随着大模型技术的飞速进步，全球企业正步入一场数据智能领域的深刻变革。据知名市场研究机构Gartner的预测，至2027年，中国将有八成企业采纳多模型生成式人工智能策略，旨在实现模型功能的多样化、满足本地化部署需求，并追求成本效益的最大化。然而，企业在享受技术红利的同时，也面临着数据孤岛、分析门槛高等一系列挑战，使得数据价值的释放变得困难重重。
在这一背景下，关于AI技术是否正在重构商业智能（BI），还是仅仅制造了新的数据迷雾，引发了业界的广泛讨论。近日，在瓴羊「数据荟」Meet up活动的第四站中，阿里云智能瓴羊的高级技术专家刘少伟，以《大模型驱动的智能BI分析》为题，深入阐述了“三位一体”的企业级智能BI方法论。他强调，所有产品都值得通过AI进行重塑，BI也不例外。而企业级BI的智能化，需要BI工具、大模型与私域数据三者之间的协同共振。
刘少伟不仅剖析了智能BI的演进逻辑，还以瓴羊Quick BI的实践为例，揭示了数据价值实现飞跃的可行路径。他指出，BI的演进实质上是数据民主化的进程，始终围绕着降低使用门槛和提升分析效率两个核心目标。从传统的BI工具，到敏捷BI的兴起，再到智能BI的到来，BI产品经历了三次重要的迭代。
在传统BI时代，Oracle BIE、IBM等工具占据主导地位，但业务需求的响应周期长、灵活性不足。尽管敏捷BI通过可视化拖拽实现了自主分析，但高阶分析仍依赖专业分析师，业务人员难以深入利用数据。而智能BI的出现，则彻底改变了这一局面。借助大模型技术，自然语言交互成为可能，用户通过简单的问答即可获取数据洞察。
根据Gartner 2024年技术成熟度曲线，与智能BI相关的AI技术，如生成式分析、自然语言查询等，正处于高速发展阶段。刘少伟指出，随着大语言模型的兴起，生成式AI技术迎来了爆发式增长，市场对此狂热追捧，BI领域正经历从敏捷BI向智能BI的跨越。作为国内唯一连续五年入选Gartner魔力象限的BI产品，Quick BI通过不断创新，证明了智能BI的可行性和有效性。
针对“工具+大模型”的简单拼凑式认知，刘少伟强调，企业级智能BI并非工具与大模型的简单叠加，而是BI工具、大语言模型与企业私域数据的深度融合。瓴羊的解决方案构建了“BI工具-大语言模型-企业私域数据”的三位一体架构，其中BI工具提供可视化、高性能分析引擎和安全管控能力；大语言模型通过自然语言交互和推理能力简化分析流程；企业私域数据结合行业知识和内部知识库，确保分析结果的准确性和业务相关性。
刘少伟进一步指出，传统BI的数据连接、建模、分析、协同和消费链条已被大模型全面革新。在数据连接阶段，智能探查与质量分析能够预判数据分布规律；在建模阶段，自动化ETL、智能生成和优化SQL减少了手工编码的需求；在分析阶段，自然语言问答取代了固定报表，实现了多模态结果的实时反馈。
智能BI的发展将实现从效率到深度的跃迁。刘少伟认为，搭建助手、智能问数和洞察分析是智能BI的三大发展方向。其中，搭建助手能够自动化完成数据集构建、报表美化等重复性工作；智能问数打破了数据分析的传统过程，以自然语言问答作为新的数据获取和洞察形态；洞察分析不仅提供描述性分析，还能向用户提供更深度的诊断、预测和决策支持。
作为三位一体架构的落地载体，Quick BI的智能小Q正在重塑数据分析的协作模式。智能小Q提供智能搭建和智能问数两大能力体系，依托通义千问大模型强化训练的领域专用模型和Quick BI原有的OLAP多维分析引擎。智能搭建打破了传统BI的手工劳动困境，一键生成报表、一键美化等功能解放了业务人员的双手。智能问数则重新定义了数据分析的门槛，用户通过自然语言提问即可获取结果，系统自动关联数据管理、知识库推荐等辅助能力。
某饮品客户在测试智能小Q时，选取“经营分析表”作为场景，通过导入企业知识库并强化模型，智能问数的准确率从65%提升至92%，验证了三位一体模式的可靠性。为帮助客户提升智能问数的准确性和实用性，瓴羊还推出了“智能问数调优手册”，详细阐述了数据管理和企业知识库管理等方面的调优操作。
智能小Q还支持深度对接DeepSeek、Qwen-Max、Kimi等主流大模型，用户可在智慧问答模块中按需组合不同模型，实时获取文本、图表、趋势预测等多维度分析结果。智能小Q还支持多步计算，解决传统BI难以处理的复杂分析需求，通过中间结果传递完成多步运算，提升了分析的灵活性和自动化程度。
