“小李，幫我分析一下我們的貸款業(yè)務(wù)增長趨勢如何？哪個(gè)分支行的表現(xiàn)最好？新開設(shè)的線上理財(cái)產(chǎn)品的銷售額是多少？馬上給我一個(gè)分析報(bào)告”，某大型銀行的副總經(jīng)理王先生，對李經(jīng)理提出了這樣的數(shù)據(jù)分析需求。為了完成這個(gè)任務(wù)，李經(jīng)理需要從銀行的數(shù)據(jù)平臺中獲取和分析數(shù)據(jù)，以回答領(lǐng)導(dǎo)的問題。然而，這可能涉及到一些復(fù)雜的數(shù)據(jù)操作，如連接不同的數(shù)據(jù)源（例如貸款數(shù)據(jù)庫和理財(cái)產(chǎn)品數(shù)據(jù)庫）、過濾和聚合數(shù)據(jù)、創(chuàng)建數(shù)據(jù)可視化圖表等。

以上，只是一個(gè)業(yè)務(wù)人員進(jìn)行數(shù)據(jù)分析的模擬場景。事實(shí)上，隨著各行各業(yè)數(shù)字化轉(zhuǎn)型升級的持續(xù)推進(jìn)，類似的數(shù)據(jù)分析場景已經(jīng)遍布各個(gè)領(lǐng)域。隨著數(shù)據(jù)驅(qū)動(dòng)決策在全球范圍內(nèi)的廣泛應(yīng)用，數(shù)據(jù)分析的價(jià)值日益凸顯。然而，傳統(tǒng)的數(shù)據(jù)分析方法往往需要深厚的技術(shù)知識和專業(yè)技能，這在一定程度上限制了其在更廣泛的場景中的應(yīng)用。隨著科技的發(fā)展，數(shù)據(jù)分析的交互方式也在不斷演進(jìn)。從早期的編程語言和SQL查詢，到拖拉拽的數(shù)據(jù)分析工具，我們可以看到一種明顯的趨勢，那就是讓數(shù)據(jù)分析變得更加直觀和易用。那么，我們能否更進(jìn)一步呢？

在7月14日舉辦的2023 Kyligence “釋放數(shù)智生產(chǎn)力”用戶大會上，筆者見證了一種全新的可能——基于大模型的自然語言交互方式，來實(shí)現(xiàn)數(shù)據(jù)分析。接下來，我們將探討數(shù)據(jù)分析方式的演進(jìn)邏輯，分析Kyligence如何將指標(biāo)平臺、數(shù)據(jù)分析與大模型融合，實(shí)現(xiàn)基于自然語言的指標(biāo)數(shù)據(jù)分析，為數(shù)據(jù)分析的未來描繪一幅可能的藍(lán)圖。

更自然的人機(jī)交互，是永恒的追求

數(shù)據(jù)分析交互方式的演進(jìn)，可以視作是一場尋求更佳人機(jī)交互方式、降低分析門檻的持久探索。從早期的編程語言和SQL查詢，到拖拉拽的數(shù)據(jù)分析工具，再到基于大模型的自然語言交互方式，我們不斷在推進(jìn)數(shù)據(jù)分析的普及化和易用性。

早期，數(shù)據(jù)分析主要依賴于編程語言，比如Python、R等。這類語言通常包含專門用于數(shù)據(jù)分析的庫和工具，如Python的Pandas、NumPy、SciPy等，使得程序員可以通過編寫代碼來處理和分析數(shù)據(jù)。然而，這類方式的明顯短板在于門檻較高。一方面，用戶需要掌握編程知識，包括語法、數(shù)據(jù)結(jié)構(gòu)和算法等；另一方面，還需了解專門的數(shù)據(jù)處理庫和工具。這樣的要求使得非技術(shù)背景的用戶難以應(yīng)對。

隨著SQL的誕生和流行，數(shù)據(jù)查詢與處理的門檻降低了一些。SQL為結(jié)構(gòu)化的數(shù)據(jù)提供了一種更為高效和直觀的查詢方式，其語句近似自然語言，比如“SELECT * FROM table WHERE condition”，直觀且易學(xué)。然而，SQL仍然需要用戶掌握一定的語法知識，而且對于復(fù)雜的查詢和分析任務(wù)，SQL的語句可能會變得冗長且難以理解。此外，SQL主要用于結(jié)構(gòu)化數(shù)據(jù)，對于非結(jié)構(gòu)化數(shù)據(jù)，其處理能力有限。

