試想一下，假如用戶完全不用懂技術(shù)，也不需要懂什么數(shù)據(jù)分析技巧，就可以隨心所欲的進(jìn)行數(shù)據(jù)分析，該多好?，F(xiàn)在，有一個(gè)工具可以實(shí)現(xiàn)這個(gè)設(shè)想，那就是基于大模型的對(duì)話式BI。

大模型通過其強(qiáng)大的自然語言處理和數(shù)據(jù)分析能力，能夠極大的提升對(duì)話式BI的能力，從而進(jìn)一步降低用戶的使用門檻，讓更多的業(yè)務(wù)人員能夠直接參與數(shù)據(jù)分析，帆軟最新推出的FineChatBI正是這樣一款產(chǎn)品。FineChatBI 將結(jié)合報(bào)表模式的FineReport和自助模式的FineBI，更加全面的滿足不同分析能力的用戶，從簡單到復(fù)雜的數(shù)據(jù)分析需求，真正實(shí)現(xiàn)“讓人人都是數(shù)據(jù)分析師”。

那么，作為一個(gè)不愛“趕時(shí)髦”的頭部BI公司，帆軟為什么對(duì)此次的大模型+BI如此上心呢？他們是怎么想的，又是怎么做的，踩了哪些坑？而且，跟市面上的對(duì)話式數(shù)據(jù)分析工具不同，帆軟將FineChatBI定位于對(duì)話式業(yè)務(wù)分析工具，這里面有什么本質(zhì)的不同？為了弄清楚這些問題，數(shù)據(jù)猿專訪了帆軟的FineChatBI 研發(fā)總經(jīng)理翁林君。

BI持續(xù)演進(jìn)，無線逼近“讓人人都是數(shù)據(jù)分析師”這個(gè)愿景

BI產(chǎn)品終極目標(biāo)是“讓人人都是數(shù)據(jù)分析師”，奔著這個(gè)目標(biāo) BI 產(chǎn)品持續(xù)演進(jìn)，并發(fā)展出不同的產(chǎn)品形態(tài)，以滿足不同場景的數(shù)據(jù)需求，具體包括：1）報(bào)表式 BI，以復(fù)雜報(bào)表為核心能力，滿足企業(yè)管理層固定看數(shù)的需求；2）自助式 BI，以數(shù)據(jù)編輯和拖拉拽搭建為核心能力，滿足業(yè)務(wù)分析師自助分析的需求；3）對(duì)話式 BI，以語義理解與對(duì)話式交互為核心能力，滿足普通業(yè)務(wù)人員的即時(shí)查數(shù)與分析需求。

降低用戶門檻，是BI發(fā)展的不變追求。為了這個(gè)目標(biāo)，BI產(chǎn)品不斷吸收新技術(shù)，在降低使用門檻的同時(shí)，持續(xù)提升用戶滲透率，讓數(shù)據(jù)分析從少部分人的專利逐步變成普惠的工具。可以說，BI的發(fā)展歷史，就是一部數(shù)據(jù)分析底層技術(shù)的演進(jìn)史。為了弄清楚BI的發(fā)展方向，我們有必要回顧一下其發(fā)展歷程。

報(bào)表式BI，用戶要具備 SQL 編寫、OLAP 建模等技術(shù)能力，滲透率不到1%。

BI起源于20世紀(jì)80年代，主要技術(shù)包括SQL（結(jié)構(gòu)化查詢語言）、OLAP（聯(lián)機(jī)分析處理）和數(shù)據(jù)可視化。這些技術(shù)雖然提供了強(qiáng)大的數(shù)據(jù)分析能力，但對(duì)用戶的技術(shù)要求極高。用戶需要具備SQL編寫、數(shù)據(jù)建模和深厚的業(yè)務(wù)理解能力，因此，這類 BI 產(chǎn)品的用戶主要是IT/DT人員，滲透比例不到1%。

