大模型+指標平臺，Kyligence幫助企業(yè)重塑決策智能體系
原創(chuàng) 月滿西樓 | 2023-11-23 19:45
【數(shù)據(jù)猿導讀】 我們將分析Kyligence如何將先進AI大模型技術應用于企業(yè)級數(shù)據(jù)分析場景，并討論這種結合對企業(yè)決策以及未來人機交互邏輯的深遠影響。
在當前快速發(fā)展的數(shù)據(jù)分析領域，AI大模型正成為推動技術創(chuàng)新和企業(yè)決策的關鍵因素。隨著數(shù)據(jù)量的指數(shù)級增長和計算能力的顯著提升，大模型不僅在理論研究中取得了顯著進展，也開始在商業(yè)應用中展現(xiàn)出前所未有的潛力。企業(yè)級的數(shù)據(jù)分析解決方案正變得越來越復雜和智能化，這促使業(yè)界尋求更高效、更準確的數(shù)據(jù)處理和分析方法。
正值這樣一個關鍵時刻，跬智信息（Kyligence）于2023年11月21日召開了線上數(shù)智論壇暨產(chǎn)品發(fā)布會。在這次會議上，Kyligence不僅展示了其智能一站式指標平臺——Kyligence Zen的最新升級，還介紹了AI數(shù)智助理——Kyligence Copilot的一系列企業(yè)級能力。在此次大會上，數(shù)據(jù)猿采訪了Kyligence聯(lián)合創(chuàng)始人兼CTO李揚、Kyligence產(chǎn)品總監(jiān)肖牧云，對其最新的技術產(chǎn)品動向，以及業(yè)務思考進行探討。
接下來，我們將分析Kyligence如何將先進AI大模型技術應用于企業(yè)級數(shù)據(jù)分析場景，并討論這種結合對企業(yè)決策以及未來人機交互邏輯的深遠影響。
數(shù)據(jù)分析場景下的大模型能力評測框架
對于引入大模型的數(shù)據(jù)分析產(chǎn)品，大模型本身的能力，將很大程度上決定對應數(shù)據(jù)分析產(chǎn)品的性能。因此，在介紹指標數(shù)據(jù)分析之前，有必要對大模型本身的能力進行詳細的評估。
在這方面，Kyligence近期推出的大模型能力評測框架，是一個有益的探索。
需要指出的是，在數(shù)據(jù)分析場景與通用場景下評測大模型的能力時，存在顯著差異。數(shù)據(jù)分析場景更側(cè)重于模型處理特定數(shù)據(jù)類型的精確性和深度，以及對復雜商業(yè)邏輯的理解能力。而在通用場景中，重點更多在于模型的適應性和多功能性。企業(yè)級數(shù)據(jù)分析要求模型不僅提供準確答案，還要提供深入的數(shù)據(jù)洞察和業(yè)務建議，這在通用應用中往往不是主要考慮因素。
為此，Kyligence的大模型評估框架，是基于企業(yè)常用的數(shù)據(jù)分析場景，細致地從數(shù)據(jù)準確性、結果可讀性、洞察自動化這三個方面進行了深入的評測。
在企業(yè)數(shù)據(jù)分析中，數(shù)據(jù)準確性是最基本的要求。這不僅是因為錯誤的數(shù)據(jù)會導致錯誤的決策，更因為準確的數(shù)據(jù)是贏得業(yè)務用戶信任的基礎。Kyligence的評測框架特別強調(diào)了AI計算指標結果的準確性，這包括對數(shù)據(jù)集的準確處理、異常值的識別與處理，以及對不同類型數(shù)據(jù)源的正確解讀。在這個基礎上，大模型能否在不斷變化的數(shù)據(jù)環(huán)境中保持穩(wěn)定和準確，成為評測的關鍵。
