2023爱分析·对话式分析市场厂商评估报告：飞算科技

01

研究范围定义

研究范围：

大模型是指通过在海量数据上依托强大算力资源进行训练后能完成大量不同下游任务的模型。2023年以来，ChatGPT引爆全球大模型市场。国内众多大模型先后公测，众多互联网领军者投身大模型事业，使得大模型市场进入“百团大战”阶段，2023年成为公认的“大模型元年”。

企业用户方面，大模型的应用速度之快超乎想象。2023年初，企业管理层对大模型的话题还停留在大模型是什么，是不是概念炒作。短短半年，大模型已经从饭后谈资走向落地应用。大企业管理层们希望了解到大模型能为企业发展带来哪些变革，大模型的应用路径是什么，如何提升大模型的投资回报率，以及应该为拥抱大模型做哪些准备。而且，大模型吸引的人群也愈发广泛，不仅吸引CIO、CTO等技术管理者的关注，CEO、CMO等非技术类管理者同样期待大模型在业务中发挥价值。这些转变表明，大模型的变革之力正日益得到产业界的认可。

通过对市场规模数据的分析，能较为直观地体现出企业对大模型应用落地的热情。爱分析数据显示，2023年中国大模型市场规模约为50亿元（人民币，下同）。2023年，企业在大模型方面的采购特点是论证多、采购少，各企业计划在2024年开始大量释放大模型预算，因此市场规模将大幅增长，预计达到120亿元。

爱分析认为，大模型市场从技术架构角度可以划分为基础层、模型层、中间层和应用层。基础层是指为大模型训练推理而提供的基础环境，包括湖仓一体、向量数据库、智算中心、大模型安全流通平台等。模型层是指基础大模型以及微调后的大模型，包括通用大模型、行业大模型、领域大模型和企业大模型。中间层是模型层和应用层之间的“桥梁”，有利于大模型在各种实际场景快速落地，包括大模型应用开发工具、LLMOps工具等。应用层是指大模型应用和解决方案，包括知识库问答、智能客服、对话式分析等。大模型市场划分详见下图。

本评估报告聚焦对话式分析市场，爱分析遴选出具备成熟解决方案和成功案例的厂商，供企业做厂商选型时提供参考。同时，在该市场下，爱分析重点选取了对话式分析厂商飞算科技进行能力评估。

02

对话式分析市场分析

市场定义：

对话式分析是指将大模型与数据分析相结合，改变原有的交互方式与工作流程，致力于更好地支撑企业管理层和业务部门数据分析需求。

甲方终端用户：

企业管理层、业务部门

甲方核心需求：

随着大模型带来能力突破，让AI与数据分析相互结合，使分析结果更好地支撑企业管理和业务发展，促进企业内部数据价值释放，成为了当下企业尤为关注的话题。爱分析认为，对话式分析是大模型在2024年的重要落地场景之一。核心原因在于对话式分析正在朝着逐渐降低门槛，增强企业业务部门自主性，从而实现自助式分析能力的方向发展。

企业对对话式分析有两项核心需求，一是借助大模型实现更准确的意图理解和SQL生成，二是借助大模型实现深度分析。

• 借助大模型实现更准确的意图理解和SQL生成。传统的取数过程中，用户需要明确掌握SQL语言和相应的数据库结构来提取所需信息。随着NL2SQL技术兴起，用户只需使用自然语言描述需求，由后端系统将其转换为适当的SQL语句，简化了查询过程。但NL2SQL技术仍有缺陷，其自然语言处理能力较弱，在处理模糊查询和复杂意图查询方面存在挑战。例如，NL2SQL技术难以解决像“我想查询公司内部有多少本科以上学历的员工”这种问题，该模型可以准确识别“本科”一词，但难以理解“本科以上”这四个字。大模型为NL2SQL带来了更强大意图理解能力，在处理模糊、多义或复杂的用户查询时，系统可以更准确地识别用户的真实需求。当然，在大模型出现之前，市场上也存在解决以上问题的方法。这是主要依靠项目化的方法，通过不断的配置和人工微调的方式来解决查询模板无法处理的问句。该方法导致项目交付周期长、成本投入大，并且长期需要运维人员持续维护。