在這一階段，BI的使用門檻非常高。用戶不僅需要掌握復(fù)雜的技術(shù)，還必須具備數(shù)據(jù)思維和業(yè)務(wù)理解能力。這意味著，只有那些既懂技術(shù)又懂業(yè)務(wù)的用戶才能真正發(fā)揮BI的價(jià)值。比如，一名優(yōu)秀的BI用戶需要像DBA（數(shù)據(jù)庫管理員）一樣精通SQL，同時(shí)也需要像MBA一樣具備深入的業(yè)務(wù)理解能力。這使得BI的普及非常困難，主要集中在少數(shù)專業(yè)技術(shù)人員手中。

自助式BI，不要求 SQL 編寫等技術(shù)能力，但對(duì)數(shù)據(jù)分析能力要求高，滲透率10%。

進(jìn)入2000年代，VizQL（Visual Query Language）技術(shù)的引入帶來了自助式BI的興起。VizQL技術(shù)使用戶可以通過可視化界面進(jìn)行數(shù)據(jù)操作，而無需編寫復(fù)雜的SQL代碼。這大大降低了BI的技術(shù)門檻，讓更多的用戶能夠參與數(shù)據(jù)分析。然而，盡管技術(shù)門檻有所降低，但用戶仍需具備數(shù)據(jù)分析能力。

自助式BI的出現(xiàn)，使得BI的用戶群體擴(kuò)大至除 IT 人員外的一些數(shù)據(jù)分析師，滲透比例提升至約10%。這一時(shí)期的BI工具強(qiáng)調(diào)自助服務(wù)，用戶可以通過拖拽和點(diǎn)擊的方式進(jìn)行數(shù)據(jù)分析。這種交互方式極大地簡化了數(shù)據(jù)操作，使得更多非技術(shù)人員能夠使用BI工具。然而，這階段的BI仍然無法完全擺脫對(duì)用戶數(shù)據(jù)思維和業(yè)務(wù)理解的要求。

進(jìn)入2010年代，AI技術(shù)（如自然語言查詢NLQ、自然語言生成NLG、自動(dòng)洞察AutoInsight）的應(yīng)用推動(dòng)了增強(qiáng)BI的發(fā)展。增強(qiáng)BI進(jìn)一步降低了技術(shù)門檻，但仍要求用戶具備一定的數(shù)據(jù)思維。增強(qiáng)BI的用戶群體進(jìn)一步擴(kuò)大，開始包括部分業(yè)務(wù)人員，滲透比例約為15%。

對(duì)話式BI，破除數(shù)據(jù)思維這個(gè)用戶門檻，滲透率逼近100%。

整體來看，雖然自助式BI降低了對(duì)用戶的技術(shù)要求，但門檻依然不低，用戶仍需掌握一定的技術(shù)操作，如數(shù)據(jù)連接、數(shù)據(jù)清洗和數(shù)據(jù)建模等。這對(duì)于許多非技術(shù)背景的用戶來說，依然是一個(gè)巨大的障礙。

更重要的是，自助式BI對(duì)用戶的數(shù)據(jù)思維有很高的要求。數(shù)據(jù)思維是指用戶能夠理解和應(yīng)用數(shù)據(jù)來解決業(yè)務(wù)問題的能力，這不僅需要用戶能夠從數(shù)據(jù)中發(fā)現(xiàn)問題，還需要他們能夠?qū)I(yè)務(wù)需求轉(zhuǎn)化為數(shù)據(jù)查詢和分析任務(wù)。即使有了更智能的BI工具，用戶如果不具備數(shù)據(jù)思維，仍然無法有效使用這些工具。

為了進(jìn)一步擴(kuò)大用戶適用范圍，需要把數(shù)據(jù)思維這個(gè)“門檻”也拆除掉。有什么樣的能力，是每個(gè)人都具備的呢？不是每個(gè)人都具備數(shù)據(jù)分析技巧，但每個(gè)人都能用自然語言來描述自己的業(yè)務(wù)訴求。如果將數(shù)據(jù)分析過程，變得像跟朋友交流一樣自然，那事情就變得簡單了。

