雷峰网讯 用天然说话径直向BI软件发问，查询数据，致使教导它进行数据分析，是BI行业的愿景，但往日十余年来未见胜仗者。直到大模子的出现镌汰了天然说话查询数据的时期门槛开云kaiyun.com，这一主见终于具有可行性。以智能化的数据分析就业Chat BI为切口，BI行业找到了AI时期落地的具体场景。

算作BI＋AI理念下的和会居品，Chat BI支合手用户在业务愚弄中的任何时刻唤起一个聊天佑手，用天然说话磋磨多样计较数据，并即时取得回答。运营方在搜检静态报表的同期，也可以就数据变化向AI助手发问，拆解自满背后的原因。从BI到Chat BI，企业在数据运营方面的进犯性需求、探索性想法将被更好地回复。

在AI科技评述与衡石科技首创东谈主兼CEO刘诚忠的访谈中，他向咱们先容了Chat BI的愚弄场景与时期旅途。2022年大模子海潮兴起以来，BI行业关于Chat BI落地的时期旅途存在NL2SQL和NL2DSL两种念念路。前者在数据库表的基础上径直对接大模子进行问答，后者将用户的问题调用BI结构化的查询接口，由BI下发相应查询。

受访者供图

算作新一代BI公司，衡石在居品构建阶段对已有的BI居品进行了调研，从微软Power BI和Looker的教会中发现语义层是BI居品数据分析智商的基础，决定将工程团队的元气心灵趋承在加强语义层智商上。而语义层通过界说业务友好的术语和见解，为DSL的构建提供简化的数据视图，DSL可以基于该视图来计议更逼近业务的语法和语义。

AI期间到来后，BI侧的语义层智商和AI侧的大模子完成了双向奔赴。大模子不需要把天然说话翻译成SQL档次的底层说话，在问数场景中，只需要与中间的语义层进行交互。衡石基于本身语义层的上风，镌汰对大模子建议的要求，走通了NL2DSL的时期旅途。

跟着模子分析智商的升迁，畴昔Chat BI还将匡助用户生因素析报告，针对数据的走势、考虑联系以及数字背后荫藏的瞻念察，提供更清楚的解读。刘诚忠判断，大模子对数据趋势进行臆想妥协读的智商，可能在本年晚一些时候或来岁被大幅增强。

以下是AI科技评述与刘诚忠的对话全文，为便捷阅读，进行了不转换本旨的笔墨调养。

为什么选拔作念BI

Q：AI科技评述：为什么选拔作念BI居品？这个赛谈有哪些选手？

刘诚忠：BI更有成为圭臬化居品的后劲。BI 骨子上是一个用于统计分析的大数据居品，并且对分析数据的种类并不示寂。企业的数据分为几个板块，财务、ERP、marketing、sales和HR，每个业务皆可以用。在BI赛谈，主流厂商包括微软、Tableau、帆软、永洪科技、念念迈特软件、不雅远数据、衡石科技等等公司。

Q：AI科技评述：衡石的BI有什么不同？

刘诚忠：咱们居品的中枢特质是绽放架构，相比像一个BI引擎，可以就业直客，但更多地算作镶嵌式居品面向愚弄软件厂商。这种以镶嵌集成为主的居品形态和配合主见，使衡石在BI赛谈具有一定的各异化定位，因此在国内简直莫得竞争敌手。客户倾向于将衡石界说成BI Engine或 BI PaaS，骨子上皆是在描述衡石的定位。

Q：AI科技评述：除了衡石，国内SaaS厂商在镶嵌式BI居品方面还有什么选拔？

刘诚忠：除了衡石，国内SaaS厂商的选拔时常是自研。软件厂商的工程师们关于BI功能频频忍不住会自研，但数据分析和 BI 的自研老本其实相配高，因此许多客户皆在皆是自研上吃了大亏后找到咱们。

