随着人工智能技术的飞速发展，尤其是AI大模型的兴起，BI领域正迎来一次革命性的升级。AI的加入不仅仅是技术的叠加，它正在重塑BI的实践方式，使得数据分析更加智能、高效，并且易于操作。本文将深入分析AI技术如何推动BI变革，以及帆软对智能问答BI的探索与实践。

一、AI+BI的可行性分析

1.BI市场发展趋势

商业智能（BI）市场正经历着前所未有的技术革新。随着数据量的爆炸性增长，企业对深度数据分析的需求愈发迫切，推动着BI技术从传统的报表和仪表盘向自动化和智能化的新阶段发展。如今，随着AI大模型技术的崛起，BI领域迎来了新的变革，完成了4个阶段的技术突破与更加智能的形态发展：

接着便是目前的第四阶段「智能BI」，基于LLM技术，在AI大模型强大的数据处理能力和自然语言处理技术的基础上，通过自然语言互动，帮助企业决策者能够从海量数据中快速提取有价值的信息，提升数据分析的效率和准确性，以支持复杂的业务决策。

2.AI到底如何赋能BI？

AI与BI的融合，即AI+BI，是一种将人工智能技术集成到商业智能实践中的方法。这种融合利用AI的智能化处理能力，显著提升了BI系统解决复杂业务问题的能力。

在处理结构化数据时，BI系统可以采用更先进的机器学习技术，以获得更加精确的分析结果。以市场营销为例，结合AI的BI系统能够在用户细分的基础上，进行更为细致的个体用户分析，从而制定更为精细的个性化营销策略。而对于非结构化数据，AI+BI也可以智能化处理复杂的BI场景。例如，通过AI的图像识别、语音处理和文本分析技术，可以自动化地处理BI系统中的复杂任务。在数据录入时，AI+BI可以利用语音识别技术来录入信息，简化驾驶舱和数据可视化的制作过程。

但AI技术本身非常复杂，导致AI+BI的部署和维护需要较高的成本，实际落地面临挑战。面对这一问题，帆软通过结合小模型的模糊匹配和大模型的技术优势，提出了一种更能落地的“AI for BI”解决方案。该方案不仅利用了大模型在处理大量数据和复杂问题时的强大能力，还通过规则模型和智能匹配技术，确保了决策过程的透明度，提高了系统的可解释性和准确性。

帆软的“AI for BI”解决方案注重落地性，考虑到企业管理系统的稳定性需求和成本效益，我们探索出了一种更加成熟的智能问答BI产品——FineChatBI，作为企业高效可靠的数据分析和决策支持工具。通过这种方法，帆软能够帮助企业克服AI技术落地的难题，实现BI实践的智能化升级。

二、帆软问答BI产品探索

1.“AI for BI”落地

在“AI for BI”的理念指导下，帆软积极探索问答BI产品，以实现更高效和易用的数据分析体验。迄今为止，我们已经在两个大方向上进行了探索：提升产品流程效率和降低用户使用门槛。

在提升产品效率上，帆软研发了「AI 小助手」，嵌入到原有的FineBI产品当中，集成[公式生成、组件制作、数据编辑、看板美化、分析报告]五个功能来增强BI产品的制作效率。在降低使用门槛上，帆软孵化了「对话式 BI」产品FineChatBI，这是一个以对话为核心入口的产品，旨在简化用户与BI系统的交互，使得数据分析更加直观和易于访问。FineChatBI通过自然语言处理技术，允许用户通过提问来获取数据和分析结果，从而减少对专业技能的依赖。

在探索这两大类场景的过程中，帆软通过与客户的合作验证了两款产品的实际效果，并收集了客户反馈。虽然AI小助手在提升分析师效率方面表现出色，但通过降低数据消费门槛，让更多业务用户能够直接使用BI产品，带来的整体价值更大。因此，在当前阶段，帆软将重点放在对话式BI工具FineChatBI上，目的是让更广泛的业务用户能够直接利用数据来发挥其生产力价值。

2.核心技术架构

「对话式 BI」的核心技术是 Text2SQL——将自然语言转化成具体的数据查询语句。这一技术是实现对话式业务分析工具的关键。FineChatBI以可信查数为基础能力，构建「思路拆解 → 数据查询 → 异常检测 → 归因分析 → 趋势预测 → 报告生成」整个分析闭环。为了支持这一过程，FineChatBI的核心技术架构包括以下几个方面：

（1）Text2DSL技术：FineChatBI利用 Text2DSL 技术将取数这一环节做到极致，采用完全可控的方式取到可信的数据，实现精确的数据检索和提取，确保用户查询的准确性和数据的可信度。