對(duì)話式BI，為實(shí)現(xiàn)這個(gè)目標(biāo)打開了新的方向。基于對(duì)話式BI，用戶可以通過自然語言問答的方式，來進(jìn)行數(shù)據(jù)查詢、數(shù)據(jù)分析等操作，滿足自己的業(yè)務(wù)分析需求。這類工具，不僅不要求用戶懂技術(shù)，甚至不要求用戶懂?dāng)?shù)據(jù)分析，用戶只需要知道自己想要分析什么樣的業(yè)務(wù)問題就行。這一下子就打破了數(shù)據(jù)分析的應(yīng)用局限，將用戶滲透率提升到了近乎100%。

需要指出的是，報(bào)表式BI、自助式BI、對(duì)話式BI不是簡單的替代關(guān)系，他們有不同的適用場景和用戶群體。當(dāng)然，將數(shù)據(jù)分析門檻降低到趨近于零，是一件讓人興奮的事情。

不趕時(shí)髦的帆軟，為什么這么看重大模型

從上面BI的發(fā)展演進(jìn)歷程來看，AI與BI的融合似乎是一個(gè)重要的趨勢。然而，在很長一段時(shí)間，當(dāng)業(yè)界熱衷AI概念的時(shí)候，帆軟似乎對(duì)此“不太感冒”。

需要指出的是，盡管帆軟在外界很少提及AI，但公司內(nèi)部一直密切關(guān)注AI技術(shù)的發(fā)展。帆軟只是說得很少，但卻默默做了很多的探索。

早在2019年，隨著國內(nèi)外廠商紛紛推出“問答式BI”功能，帆軟也開始了相關(guān)的探索。他們成立了專項(xiàng)攻堅(jiān)團(tuán)隊(duì)，推出了FineAI，并嘗試找了一些客戶進(jìn)行內(nèi)測驗(yàn)證。然而，經(jīng)過多次嘗試之后，帆軟發(fā)現(xiàn)一個(gè)殘酷的現(xiàn)實(shí)——早期的問答式BI技術(shù)面臨許多挑戰(zhàn)，如模型精度不足、跨場景泛化能力差等問題。這些問題導(dǎo)致問答式BI產(chǎn)品的實(shí)際應(yīng)用效果不佳，用戶反饋并不理想。

當(dāng)時(shí)，帆軟的技術(shù)團(tuán)隊(duì)對(duì)“問答式 BI”的產(chǎn)品和技術(shù)進(jìn)行了廣泛調(diào)研，發(fā)現(xiàn)當(dāng)時(shí)的問答式BI技術(shù)大多采用規(guī)則解析或神經(jīng)網(wǎng)絡(luò)語言（小）模型加規(guī)則解析的方法。這種方法在處理自然語言到SQL轉(zhuǎn)換時(shí)存在技術(shù)上的局限，導(dǎo)致查詢結(jié)果的召回率和精度達(dá)不到產(chǎn)品化的要求。此外，一些利用端到端（Seq2Seq）方法訓(xùn)練出的模型泛化能力不足，需要針對(duì)特定場景準(zhǔn)備語料單獨(dú)訓(xùn)練模型，從而導(dǎo)致實(shí)施成本高昂，難以廣泛推廣。

面對(duì)這些挑戰(zhàn)，帆軟選擇暫時(shí)終止了問答式BI產(chǎn)品的市場推廣，但繼續(xù)跟蹤和研究相關(guān)技術(shù)。隨著大語言模型的出現(xiàn)，帆軟看到了新的希望。大模型的跨任務(wù)、跨場景的泛化能力，以及涌現(xiàn)出的上下文學(xué)習(xí)和思維鏈等新能力，使得實(shí)現(xiàn)一個(gè)成熟且可落地的問答式BI產(chǎn)品成為可能。