為了進(jìn)一步降低使用門檻，一種新型的數(shù)據(jù)分析工具應(yīng)運(yùn)而生，即所謂的拖拉拽式數(shù)據(jù)分析工具，如Tableau、PowerBI等。這些工具通過可視化的界面，讓用戶可以直觀地選擇和操作數(shù)據(jù)，創(chuàng)建數(shù)據(jù)可視化圖表。這種方式相比編程語言和SQL，大大降低了數(shù)據(jù)分析的門檻，使得非技術(shù)用戶也能夠進(jìn)行數(shù)據(jù)分析。

然而，拖拉拽的數(shù)據(jù)分析交互方式在易用性方面還存在一些問題，主要表現(xiàn)在以下三個(gè)方面：

首先，盡管拖拉拽工具相對直觀，但用戶仍需要花費(fèi)時(shí)間學(xué)習(xí)如何使用它們。例如，用戶需要知道如何添加和刪除數(shù)據(jù)源、如何選擇正確的圖表類型、如何應(yīng)用和理解不同的數(shù)據(jù)操作（如篩選、排序、聚合等）。這些功能和概念，尤其是一些高級的數(shù)據(jù)操作和分析功能，對于沒有數(shù)據(jù)分析背景的用戶來說，可能仍然需要一段時(shí)間去理解和掌握。

其次，拖拉拽工具的操作可能會變得相當(dāng)復(fù)雜，特別是對于一些高級的數(shù)據(jù)操作和分析任務(wù)。例如，用戶可能需要通過多次拖拉拽和選擇操作，才能創(chuàng)建一個(gè)復(fù)雜的數(shù)據(jù)儀表板或執(zhí)行一次復(fù)雜的數(shù)據(jù)分析。對于一些更復(fù)雜的需求，例如需要聯(lián)結(jié)多個(gè)數(shù)據(jù)源或需要進(jìn)行復(fù)雜的數(shù)據(jù)預(yù)處理，拖拉拽工具可能無法滿足，或者操作起來非常復(fù)雜和困難。

最后，盡管拖拉拽工具通常提供了豐富的數(shù)據(jù)操作和可視化功能，但用戶仍需要對數(shù)據(jù)和數(shù)據(jù)分析有一定的理解，才能有效地使用這些工具。例如，用戶需要知道哪些數(shù)據(jù)是相關(guān)的，哪些數(shù)據(jù)是可以比較的，哪種圖表可以有效地表達(dá)某種數(shù)據(jù)關(guān)系等。如果用戶對數(shù)據(jù)分析的基本概念和方法沒有足夠的理解，他們可能會感到困惑，不知道如何選擇和使用這些功能。

因此，拖拉拽的數(shù)據(jù)分析方式，門檻還是不夠低，交互方式還是不夠自然。那么什么才是最自然的人機(jī)交互方式呢？回想一下，人類平時(shí)是用什么交流的？——自然語言。既然人與人之間可以用自然語言交流，那為什么不能用自然語言來進(jìn)行人機(jī)“交流”呢？如果能夠?qū)崿F(xiàn)基于自然語言的數(shù)據(jù)分析交互，那在易用性上必然會更進(jìn)一步。

Kyligence就是按照這個(gè)思路，來變革數(shù)據(jù)分析交互體驗(yàn)的。

基于大模型，構(gòu)建基于自然語言的數(shù)據(jù)分析方式

依據(jù)Kyligence的實(shí)踐經(jīng)驗(yàn)，要做好這個(gè)事情，關(guān)鍵的有三個(gè)方面：基于大語言模型來準(zhǔn)確理解用戶數(shù)據(jù)分析需求；聯(lián)通指標(biāo)平臺來進(jìn)行數(shù)據(jù)計(jì)算和分析，給出分析結(jié)果；打通各個(gè)SaaS系統(tǒng)，以分析結(jié)果推動(dòng)業(yè)務(wù)流程改善，提升管理與經(jīng)營效率，實(shí)現(xiàn)組織協(xié)同。

首先，基于大語言模型來準(zhǔn)確理解用戶數(shù)據(jù)分析需求。大語言模型如ChatGPT，通過訓(xùn)練大量的文本數(shù)據(jù)，它們可以理解和生成自然語言，使得人機(jī)交互更加自然、便捷。在數(shù)據(jù)分析場景下，用戶可以用自然語言描述他們的數(shù)據(jù)需求，例如“我想知道上個(gè)季度的銷售額”或者“請告訴我我們最暢銷的產(chǎn)品是什么”。大語言模型可以解析這些需求，轉(zhuǎn)化為可以執(zhí)行的數(shù)據(jù)查詢和分析任務(wù)。這大大降低了數(shù)據(jù)分析的門檻，讓非技術(shù)用戶也可以輕松地進(jìn)行數(shù)據(jù)分析。

