術人員往往難以使用BI進行個性化分析。
自然堂集團攜手觀遠數據，將大語言模型和BI基座能力相結合，應用大語言模型的底層能力，學習企業業務知識（表知識、業務邏輯、問答知識、洞察知識等），實現問答式數據分析，打造“問數GPT”。
?
基于“問數GPT”系統，用戶可以通過對話與系統交互，系統基于前置分析模塊識別用戶意圖，并與知識庫結合，生成SQL。這些SQL隨后進入BI體系進行計算，并以直觀的方式呈現結果。
目前，問數GPT已有廣泛的員工參與使用。在數據安全方案，不同部門間的員工可以配置不同的問答權限與數據權限，以保障企業數據安全。目前自然堂集團的應用效果如下：
-
提升數據分析需求響應效率：產品上線3個月后活躍用戶占比52%，覆蓋業務部門10+，處理取數需求3k+，業務部門的數據需求滿足周期從原來的0.5小時~3天不等，縮短到1~5分鐘，有效提升數據分析需求的響應效率。
-
提升數據分析師的服務半徑：轉變數據分析師的工作角色，從原來的SQL工程師變成企業知識訓練師。數據支持部門與業務部門進行更緊密合作。
-
降低跨部門溝通協作成本：沉淀營銷、銷售、市場、庫存和財務等業務數據，快速響應綜合性業務分析需求，加速知識調取與流通，降低跨部門溝通協作成本。
-
培養業務數字化思維：規范業務需求描述，大大降低其他需要開發的數據需求的溝通成本。
點擊了解更多觀遠BI產品介紹