具體來看，大模型之所以能夠在自助式業(yè)務(wù)分析中取得成功，主要解決了兩個(gè)核心問題：

1.強(qiáng)大的自然語言的理解能力和跨場景泛化能力，讓實(shí)現(xiàn)一個(gè)通用、能落地的問答式BI產(chǎn)品成為可能。

大模型在很多 NLP 任務(wù)上都有很好的表現(xiàn)，而且具備跨場景的泛化能力，解決小模型泛化能力不足的問題，有了大模型我們就不需要單獨(dú)針對(duì)每個(gè)特定場景準(zhǔn)備語料訓(xùn)練模型。這很大程度上降低了研發(fā)成本，并提升了產(chǎn)品在不同行業(yè)、不同企業(yè)的落地效率

2. 將數(shù)據(jù)分析和業(yè)務(wù)知識(shí)嵌入數(shù)據(jù)分析工具，大大降低了對(duì)用戶的數(shù)據(jù)思維和業(yè)務(wù)理解能力的要求。

傳統(tǒng)BI工具要求用戶具備一定數(shù)據(jù)分析思維和深入的業(yè)務(wù)知識(shí)，才能將業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù)分析任務(wù)。

大模型內(nèi)嵌了數(shù)據(jù)分析的專業(yè)知識(shí)和不同行業(yè)的業(yè)務(wù)知識(shí)，使其能夠在數(shù)據(jù)分析中自動(dòng)應(yīng)用這些知識(shí)。這意味著，業(yè)務(wù)用戶無需進(jìn)行專門的數(shù)據(jù)分析培訓(xùn)，就能通過大模型進(jìn)行專業(yè)的數(shù)據(jù)分析。

除了行業(yè)通用的業(yè)務(wù)知識(shí)，一些企業(yè)內(nèi)部特有的業(yè)務(wù)知識(shí)和業(yè)務(wù)規(guī)則，也可以借助 RAG/RAG-Graph 這樣的技術(shù)，將檢索、知識(shí)圖譜和大模型等技術(shù)結(jié)合起來，提升系統(tǒng)對(duì)用戶意圖的理解能力，并將這些業(yè)務(wù)規(guī)則內(nèi)嵌到數(shù)據(jù)分析流程中。例如，用戶詢問“當(dāng)前的庫存水平怎么樣？”大模型不僅會(huì)考慮庫存數(shù)據(jù)，還會(huì)應(yīng)用企業(yè)的庫存管理規(guī)則，如安全庫存水平和補(bǔ)貨周期，給出有針對(duì)性的分析思路，并提供符合實(shí)際業(yè)務(wù)需求的優(yōu)化建議。

更進(jìn)一步，可以讓大模型學(xué)習(xí)具體的業(yè)務(wù)流程，并將從數(shù)據(jù)分析中得到的行動(dòng)建議直接轉(zhuǎn)化成業(yè)務(wù)系統(tǒng)中的相關(guān)任務(wù)，真正讓數(shù)據(jù)從業(yè)務(wù)中來，到業(yè)務(wù)中去。

這些技術(shù)進(jìn)步為帆軟提供了更大的信心，推動(dòng)他們?cè)?ldquo;AI For BI”方向上堅(jiān)決投入。這次，帆軟決心以更大的力度推進(jìn)AI大模型在BI領(lǐng)域的應(yīng)用，因?yàn)樗麄兛吹搅藢?shí)現(xiàn)突破性進(jìn)展的機(jī)會(huì)。