其次，聯(lián)通指標(biāo)平臺進(jìn)行數(shù)據(jù)計(jì)算和分析。指標(biāo)平臺是一個(gè)專門為數(shù)據(jù)分析設(shè)計(jì)的系統(tǒng)，它可以處理各種數(shù)據(jù)，包括結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，進(jìn)行復(fù)雜的數(shù)據(jù)計(jì)算和分析。在理解用戶需求后，我們需要依賴指標(biāo)平臺來執(zhí)行具體的數(shù)據(jù)操作，例如數(shù)據(jù)查詢、篩選、排序、聚合等，并生成分析結(jié)果。這一步是數(shù)據(jù)分析的核心環(huán)節(jié)，它決定了數(shù)據(jù)分析的質(zhì)量和效率。

最后，打通各個(gè)SaaS系統(tǒng)，以分析結(jié)果推動(dòng)業(yè)務(wù)流程改善。數(shù)據(jù)分析的目標(biāo)不僅僅是獲取數(shù)據(jù)洞察，更重要的是，根據(jù)這些洞察來改善業(yè)務(wù)流程，提升管理與經(jīng)營效率。因此，我們需要將數(shù)據(jù)分析結(jié)果反饋到各個(gè)業(yè)務(wù)系統(tǒng)中，例如CRM、ERP等，以支持業(yè)務(wù)決策和操作。例如，如果我們發(fā)現(xiàn)某個(gè)產(chǎn)品的銷售額下降，我們可以通過CRM系統(tǒng)調(diào)整銷售策略；如果我們發(fā)現(xiàn)某個(gè)供應(yīng)商的供貨速度太慢，我們可以通過ERP系統(tǒng)調(diào)整采購計(jì)劃。這樣，我們可以實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)流程改善，提升整個(gè)組織的運(yùn)營效率。

需要指出的是，Kyligence并不是推出了一個(gè)“PPT產(chǎn)品”，而是可供客戶使用的商用版本。接下來，我們就以Kyligence Copilot這一產(chǎn)品，來看看基于自然語言的數(shù)據(jù)分析交互方式到底是怎樣一種體驗(yàn)。

據(jù)了解，Kyligence Copilot AI 數(shù)智助理是基于 Kyligence Zen 一站式指標(biāo)平臺的 AI 數(shù)智助理，結(jié)合大語言模型能力，幫助用戶通過自然語言對話完成圍繞業(yè)務(wù)指標(biāo)的分析和洞察，大幅降低業(yè)務(wù)人員用數(shù)的門檻、提升工作效率。

從上面的演示我們可以看到，用戶可以直接問Kyligence Copilot“公司最近利潤情況如何？”，系統(tǒng)會推薦凈利潤、凈利潤月環(huán)比、凈利潤月累計(jì)等指標(biāo)，用戶選定之后，Kyligence Copilot會給出分析結(jié)果。在此基礎(chǔ)上，Kyligence Copilot基于數(shù)據(jù)給出結(jié)論和建議，比如哪一個(gè)月利潤高、哪一個(gè)月利潤低，凈利潤的整體趨勢是怎樣的。

進(jìn)一步的，Kyligence Copilot還會對更深入的數(shù)據(jù)分析給出建議，比如“可以進(jìn)一步分析各個(gè)地區(qū)、商品類別的凈利潤情況，找出優(yōu)勢區(qū)域和商品，進(jìn)一步優(yōu)化經(jīng)營策略”，用戶可以依據(jù)建議一步步進(jìn)行更深入的數(shù)據(jù)探索。最終，可以把這些所有的數(shù)據(jù)分析生成儀表盤，來直觀的展現(xiàn)數(shù)據(jù)分析結(jié)果。

對于企業(yè)管理者而言，數(shù)據(jù)分析只是手段，目的是通過數(shù)據(jù)分析找到業(yè)務(wù)上的問題，進(jìn)而通過優(yōu)化管理和業(yè)務(wù)流程，來提升經(jīng)營效率。因而，在Kyligence Copilot的數(shù)據(jù)分析基礎(chǔ)上，作出管理和業(yè)務(wù)決策，并將這些決策通過打通飛書、釘釘、企業(yè)微信等系統(tǒng)，嵌入到整個(gè)組織的管理和業(yè)務(wù)流程中，讓數(shù)據(jù)分析的結(jié)果反饋到經(jīng)營管理體系當(dāng)中。