（2）大模型应用：通过集成大语言模型，FineChatBI能够理解和生成业务分析知识，帮助业务人员构建分析思路，补齐他们在数据分析方面的认知和能力上的差距。

（3）多技术融合：FineChatBI结合了传统机器学习、深度学习、知识图谱以及大语言模型等一系列AI相关技术，以解决不同的业务分析问题。技术选型时充分考虑了每种技术的适用边界，确保以最合适的技术解决正确的问题。

3.问答BI产品应用

FineChatBI作为一款对话式业务分析工具，核心理念是通过对话这一自然交互形式，使业务分析更简单、更易上手。FineChatBI的用户场景细分为三个主要部分，每个部分都旨在通过对话交互简化业务分析流程，提高效率，并降低技术门槛：

（1）对话式数据查询：面向业务人员，FineChatBI提供快速访问业务指标的功能。支持在日常工作、业务会议或出差途中即时查询数据。通过自然语言输入，业务人员就能够迅速获得所需的业务数据。

（2）对话式数据分析：通过对话式交互，帮助业务人员从数据中提取业务相关的结论。简化分析过程，即使是不具备数据思维的业务人员，也能通过简单的问答形式进行深入的数据分析。

（3）对话式资产检索：允许业务人员轻松找到BI系统中已有的资源，如看板、指标和组件。通过对话式搜索，减少在复杂的BI系统中寻找特定资产的时间，促进资源的复用，提高团队的工作效率。

无论是快速查询数据、深入分析业务问题，还是检索和利用现有的BI资产，FineChatBI都旨在通过其先进的技术，让业务人员能够更加专注于业务决策，而非技术细节，从而提升整个组织的数据分析能力。

三、问答BI具体功能

FineChatBI作为帆软在对话式BI领域的突破性成果，不仅体现了AI技术在BI实践中的可行性，还解决了传统BI工具使用门槛高、操作复杂的问题。业务人员可以通过对话模式进行查询和分析，并依据选定的主题和数据模型生成可视化数据分析。同时可以利用归因分析来揭示结果背后的根本原因，预测可能存在的业务问题。

1.定义数据源

FineChatBI复用了FineBI的【主题模型】能力，业务人员可以基于主题下的模型数据进行问答，并在问答过程中切换主题和模型。

2.输入联想与模糊匹配

FineChatBI会针对所输入的问题进行提前阅读，对于模糊的字段和意图不明确的问题，FineChatBI会通过模型匹配相似问题，生成分析思路和可视化组件。业务人员可以分析这些思路，判断是否满足需求，从而进⼀步提升问答精准度。如果不满意，可以选择推荐的类似问题进行提问。

3.意图解析与调整

可以一键切换图表类型、开放图表生成规则，自定义切换图表指标及口径，以适应在问答过程中对指标口径的即时调整。在问答中，业务人员也可以随时干预意图解析过程，从而获得更准确的结果。

4.思路拆解与推荐问题

FineChatBI自动筛选并提供最佳解答作为回应，同时生成多个次优解作为可能的相关问题供用户参考。从而在提问表达不够明确的情况下，精准捕捉和对齐业务人员的查询意图。

5.归因分析与分析报告

FineChatBI提供了对多维度问题进行归因分析的功能。业务人员可以利用智能推荐系统来确定分析的维度，或者根据需求自定义分析维度，以挖掘对指标值有重大影响的因素。通过这种针对性的维度拆解，业务人员能够更精确地识别问题根源，并深入理解数据背后的复杂关系，从而提升业务数据分析的效率。

6.多轮问答

FineChatBI支持在相同业务领域内进行连续提问，系统会自动记录前一个问题的背景信息，方便业务人员在提出下一个问题时，无需重复提供上下文，从而保持了分析思路的连续性和流畅性。

7.生成仪表盘

通过问答交互产生的数据图表可以作为组件直接保存在FineBI仪表板中。业务人员可以在仪表板上快速访问和查看关键数据，同时也可以与其他团队成员共享这些数据，促进团队协作。

通过上述步骤，FineChatBI帮助用户完成了从数据收集、分析到共享和协作的完整业务分析闭环。业务人员可以更加专注于数据分析本身，而无需担心数据管理和协作的问题，从而更高效地实现业务目标。

四、结语

AI大模型的发展推动着BI领域进行一场革命性的变革。而帆软通过创新的智能问答BI产品——FineChatBI，正在引领这一变革，用AI技术赋能BI产品，重塑数据分析的方式与流程。FineChatBI利用Text2SQL技术，将自然语言转化为数据查询语句，实现了对话式业务分析。它通过模糊匹配、意图解析、思路拆解等功能，使得业务人员能够通过自然语言与系统交互，快速获取数据和分析结果。这种对话式交互不仅简化了数据分析流程，提高了分析效率，还降低了技术门槛，让业务分析变得更加容易和直观。

一直以来，帆软致力于实现“人人都是合格的业务分析师”的目标，让每个业务人员都能够利用数据分析来支持业务决策。我们也在不断深耕人工智能BI应用场景，期待为用户带来更好的使用体验。