帆軟的FineChatBI ，有什么不一樣？

當(dāng)考慮清楚之后，帆軟的行動(dòng)也很堅(jiān)決迅速。帆軟在研發(fā)FineChatBI的過程中，展現(xiàn)了其在 BI 領(lǐng)域的深厚積累和在對(duì)話式BI 方向的創(chuàng)新能力，致力于打造一款真正能落地的對(duì)話式 BI 產(chǎn)品。具體來看，F(xiàn)ineChatBI在企業(yè)級(jí)BI能力底座、內(nèi)容可信生成、完善分析閉環(huán)、優(yōu)化交互體驗(yàn)等幾個(gè)維度持續(xù)發(fā)力，做出了自己的特色。

1、基于企業(yè)級(jí)BI能力底座，讓 FineChatBI 從一開始就有一個(gè)堅(jiān)實(shí)的基礎(chǔ)。

一款成熟的對(duì)話式 BI 產(chǎn)品離不開一個(gè)堅(jiān)實(shí)的 BI 能力底座，帆軟將企業(yè)級(jí) BI 的核心能力抽象成一組能夠復(fù)用的公共組件，包括各種數(shù)據(jù)源的連接、數(shù)據(jù)建模與計(jì)算引擎、可視化組件的搭建渲染、用戶數(shù)據(jù)權(quán)限的配置與管理等?；谶@些公共能力，F(xiàn)ineChatBI 只需要專注于將對(duì)話引擎及上層應(yīng)用做好，就能打造出一款滿足企業(yè)級(jí)要求的對(duì)話式 BI 產(chǎn)品。

2、多種模型結(jié)合解析用戶意圖，可控生成確保結(jié)果可信。

大模型在處理復(fù)雜的自然語言時(shí)，常常會(huì)出現(xiàn)“幻覺”，即生成不準(zhǔn)確或不符合實(shí)際的結(jié)果。此外，作為一個(gè)黑箱模型，大模型的內(nèi)部工作原理難以解釋，這對(duì)于需要高透明度和高可信度的數(shù)據(jù)分析應(yīng)用是一個(gè)重大挑戰(zhàn)。FineChatBI 通過以下幾項(xiàng)技術(shù)手段，確保的結(jié)果的準(zhǔn)確、可信、可解釋。

很多同類型的產(chǎn)品都是利用 Text2SQL 技術(shù)，直接將用戶的自然語言查詢轉(zhuǎn)化為 SQL 語句。這種方法導(dǎo)致的一個(gè)問題是，業(yè)務(wù)人員由于無法判斷生成的 SQL 是否準(zhǔn)確，導(dǎo)致無法信任最終的生成結(jié)果。為了解決這個(gè)問題，帆軟采用了 Text2DSL技術(shù)，先將自然語言轉(zhuǎn)成用戶能夠理解的數(shù)據(jù)標(biāo)準(zhǔn)查詢結(jié)構(gòu)，再利用底層的引擎能力將該結(jié)構(gòu)轉(zhuǎn)成具體的 SQL 語句。這樣用戶就能夠確認(rèn)系統(tǒng)是否正確理解了他的數(shù)據(jù)查詢意圖并進(jìn)行干預(yù)，從而實(shí)現(xiàn)生成過程可干預(yù)，結(jié)果可信任 。

更進(jìn)一步，帆軟采用自研的規(guī)則模型與大模型相結(jié)合的方法，利用規(guī)則模型以完全可控的方式處理簡單、明確的數(shù)據(jù)問題，保證精度的同時(shí)，能夠?qū)崿F(xiàn)快速響應(yīng)；大模型則用于處理復(fù)雜和模糊的問題。這種組合不僅解決了性能問題，還確保了結(jié)果的可信度和可解釋性。