結果的可讀性，直接影響了用戶對AI分析結果的理解和接受程度。AI模型不僅需要提供準確的數(shù)據(jù)分析，還要以用戶易于理解的方式呈現(xiàn)這些結果。這就要求模型具備高效的數(shù)據(jù)可視化能力，能夠清晰地展示復雜數(shù)據(jù)，同時提供足夠的解釋性信息，幫助用戶理解和解讀分析結果。Kyligence的評測框架，特別關注AI模型在提供數(shù)據(jù)計算和數(shù)據(jù)洞察方面的能力，這直接關系到交互和用戶體驗。
洞察自動化，是評測框架中的一個創(chuàng)新點。這一方面不僅評估AI模型在回答用戶直接查詢時的效率和準確性，更重要的是評估其在自動發(fā)現(xiàn)數(shù)據(jù)中隱藏洞察的能力。這種自動化能力能夠使企業(yè)更快地識別商業(yè)機會或潛在風險，從而提高決策的效率和質(zhì)量。
根據(jù)這個評估框架，Kyligence對國內(nèi)外常見的幾款大模型進行綜合評估。其中，GPT-4的表現(xiàn)最好。值得指出的是，國內(nèi)的大模型，除了文心一言、通義千問這類大模型外，百川智能和智譜AI的表現(xiàn)也較好，這也是Kyligence 選擇接入智譜 AI、百川智能的重要原因。
國內(nèi)大模型領域，大致有兩類玩家最受關注，一類是以文心一言、通義千問為代表的科技巨頭；另一類就是以智譜 AI、百川智能為代表的第三方創(chuàng)業(yè)公司。某種程度上，創(chuàng)業(yè)公司能突圍而出，對整個市場的創(chuàng)新氛圍有好處。畢竟，國外的ChatGPT也是一個創(chuàng)業(yè)公司做出來的，而不是谷歌、微軟等科技巨頭的產(chǎn)品。
從這個角度來看，科技巨頭與創(chuàng)業(yè)公司的競爭，有利于推動行業(yè)的健康發(fā)展。
Kyligence Copilot，一次將大模型引入指標平臺的全新探索
講完大模型，我們再來看看基于大模型所改造的指標平臺。
Kyligence此次的發(fā)布會聚焦于兩款創(chuàng)新產(chǎn)品：Kyligence Zen和Kyligence Copilot，這兩款產(chǎn)品代表了智能數(shù)據(jù)分析和大模型技術的結合。
接下來，我們重點分析此次的明星產(chǎn)品——Kyligence Copilot。
Kyligence Copilot，作為AI數(shù)智助理，是大模型技術與數(shù)據(jù)分析的結合的典范。它的核心價值在于其快速、精確的數(shù)據(jù)處理能力，以及能夠提供高度個性化的業(yè)務洞察。這款AI數(shù)智助理的設計充分體現(xiàn)了當前數(shù)據(jù)分析技術的前沿進展，特別是在處理大數(shù)據(jù)和復雜數(shù)據(jù)集方面的能力。具體來看，Kyligence Copilot在以下幾個方面作出了差異化：
1、高效的數(shù)據(jù)處理和問題定位能力
Kyligence Copilot可以在極短的時間內(nèi)自動完成關鍵KPI的評估，這是其最顯著的特點之一。例如，在10秒內(nèi)，它能夠?qū)﹃P鍵業(yè)務指標進行全面評估，快速定位潛在問題。這種速度在傳統(tǒng)數(shù)據(jù)分析中是難以想象的。進一步地，在20秒內(nèi)，它能找到數(shù)據(jù)變化背后的根本原因。這不僅節(jié)省了大量的時間和資源，也使得業(yè)務決策過程更為迅速和準確。
2、洞察自動化與智能分析