自研的势必闭幕，即是天然可以作念出来，但它会是一个相配轻量的东西。时常自研 BI 需要的团队规模为5~10 东谈主，周期1~2年。BI的基础工程较为容易，可以在这个条目下完成，但后续建模分析、数仓对接权限戒指等细致、复杂工程所需的进一步干预会给研发干预变成巨大压力。好多公司会发现作念到这儿的时候，成就干预依然跟我方主业需要的水平差不太多了，那就显得不对理。一个作念 ERP 的公司，投一堆东谈主作念BI，但事实上 BI 这么的数据类基础器具软件的干预即是未必低于 ERP。

Q：AI科技评述：有企业自研 BI 胜仗的案例吗？

刘诚忠：全球范围看亦然简直莫得的，就算软件巨头如谷歌、Salesforce需要这部分智商也不会自研，会径直发起并购。国内看到阿里自研BI居品相比胜仗。他们的居品可以在阿里云上就业我方的电商群体，这部分群体同期也在柔润居品，是以阿里对居品的打磨可以取得市集反馈。居品是靠市集反馈推着走的，要是一家企业BI居品的反馈来自于本身业务部门，弗成代表市集的反馈，也就无法形成市集竞争力。

Chat BI：BI＋AI和会之旅

Q：AI科技评述：大模子的发展会挤压BI厂商的生计空间吗？

刘诚忠：基本上从2022年底运行，悉数的BI厂商皆在第一时候温雅大模子。因为要是大模子一出现就把toSQL的问题处理得很好，那BI厂商就很危机，大众追想要被折叠了。差未几24年大众才发现，基于BI去作念AI在数据分析上的落地是更求实的，BI这一层应该莫得办法被替代，BI＋AI这种配合平安地才多起来。25年运行，配合的陈迹和契机运行成数倍的增多。

对BI厂商来说，23年是不雅察的一年，24年是共鸣形成的一年，25年应该即是快速成长完了共鸣的一年。

受访者供图

Q：AI科技评述：BI居品奈何和AI时期结合？有哪些愚弄场景？

刘诚忠：作念智能化的问数助手，给企业提供智能化的数据分析就业。衡石从为SaaS软件市集提供BI，升级为提供 Chat BI。后者支合手用户在业务愚弄中的任何时候唤起一个聊天佑手，用天然说话磋磨多样计较数据，并即时取得回答。在数据运营方面，这种随时可以问到某一个数据的就业是之前不存在的。用户需要磋磨分析师，分析师制作报表，再进行调养，这是一个很低效的历程。现时可以用Chat BI处理一些进犯的随需而变的探索问题，这种ad-hoc的需求是很隆盛的。

另外用 BI 器具作念出静态报表给运营方看的时候，Chat BI会有一个AI助手。运营方可以在看报表的同期，随时提一些探索性的想法。比如他看到报表的某个数据飞腾了，就会问是哪个维度上增多了什么东西导致的。这个自满认识出来，原因具体在那处，这些探索可以有时进行，及时的反馈。

Q：AI科技评述：不同的大模子对Chat BI有差别吗？

刘诚忠：差别很大，问数的中枢即是大模子能弗成准确说明问题，有的大模子更准，有的就不准。GPT-4o后果很好，DeepSeek和千问也可以。但对接大模子的历程相对来说是圭臬化的，因为大模子对外涌现的接口即是prompt。无论这个模子是不是开源的，Chat BI把query给它，它以语义层的语法复返，由BI平台再翻译成SQL，完成对数据的查询，把团员的闭幕反馈给客户。

Q：AI科技评述：畴昔Chat BI的居品形态会是Agent吗？

刘诚忠：衡石现时的Chat BI照旧面向真东谈主，比如通过报表傍边的聊天窗口，大致向飞书里的bot发问。但畴昔有很厚情况下会是一个Agent大致AI来和衡石对话，是以咱们对外要提供for Agent的一层，使它可以被别的Agent所识别、辨别和调用。

咱们以后对外即是一个企业级的 BI Agent。衡石依然和Dify集成，用户可以在Dify里完成一个复杂的任务，它认识后其中一步是查询数据，这一步是衡石在撑合手就业。Agent查询，Chat BI进行反应，然后Agent再回到职责流里。咱们算作支合手性的企业级Agent进入一个复杂的任务编排里，承担其中智能问数的行为。