3、不止于查數(shù)，F(xiàn)ineChatBI 旨在以對(duì)話為入口打造分析閉環(huán)。

對(duì)話式數(shù)據(jù)分析入口與業(yè)務(wù)邏輯相結(jié)合，F(xiàn)ineChatBI不僅僅是一個(gè)數(shù)據(jù)查詢工具，還能讓用戶針對(duì)某個(gè)業(yè)務(wù)問題，輕松完成整個(gè)數(shù)據(jù)分析閉環(huán)：業(yè)務(wù)用戶只需要提出正確的業(yè)務(wù)問題，F(xiàn)ineChatBI 就能結(jié)合數(shù)據(jù)和業(yè)務(wù)知識(shí)，拆解分析思路并推薦正確的數(shù)據(jù)問題；用戶點(diǎn)擊選擇對(duì)應(yīng)的數(shù)據(jù)問題后，系統(tǒng)還能自動(dòng)基于生成的數(shù)據(jù)結(jié)果進(jìn)行數(shù)據(jù)的異常檢測，并推薦相應(yīng)的歸因問題；用戶可以進(jìn)一步在產(chǎn)品的引導(dǎo)下完成異常指標(biāo)的歸因分析，并生成分析報(bào)告和行動(dòng)建議。通過這樣方式，用戶就能在產(chǎn)品的引導(dǎo)下，針對(duì)某個(gè)業(yè)務(wù)問題，從描述性分析，到診斷性分析，再到處方性分析，一步步完成整個(gè)分析閉環(huán)。

4、以對(duì)話框?yàn)楹诵某掷m(xù)優(yōu)化產(chǎn)品交互，讓用戶體驗(yàn)更加絲滑。

對(duì)話式分析對(duì)很多用戶來說是一種全新的交互形態(tài)，體驗(yàn)是否絲滑對(duì)用戶持續(xù)使用產(chǎn)品至關(guān)重要。帆軟持續(xù)改進(jìn)FineChatBI 的交互體驗(yàn)，通過各種友好的方式引導(dǎo)用戶持續(xù)問出正確的數(shù)據(jù)問題并快速得到分析結(jié)論。例如，輸入聯(lián)想與模糊匹配能夠讓用戶在輸入的過程中快速匹配相似的推薦問題與熱點(diǎn)問題；開放圖表生成規(guī)則讓用戶能夠確認(rèn)和調(diào)整意圖解析結(jié)果，可以自由切換指標(biāo)聚合方式、刪減維度，并實(shí)現(xiàn)圖表類型的一鍵切換；多輪問答能夠維持會(huì)話上下文，用戶可以基于之前的結(jié)果連貫提問。為了確保極致的用戶體驗(yàn)，帆軟在性能優(yōu)化方面也做了很多投入，從意圖理解、數(shù)據(jù)查詢計(jì)算到組件渲染各個(gè)環(huán)境都做了性能優(yōu)化，確保大部分查詢都能實(shí)現(xiàn)秒級(jí)響應(yīng)，這對(duì)于提高用戶粘性度至關(guān)重要。

基于這樣的思考，與市面上很多對(duì)話式BI產(chǎn)品不同，帆軟將FineChatBI定位為對(duì)話式業(yè)務(wù)分析工具，而不是對(duì)話式數(shù)據(jù)分析工具，這兩者在于關(guān)注點(diǎn)、用戶體驗(yàn)、技術(shù)實(shí)現(xiàn)和目標(biāo)愿景等方面，都有顯著的不同。

對(duì)話式數(shù)據(jù)分析工具主要關(guān)注數(shù)據(jù)處理和分析，服務(wù)于數(shù)據(jù)分析師，通過簡化數(shù)據(jù)查詢流程來幫助用戶獲取數(shù)據(jù)結(jié)果。而對(duì)話式業(yè)務(wù)分析工具不僅關(guān)注數(shù)據(jù)，還關(guān)注業(yè)務(wù)邏輯和需求，幫助用戶理解數(shù)據(jù)對(duì)業(yè)務(wù)決策的意義。FineChatBI的愿景是通過整合數(shù)據(jù)分析與業(yè)務(wù)邏輯，讓用戶不僅能獲取數(shù)據(jù)，還能用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)發(fā)展，真正實(shí)現(xiàn)商業(yè)智能。這一定位使FineChatBI在市場上具有獨(dú)特的競爭力，也為BI行業(yè)的發(fā)展提供了新方向。