除了快速定位問題，Kyligence Copilot還具備洞察自動化的能力。它不僅能夠回答用戶的直接查詢，還能夠自動從數(shù)據(jù)中發(fā)掘重要的業(yè)務洞察。這種能力尤其重要，因為它使得企業(yè)能夠發(fā)現(xiàn)并利用那些在常規(guī)分析中可能被忽視的信息。這種深度的洞察和預測能力，為企業(yè)提供了在市場上保持競爭優(yōu)勢的關鍵工具。
3、個性化和用戶友好的交互
Kyligence Copilot還特別注重用戶體驗，它提供了一個直觀、易于使用的界面，讓非技術用戶也能輕松地進行復雜的數(shù)據(jù)分析。通過個性化的數(shù)據(jù)報告和可視化工具，用戶可以更容易地理解和解釋數(shù)據(jù)分析結果。這種用戶友好的設計，不僅提高了用戶的滿意度，也增加了數(shù)據(jù)分析工具的使用率。
4、業(yè)務敏捷性和決策支持
通過提供及時、準確、統(tǒng)一的數(shù)據(jù)和信息，Kyligence Copilot顯著提高了業(yè)務敏捷性。在快節(jié)奏的商業(yè)環(huán)境中，能夠迅速響應市場變化和內(nèi)部挑戰(zhàn)至關重要。Kyligence Copilot通過其高效的數(shù)據(jù)分析能力，幫助企業(yè)快速做出基于數(shù)據(jù)的決策，從而在競爭激烈的市場中保持領先。
此外，Kyligence還升級了智能一站式指標平臺——Kyligence Zen，企業(yè)可以根據(jù)實際情況選擇 SaaS、云上部署和本地私有部署不同的部署方式。
Kyligence Zen作為一站式指標平臺，為管理者和業(yè)務人員提供高效、準確、全面的智能決策支持。其最新版本集 AI 大模型、業(yè)務模型、指標管理、指標加工、數(shù)據(jù)服務等能力于一體，將更好地滿足企業(yè)對數(shù)據(jù)分析、指標管理多層次、更深度的業(yè)務需求。這一平臺的優(yōu)勢在于它的一體化設計，以統(tǒng)一可信的指標為基礎，能夠?qū)碗s的數(shù)據(jù)處理和企業(yè)管理流程簡化，使得用戶能夠更加直觀和快速地獲取洞察。
Kyligence Zen與Kyligence Copilot的配合，大幅度提升了指標分析的效率。
大模型不僅僅是一個新增功能，改變的將是整個人機交互邏輯
需要指出的是，大模型與指標平臺的融合發(fā)展之路，才剛剛開始，我們還有很長的路要走。
目前大部分產(chǎn)品，都只是將大模型作為一項新增AI能力接入進來，對其原有的產(chǎn)品界面、系統(tǒng)結構、業(yè)務邏輯改變不大，這只是大模型與指標平臺這類業(yè)務系統(tǒng)結合的早期形態(tài)。
更高級的形態(tài)，應該是基于大模型所提供的人機對話能力，來完全重構整個業(yè)務邏輯，重構整個產(chǎn)品形態(tài)，重新設計產(chǎn)品界面。
回想一下搜索引擎與新聞門戶網(wǎng)站的改變，在門戶網(wǎng)站時代，大量新聞充斥整個頁面，而有了搜索引擎之后，只需要一個簡潔的搜索窗口，人與信息的交互方式發(fā)生了根本的改變。
同樣的變革，在指標分析平臺乃至更廣泛的B端業(yè)務系統(tǒng)中，也將上演。
在當前的企業(yè)環(huán)境中，大多數(shù)業(yè)務系統(tǒng)仍然是功能導向的。這些系統(tǒng)通常包含大量功能組件，它們根據(jù)特定的業(yè)務和操作邏輯進行組合。這種設計要求用戶理解并適應產(chǎn)品的操作界面和流程，往往需要進行多步驟的操作才能完成任務。
