瓴羊副总裁王赛：做真正可商用的ChatBl，坚持智能准确性与数据安全性

9月20日,瓴羊智能科技(以下简称瓴羊)在2024云栖大会上举办了“Data × AI:企业服务智能化,价值增长新动能”专场论坛。阿里巴巴集团副总裁、瓴羊智能科技CEO 朋新宇在会上发布产品年度智能化战略:“(算法+算力+数据) x场景”,强调企业必须重视场景,只有通过解构场景、重构业务,才能真正拥抱AI,带来突破性增长。其中在数据分析领域,瓴羊副总裁王赛分享了「Dataphin和Quick BI的长期主义与AI创新」的主题演讲。王赛提到,数据分析依然是大数据领域最普遍、最有用的场景,是AI时代帮助企业找到成功的关键方法。

随着技术的进步和应用的普及,数据分析正逐渐演变,从传统的报表迈向深入的业务洞察和决策支持。对于企业而言,除了商业模式、运营方法创新外,能够利用好自身业务数据,并回向赋能业务,才能实现长久持续的成功。

在王赛看来,企业要建设好数据,需要从这三层数据架构入手:

1)底层架构:首先要将数据存储起来,并确保计算能力的支持;

2)数据治理与应用:在获得数据后,需要对其进行生产、加工和治理,将原始数据转化为数据资产;

3)分析与可视化:提供便捷的可视化工具和洞察分析,是完成大数据分析的基础。

从事大数据行业18年,王赛切身感受到技术进步对于行业发展的推动力。

“十几年前,金融、电信企业构建数据仓库时,使用的软件几乎清一色都是国外产品。到如今,我们的数据产品在行业中已经表现得相当出色,为客户提供了不少优质的落地方案。”王赛说。

今年6月,Quick BI连续第五年入选Gartner®分析和商业智能平台魔力象限,成功巩固其业内「挑战者」地位。这也是中国唯一一款入选Gartner ABI魔力象限的BI产品。

国产大数据工具取得的长足进步,让更多企业实现了技术普惠,也让更多业务人员把数据「用」起来。

智能准确性与数据安全性并重

这一年,随着大模型在数据应用端的驱动,业内不少厂商推出了ChatBI类产品,但基于大模型的NL2SQL在一些关键领域的表现却不甚理想,甚至很难满足用户需求。

比如在问数场景覆盖度(如汇总、占比、趋势、排名、同环比等)、复杂计算的兼容性(包括聚合二次计算、筛选聚合再筛选、动态环比等)、权限管理(如行列权限等)、可视分析(图表呈现、筛选排序的二次交互等)、以及模糊语义识别能力(如习语、缩写等)等方面的表现不佳,导致企业在实际应用中「问」不起来。

如今,Quick BI 智能问数(ChatBI)凭借多年积累的商业智能分析(BI)经验和对垂直领域的深入理解,在上述五大方面都表现出色。尤其是在复杂计算的兼容性和模糊语义识别能力方面表现尤为优异,使得企业能够“大胆问起来”。

会上,王赛针对上述能力提升进行了现场演示,对于一些真实业务场景,如销售场景进行了还原:

如电商平台销售场景中,想了解销售额大于1万的省份这类问题,就体现了智能问数(ChatBI)二次复杂计算能力。

对于模糊语义的识别,当前智能问数(ChatBI)也能轻松识别并理解。如提问中「小郑」定位到「郑强」。

此外,Quick BI还为企业客户考虑到了精细化权限管控需求,当前支持问数权限分层管理,可以灵活设定管理人员与使用者。这一点满足了企业内部按业务组织开放权限的需求,数据权限甚至可管控到表格行、列,极大地保障了企业数据安全管理。

能让企业「问」起来,才是真正的ChatBI

当前,Quick BI的智能问数(ChatBI)能力已经成功应用在各行业业务场景之中。

在某大型乳业品牌供应链场景中,Quick BI帮助企业在内部建立了智能问数体系,支持业务部门以自然语言问答方式,快速获取数据以及高效定位原因。Quick BI提供了一系列解决方案,包括自然语言问答、多维度灵活查询、多时间粒度指标表现分析,以及查询结果的可视化展现。

在能源领域,Quick BI帮助某能源国央企实现了自然语言交互式的数据即时问答。系统支持多样化的提问方式,包括快捷提问、直接输入问题、基于问数结果的进一步数据筛选和图表切换,全面满足了业务日常使用的需求。同时,该企业数字化部与市场营销部联合开展了针对某项关键流程指标的多维自助问答,进一步提升了数据的可用性和响应速度。

如今,Quick BI智能问数(ChatBI)已成功落地几十家头部企业,并预计在9月底结束公测正式商业化。