讓“人人都是數(shù)據(jù)分析師”不再是一個(gè)空洞的口號(hào)

可以預(yù)見，隨著FineChatBI這類對(duì)話式BI技術(shù)的出現(xiàn)，無論是服務(wù)供給端的BI市場，還是數(shù)據(jù)消費(fèi)端的企業(yè)，都將發(fā)生顯著的變革。

在BI服務(wù)供給側(cè)，對(duì)話式BI打開了10倍級(jí)的市場空間，有望重塑目前的BI市場競爭格局。

傳統(tǒng)的敏捷BI技術(shù)雖然提升了數(shù)據(jù)分析的效率，但其用戶群體依然主要集中在技術(shù)人員和專業(yè)的數(shù)據(jù)分析師中，僅覆蓋了大約10%的人群。而對(duì)話式BI則通過自然語言處理技術(shù)，讓所有業(yè)務(wù)人員都能夠進(jìn)行數(shù)據(jù)分析。這意味著，市場規(guī)?？梢詮?0%迅速擴(kuò)大到100%，實(shí)現(xiàn)10倍的增長。對(duì)話式BI帶來的不僅僅是存量市場中的紅海競爭，而是一個(gè)全新的、充滿潛力的藍(lán)海市場。在這個(gè)市場，BI廠商不用陷入價(jià)格戰(zhàn)的內(nèi)卷中，也可以實(shí)現(xiàn)業(yè)績的良性增長，正將推動(dòng)整個(gè)BI行業(yè)的健康發(fā)展。

在數(shù)據(jù)消費(fèi)側(cè)，對(duì)話式BI助推了數(shù)據(jù)普惠和企業(yè)數(shù)智化升級(jí)。

對(duì)于個(gè)人而言，大部分人在日常工作和生活中，是很少進(jìn)行數(shù)據(jù)分析的，更多是依賴自己的經(jīng)驗(yàn)判斷。并不是數(shù)據(jù)分析不重要，而是以往的數(shù)據(jù)分析門檻太高了，普通人望而卻步了。在數(shù)字化時(shí)代，數(shù)據(jù)分析能力是每個(gè)人的必備技能。也許，不久的將來，我們做任何決定前，都會(huì)下意識(shí)的先做一輪數(shù)據(jù)分析。

對(duì)于企業(yè)而言，隨著經(jīng)濟(jì)粗狂式的高速增長時(shí)代過去，接下來會(huì)是更加激烈的存量市場競爭。這要求企業(yè)在經(jīng)營管理、運(yùn)營層面，具備精耕細(xì)作的能力。以往依賴經(jīng)驗(yàn)的經(jīng)營決策方式，將逐步由基于數(shù)據(jù)的科學(xué)決策、精細(xì)化決策所代替。

通過FineChatBI等對(duì)話式BI工具，企業(yè)能夠?qū)崿F(xiàn)數(shù)據(jù)驅(qū)動(dòng)的精細(xì)化管理與運(yùn)營，大大提高決策質(zhì)量和業(yè)務(wù)運(yùn)營效率。對(duì)于企業(yè)來說，這種轉(zhuǎn)變不僅僅是工具上的進(jìn)步，更是生產(chǎn)力和運(yùn)營模式上的重大變革，真正實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的決策和運(yùn)營。

當(dāng)每個(gè)人、每個(gè)企業(yè)的數(shù)據(jù)素養(yǎng)得到提升，那各個(gè)行業(yè)乃至整個(gè)社會(huì)的數(shù)據(jù)素養(yǎng)也將得到提升，這將有力促進(jìn)數(shù)據(jù)生產(chǎn)要素的價(jià)值釋放。無論是數(shù)字經(jīng)濟(jì)的建設(shè)，還是新質(zhì)生產(chǎn)力的提升，都有重要的戰(zhàn)略價(jià)值。

來源：數(shù)據(jù)猿