在功能導向的系統(tǒng)中，用戶必須逐步學習和適應系統(tǒng)的復雜界面和操作流程。這通常需要時間和培訓，特別是對于那些不熟悉技術的用戶來說，這可能是一個挑戰(zhàn)。此外，功能導向的系統(tǒng)可能因其復雜性而限制了用戶的效率。
然而，隨著大模型技術的發(fā)展，業(yè)務系統(tǒng)的這種傳統(tǒng)操作邏輯正面臨著重大的變革。
基于大模型的業(yè)務系統(tǒng)將以人機對話為核心，從根本上重構操作邏輯。這種系統(tǒng)不再要求用戶理解復雜的功能和操作流程。相反，用戶只需向系統(tǒng)表達其需求，系統(tǒng)便能理解并將這些需求轉(zhuǎn)化為具體的操作指令，自動完成任務并返回期望的結果。這種交互方式的轉(zhuǎn)變，從根本上改變了用戶與系統(tǒng)的互動模式，大減少了學習曲線，提高了用戶的工作效率。
此外，基于大模型的系統(tǒng)能夠更快速地適應用戶的需求變化，提供更為個性化的服務。這些系統(tǒng)能夠根據(jù)用戶的特定需求和偏好，動態(tài)調(diào)整其響應和功能，從而提供更加定制化的用戶體驗。而且，這種系統(tǒng)能夠處理大量的數(shù)據(jù)，提供更深入的洞察和建議，這在功能導向的系統(tǒng)中往往難以實現(xiàn)。
當然，重大的變革總是不容易的。
要實現(xiàn)這種人機交互的變革，不僅需要大模型技術的持續(xù)進步，還需要新的產(chǎn)品設計哲學。產(chǎn)品開發(fā)者需要從用戶的角度出發(fā)，重新思考如何設計更為人性化、更易于使用的系統(tǒng)。這意味著在設計過程中，用戶體驗將成為核心考量，而不是僅僅聚焦于功能的實現(xiàn)。
綜上，隨著大模型技術的迅速發(fā)展和深入應用，我們正見證著企業(yè)業(yè)務系統(tǒng)的一場根本性變革。從功能導向的復雜操作，轉(zhuǎn)向基于對話的直觀交互，這不僅標志著技術進步，也預示著企業(yè)工作方式的重大轉(zhuǎn)型。Kyligence Zen和Copilot產(chǎn)品展示了這種變革的初步成果，通過將復雜的數(shù)據(jù)分析任務轉(zhuǎn)化為簡單、直觀的對話體驗，它們?yōu)槠髽I(yè)數(shù)據(jù)處理和決策提供了前所未有的便捷和效率。
這種以人機對話為核心的新系統(tǒng)，不僅提高了用戶的工作效率，還提升了數(shù)據(jù)分析的質(zhì)量和精度。用戶無需深入了解技術細節(jié)，就能利用最先進的數(shù)據(jù)分析工具，這大大降低了技術門檻，使得數(shù)據(jù)驅(qū)動的決策更加普及和高效。
就在22 日，飛書宣布推出智能伙伴，Kyligence 成為首批生態(tài)單位，基于 Kyligence Zen智能一站式指標平臺實現(xiàn)的 AI 數(shù)智參謀已內(nèi)置到飛書智能伙伴，將幫企業(yè)對北極星指標進行層層拆解，自動完成數(shù)據(jù)洞察、指標歸因分析并推薦決策建議。
展望未來，我們可以預見，隨著技術的進一步發(fā)展，更多創(chuàng)新的產(chǎn)品和解決方案將出現(xiàn)，推動業(yè)務系統(tǒng)的智能化和個性化。這不僅將深刻影響企業(yè)的運營模式，也將改變我們與數(shù)據(jù)和技術的互動方式。在這個快速發(fā)展的時代，適應和利用這些變化，將是每個企業(yè)和個人面臨的關鍵挑戰(zhàn)和機遇。
文：月滿西樓 / 數(shù)據(jù)猿
來源：數(shù)據(jù)猿
為大模型添加記憶體，GBASE南大通用駛?cè)胂蛄抠惖?
以領域認知智能，推動大模型的規(guī)?；瘧寐涞?
