对话数据事业部负责人李进闯，探索AI时代的数据分析前景

　　在AI技术浪潮席卷全球企业的背景下，很多企业都在卷ChatBI这个细分赛道。那么，对于中国管理软件的领头羊用友来说，到底怎么看？在《AI数据分析之ChatBI发展与应用实践》白皮书撰写期间，笔者有幸采访了用友数据事业部负责人李进闯。在他看来，ChatBI正以对话式交互模式重构数据分析格局。而用友数据服务部门目前在通过产品侧创新，结合过往在行业的积累，拉通技术革新与用户需求之间的鸿沟，让用户取数用数更方便。

　　从BI到ChatBI的范式跃迁

　　忽如一夜春风来，ChatBI突然摇身一变，成为智能分析的“主角”，新技术狂热追捧背后，到底发生了什么？

　　随着ChatBI大幕的拉起，BI这个曾经的”王者”再次出现在大众视野。回顾商业智能发展史，经历了一段野蛮生长的早期发展阶段，主要通过DSS（Decision Support Systems，决策支持系统）辅助企业决策，数据准确性一般是97%左右，即便有数据错了，下一步还可以通过人为去判断。

　　“AI时代，让数据触达效率提升了一个量级。” 李进闯指出，ChatBI的诞生正是为了打破终端限制，通过自然语言交互实现“人人可用数据”，将数据赋能从专业岗位扩展至全员。

　　AI崛起之后，发生了几个重要变化：1）用数人员增加。不再像DSS那样，只是几个人在进行数据分析，而是发展到全员用数；2）数据准确性要求提升。企业做决策的思路开始转变，所有行为都以数据为导向，不再凭个人的主观意识去决策。3）时效性加快。传统BI的时效性都是T+1,或者T+7，T+30.不是企业过去没有时效性要求，是因为技术能力不足，时效性要求达不到，取一次数很贵。有了ChatBI，时效性可以达到T+0.5小时，T+5分钟，T+1分钟……越来越接近于实时。4)从事后分析做到事中和事前的预测。传统BI做不到事中的监控、事前的预测，而AI可以有效解决这一问题。5）数据分析范围变得更广。之前传统BI只能分析结构化数据，而ChatBI不仅能分析结构化数据，还能分析非结构化数据，包括可以打标签，置入一些专家经验等。

　　既然这样，是不是意味着有了ChatBI，传统BI就不再有应用空间了呢？并非如此，ChatBI和传统BI并不是强绑定的关系！

　　从简单问数到预测决策能力的穿透

　　目前，各路大军都在部署ChatBI，包括领先管理软件企业、互联网大厂和专业BI厂商等。可以说，各有特色，每家企业都在根据自己的强项和一些可实现的技术定义自己的产品。

　　按照技术路线来看，一种是利用自然语言直接转SQL的技术，比如：互联网大厂基本走的是这样一条路线。第二种是基于报表进行技术升级，一些传统的报表厂商会基于报表集的结果去问数。第三种，是基于指标平台和模型去问数，适用于一些在数据分析领域有深厚积累的企业。

　　而从具体的产品展现形式上看，不外乎以下几种：

　　1、交互式分析。一般是指基础问数场景（如查询客户数量），无需依赖传统BI。

　　2、假设性分析。模拟变量影响（如原材料价格波动对成本的影响），需借助模型计算和传统BI能力。

　　3、预测性分析。包括销售预测、库存优化等，结合历史数据与外部趋势。

　　4、专家经验性分析。利用非结构化数据打标签，辅助战略决策。

　　那么，针对市场上各种各样的ChatBI产品，用户是如何使用的呢？以制造业为例，这类企业的应用场景主要聚焦于销售预测与排产优化。某汽配企业通过ChatBI将预测周期从年度缩短至月度，极大地降低库存成本。再以零售业为例，这类企业更关注安全库存管理。一些化妆品门店可以基于AI监控实现每周库存调优，让缺货预警响应时间大幅缩短。

　　数据安全性与场景深度适配的破局挑战

　　“数据安全是To B场景的生死线。” 李进闯强调，国资央企特别看重数据的安全性，这也是很多企业选择私有化部署与本地化调用的根本原因。

　　针对大模型结果不可控问题，除了幻觉与权限设置的原因，还有一个最致命的问题，就是数据的可靠性或者叫做黑盒问题。在人类发展史上，一直在寻找世界的规律，按照规律做事，比如通过牛顿第一定律研究苹果为什么会掉落。但是，大模型颠覆了这个逻辑，当你把数据给到大模型，他自己根据数据可以去总结这个规律。并且，今天总结的规律和明天不一样，中间计算的过程不可知。对于TOB企业来说，数据的可靠性是基本要求，如果不知道数据是如何算出来的，就没有办法判断你是否准确。

　　另外，就是深入场景的专业术语的理解。比如：收入问题，在不同的企业，或者企业的不同发展阶段、不同场景，提到“收入”这两个字，概念都不一样。一般，小一点的公司，所谓“收入”是指含税的发货收入，这类企业更看重占市场的能力；而对于大型公司来说，收入就变成了不含税的收款收入，公司更看重利润。同时，在公司成长过程中，对于收入的定义也不尽相同。ChatBI要想深入用户场景，还得做很多功课。

　　面对市场上多种产品布局与各家厂商的技术路线差异，用友的竞争优势在于，企业场景的深度理解。多年来，用友一直深耕垂直行业指标体系，目前已预置千家企业实践模型。基于YonGPT这样一个大的模型基座，用友ChatBI可以帮助用户走向“人人都是分析师”这样一个智能问数阶段。ChatBI并不是一款单一的产品，用户可以把它“一分为二”，解决黑盒和专业术语无法理解的问题。用友通过指标平台将AI计算过程转化为可追溯的SQL语句，确保企业数据的安全性和可靠性。值得一提的是，这个指标平台是可视化状态，人工可以干预、调整、设置权限，等于把ChatBI的黑盒变成了白盒。这种指标平台的能力，区别于其他报表式的模型思路，更能适应很多行业定制化场景，使得用户可以在标准的领域模型基础之上，更方便地去增加其行业特性。

　　ChatBI将成为企业智能重要入口

　　“未来，ChatBI可能成为企业重要的数智化入口。” 谈到ChatBI的发展愿景，李进闯认为数据分析的能力边界正在无限扩大。

　　通过集成财务、营销等Data Agent，ChatBI正实现从数据查询到决策执行的全链路自动化。从为企业管理赋能的角度来看，ChatBI正在加快向各个业务场景渗透，财务、营销、供应链、招聘等，都可以拥有自己的问数、用数能力。相信几年过后，ChatBI很可能会发展为企业级AI Agent的调度中枢，让各个部门都能自主执行工作任务，比如：总经理可直接通过对话调度会议安排、审批流程等操作。

　　总结而言，用友ChatBI的卓尔超群，标志着企业数据分析从“工具驱动”向“场景驱动”的质变。在数据准确性、行业适配性上，其技术架构与商业模式正为AI时代的企业数字化提供新范式。正如李进闯所言：“数据变现的时代，不是拿着锤子找钉子，而是让每个决策都有数可依。”