NL2DSL：语义层和大模子的双向奔赴

受访者供图

Q：AI科技评述：为什么采用NL2DSL的时期道路？

刘诚忠：天然说话对数据活泼发问的功能是BI行业十多年来的想法和尝试，亦然 BI 行业的时期趋势。Tableau还特意收购过一家作念NLP的公司，后果也不是很胜仗。原因在于，大说话模子出现之前这项时期相配不熟识，它出现之后通过天然说话查询数据才具有可行性。

创业作念居品构建的时候，咱们就决定将工程团队的元气心灵趋承在加强语义层智商上，但其时的探讨和AI无关。语义层是 BI 作念数据分析的基础智商，Power BI在这方面作念得很好，是以分析智商就强过别的 BI 器具。衡石是2016年创立的，算新一代BI公司，其时把这些居品皆研究过，咱们发现了语义层在悉数这个词居品演进历程中至关重大的作用。2019年，衡石在语义层上就作念得可以了。

（注：衡石采用NL2DSL的形态，将天然说话的磋磨翻译为目的样式说话，由BI层进一步翻译为SQL进行下推查询。）

Q：AI科技评述：语义层上的时期上风在AI期间有什么意念念？

刘诚忠：语义层在BI上的上风，在 AI 上亦然上风。大模子出来之后，可以说语义层智商更有效武之地，不需要大模子把天然说话翻译成SQL那么底层的说话，只需要翻译成中间语义层的说话即可，这对大模子建议的要求更低了。其实也只消镌汰对大模子的要求，Chat BI才更有可行性。因为从时期道路的角度，大模子不擅长精确的数据分析场景，这也不是大部分模子厂商要发力的规模。恒久来看，BI行业的落地愚弄门槛下跌了，数据分析和数据智能愚弄愈加普及，AI是悉数BI厂商的红利。

Q：AI科技评述：AI还给BI行业带来了什么影响？

刘诚忠：除了径直的问数，对分析报告生成也会有匡助，但这种匡助很猛进度上依赖于垂直规模常识，这是 AI 现时跟数据结合还不太熟识的方面。AI数据分析现时是第一阶段，用户对好多目的的发问可以有时被准确识别。第二阶段是关于数据的走势、考虑联系以及数据背后荫藏的瞻念察，可以给东谈主更明晰的解读。咱们判断，大模子对数据趋势进行臆想妥协读的智商，可能在本年晚一些时候或来岁会被相比大幅地增强。但这个咱们判断取决于垂直规模模子的发达，才调确凿落地。

Q：AI科技评述：这是否对大模子的分析智商建议了更高的要求？

刘诚忠：这需要它有相配强的分析智商。大模子时期的基础趋势会让它的分析智商越来越好，但现时的推理模子还不太实用，是以咱们主流使用的大模子照旧DeepSeek-V3。咱们也在不雅察DeepSeek-R1，然则在问数、解读报告生成的场景中它并莫得畸形的上风。同期，要津还在于垂直规模的行业性数据算作要津语料对垂直模子的匡助，不仅仅大模子片面的瓶颈。

Q：AI科技评述：你评价模子性能更温雅它在具体行业场景中的实用性吗？

刘诚忠：大众确凿温雅的是零卖、制造、医疗这些具体行业，一项时期要是很先进，最重大的是能拿来使用。比如BI，咱们温雅的是能弗成落地到数据分析、分析报表可视化的具体场景里，因此会从一个很实用的角度来检会 AI 的智商。每个行业我方的需求皆很施行，行不行拿过来试一下。

Q：AI科技评述：To B就业中莫得效户敢深信大模子有时输出的内容，但AI的骨子即是寻求概率，是以大模子使用后果会不会不安稳？

刘诚忠：对，是以大模子在To B落地很艰巨。To B即是要精确开云kaiyun.com，现时模子的智商在严肃数据的场景中太稚嫩，咱们莫得看到太多的锻真金不怕火和落地的简直后果。咱们的价值亦然在大模子智商不够高的近况下发奋升迁他的精确性。企业用大模子径直问数的准确率可能只消30％，咱们BI能帮它提高到80％、90％以上，基本达到可落地的进度。