  除在意图理解方面的优势外，大模型在SQL生成方面也可以给企业带来更好的体验。2023年8月，Defog团队推出SQLCoder大模型，专门用于将自然语言问题转化为 SQL 查询。这是一个拥有150亿参数的模型，在自然语言到SQL生成任务上，其性能略微超过gpt-3.5-turbo，并且显著地超越了所有流行的开源模型。

• 借助大模型实现深度分析。取数可以视为分析的前置动作，也可以视为浅层分析。其属于描述性分析，用于回答“发生了什么？”，核心要求是呈现全面、准确、实时、可视化的数据。除此之外，企业还需要诊断性、预测性和处方性数据分析。诊断性分析用于回答“为什么会发生”，核心要求是能够深入了解问题的根本原因。预测性分析用于回答“未来可能发生什么”，核心要求是通过历史数据来预测未来。处方性分析用于回答“现在我应该做什么”，核心要求基于数据和分析技术提出具体建议。诊断性、预测性和处方性数据分析需要用相关性分析、预测性分析、因果推断等分析方法来具体实现。企业对对话式分析的期待不局限于取数，而是希望它在深度分析方面可以发挥更大价值。

图表1：数据分析的四个层次

厂商能力要求：

厂商需要满足两项能力要求，一是具备限定查询边界的能力，二是具备训练或微调大模型的能力。

• 具备限定查询边界的能力。为保证取数准确率，目前主要采用限定查询边界的解决思路。具体而言，有两种实现路径。一是将大模型与宽表或语义层相结合，运用宽表和数据源来构建语义层，继而在该语义层上进行相应的匹配和查询。这类模式的具体操作方式是，先去精准地匹配到语义层，如果未能实现精准匹配，一般会通过一个亿级别的小模型先去精准地匹配到宽表，然后基于宽表再用大模型去做理解，二是基于指标平台，这一点与前面提到的语义层颇为相似，是把常见的指标先基于宽表进行计算，如果再运用自然语言查询指标，其精确度会相对较高且基本上具备可控性。这种方式能够在一定程度上降低幻觉现象。

• 具备训练或微调大模型的能力。企业可以直接用基础大模型进行相关性分析和预测性分析，但效果欠佳。需要厂商对基础大模型进行训练或微调，一是强化其各项数据分析的能力，二是提升多轮对话能力，因为深度分析时往往需要用户与系统的多次交互才能获得最终结果。当前，通过大模型实现因果推断难度较大，对厂商而言不属于必要能力项。

入选标准说明：

1. 符合对话式分析市场分析的厂商能力要求；

2. 近一年厂商在该市场至少服务1家企业（含POC）。

03

厂商评估：飞算科技

厂商介绍：

飞算数智科技（深圳）有限公司（简称“飞算科技”）是一家坚持自主创新的数字科技公司，作为新一代数字化技术服务专家，飞算科技以互联网科技、大数据、人工智能等技术为基础，结合多年实践经验推出一系列数字科技产品。致力于为民生产业、中小企业、金融企业等客户提供科技支持与服务，助力客户实现科技化、数字化、智能化转型升级。

产品服务介绍：

飞算科技拥有产业数字化服务、软件科技服务、数据治理服务、数智应用服务、产业科技服务、数字决策服务等六大业务板块，涵盖SoFlu软件机器人、SoData数据机器人、AI.Modeler建模机器人、AI.Insight、产业数智通等产品及解决方案。

飞算科技积极将旗下产品及解决方案与大模型融合，已取得一定成果，AI.Insight是其中代表。AI.Insight是一款AI赋能的数据分析产品，它在企业数字化转型过程中发挥承上启下作用，形成以数据为基础的业务决策支撑，提高企业决策的准确性。AI.Insight属于通用产品，不局限于特定行业。

图表2：AI.Insight 技术架构

厂商评估：

数据分析与决策支援是大模型的重要落地场景之一。借助大模型，数据分析正朝着企业业务部门自助式分析方向发展。飞算科技的AI.Insight 以大模型为技术支撑，支持业务人员与企业数据实现对话式交互，规避以往业务人员与IT/分析人员的“交流鸿沟”和复杂流程。并且，AI.Insight提供可视化分析、异常分析、自动算法分析等多项能力，实现一站式数据分析，解决分析工具割裂难题。同时，飞算科技还以AI.Insight为核心打造客户运营全流程解决方案，助力企业可持续发展。

• 飞算科技具备完善的数据分析方法论，有利于建立企业业务部门对AI.Insight的价值共识，推动立项。飞算科技深耕数据分析多年，已搭建一套完善的数据分析方法论，该方法论明确展示企业决策与数据分析方法的关联关系。具体而言，飞算科技认为从数据到决策的过程包括四个环节，分别为“发生了什么”、“为什么发生”、“将发生什么”和“我该怎么做”，依次对应描述性分析、诊断性分析、预测性分析和处方性分析。

图表3：数据分析过程、方法及工具

并且，飞算科技对当前企业数据分析痛点有深刻认知，将其归纳为“分析工具割裂”、“人的沟通割裂”、“流程复杂”三个方面。基于数据分析方法论和痛点认知，飞算科技可以快速诊断企业在数据分析方面存在的问题，与企业业务部门达成共识，进而推动立项。

• 以大模型为技术支撑，AI.Insight支持业务人员与企业数据实现对话式交互，规避以往业务人员与IT/分析人员的“交流鸿沟”和复杂流程。数据分析领域的最大痛点：懂业务的人不懂技术，懂技术的人不懂业务，即技术部门与业务部门的割裂造成沟通困难。两类群体的沟通过程主要有四个痛点。一是业务人员无自主分析能力，需要向IT提出分析需求。二是业务人员提出需求给IT/分析人员，往往出现IT/分析人员对需求的理解存在偏差。三是IT/分析人员数据整理复杂，业务人员借助分析工具进行数据分析，时间周期长。四是给出的分析结果并不能满业务需要，从而往复沟通。

  AI.Insight应用大模型的自然语言交互能力，让业务人员可以自主跟企业数据直接交互，并将分析结果通过自然语言生成业务人员易理解的语言描述。该方式规避了业务人员与IT/分析人员沟通难的问题，让分析周期从数周缩短到数日。

• AI.Insight提供可视化分析、异常分析、自动算法分析等多项能力，实现一站式数据分析，解决分析工具割裂难题。不同分析目的需透过不同分析工具才能达成，企业使用数据进行决策时一般需要综合使用传统BI工具、编程工具、建模平台、情境模拟等多种工具，分析工具割裂造成数据分析成本较高以及效率较低。

  AI.Insight将多种功能集于一身，可实现一站式数据分析。具体而言，AI.Insight有四个亮点功能。一是异常分析，AI.Insight可以自动对数据进行时序异常检测、因果关联、波动归因等原因分析，并给出结论性描述。二是自动分析，AI.Insight可以对数据洞察点进行Auto OLAP分析，支持上卷、钻取、切片、切块等多维度分析与多种机器学习算法分析。三是客户特征分析，AI.Insight基于数据洞察点进行客户特征分析，定位目标客户群体。四是智能图表推荐，AI.Insight通过智能图表推荐引擎展示合适的图表，并支持用户灵活切换图表。

• 飞算科技以AI.Insight为核心打造客户运营全流程解决方案，助力企业可持续发展。经济发展放缓，行业红利消退，企业逐渐重视存量客户运营。较多企业希望能充分地释放存量客户的复购潜力，将其作为业绩增长重点。但是，多数企业使用的方式比较传统，它们依赖经验法则和人工操作，导致效果欠佳。

  飞算科技以AI.Insight为核心，结合AI.Modeler自动建模平台和AI.Marketer自动化营销平台，为企业提供客户运营全流程解决方案。该解决方案可应用于“高潜力存量客户名单筛选”、“客户唤醒与交叉销售”等多个场景，助力企业实现高效的客户运营。

典型客户：

某国有银行重点分行、某知名餐饮连锁企业

04

入选证书