這是一條剛剛開始的征途

需要指出的是，盡管基于大模型的自然語言交互方式在理解用戶數(shù)據(jù)分析需求方面已經(jīng)展現(xiàn)出了強(qiáng)大的潛力，但變革才剛剛開始，我們還需要努力解決一些挑戰(zhàn)，不斷提升能力和用戶體驗(yàn)。

例如，需要優(yōu)化大模型與指標(biāo)平臺、數(shù)據(jù)分析平臺的對接方式。大模型理解并生成的是自然語言，而指標(biāo)平臺通常接受的是具體的數(shù)據(jù)查詢和操作指令。我們需要一個(gè)轉(zhuǎn)換器，將大模型的輸出轉(zhuǎn)化為指標(biāo)平臺可以理解和執(zhí)行的指令。這可能涉及到一些技術(shù)難題，如自然語言到SQL的轉(zhuǎn)換，以及如何將復(fù)雜的數(shù)據(jù)分析需求分解為一系列可以執(zhí)行的數(shù)據(jù)操作。

此外，大模型的準(zhǔn)確性和穩(wěn)定性也是一大挑戰(zhàn)。雖然大模型可以理解和生成自然語言，但是在一些復(fù)雜和模糊的場景下，它的理解可能并不準(zhǔn)確，或者產(chǎn)生的結(jié)果可能有多種可能。我們需要提供足夠的反饋機(jī)制，以及在必要時(shí)提供人工干預(yù)，確保數(shù)據(jù)分析的結(jié)果準(zhǔn)確和可靠。而且，數(shù)據(jù)分析通常涉及到大量的敏感數(shù)據(jù)，如用戶信息、交易數(shù)據(jù)等，我們需要確保大模型在處理這些數(shù)據(jù)時(shí)，可以充分保護(hù)數(shù)據(jù)的安全和用戶的隱私。

當(dāng)然，雖然還存在一些挑戰(zhàn)，但這條路有異常廣闊的應(yīng)用前景。將大模型與指標(biāo)平臺和數(shù)據(jù)分析平臺融合，實(shí)現(xiàn)以自然語言進(jìn)行數(shù)據(jù)分析，是數(shù)據(jù)科技領(lǐng)域的一次重大創(chuàng)新，它將深刻改變數(shù)據(jù)分析的面貌，推動(dòng)各行業(yè)的數(shù)字化轉(zhuǎn)型，帶來廣泛而深遠(yuǎn)的影響。

對于個(gè)人而言，將大大降低數(shù)據(jù)分析門檻，提升分析效率。傳統(tǒng)的數(shù)據(jù)分析需要學(xué)習(xí)和理解復(fù)雜的查詢語言和工具，而基于自然語言的數(shù)據(jù)分析只需要用戶用他們熟悉的語言描述他們的需求。這意味著任何人，無論他們的技術(shù)背景如何，都可以進(jìn)行數(shù)據(jù)分析，實(shí)現(xiàn)真正的普惠數(shù)據(jù)分析。其次，這將顯著提高數(shù)據(jù)分析的效率和效果。傳統(tǒng)的數(shù)據(jù)分析往往需要大量的數(shù)據(jù)操作和計(jì)算，而基于自然語言的數(shù)據(jù)分析可以直接從用戶需求出發(fā)，自動(dòng)進(jìn)行數(shù)據(jù)查詢和分析，提供直接的數(shù)據(jù)洞察。這使得數(shù)據(jù)分析更加快速和準(zhǔn)確，更能滿足用戶的實(shí)際需求。

對于企業(yè)而言，將加快決策速度和精準(zhǔn)度，提升經(jīng)營管理效率和業(yè)務(wù)創(chuàng)新能力。自然語言的交互方式，大大加快數(shù)據(jù)分析的速度，使得決策者可以更快地得到數(shù)據(jù)洞察，更快地做出決策。而且，基于大模型的自然語言理解，可以處理復(fù)雜的數(shù)據(jù)分析需求，如比較分析、因果分析、預(yù)測分析等。這將大大增強(qiáng)數(shù)據(jù)分析的深度和精度，使得決策者可以得到更深入、更準(zhǔn)確的數(shù)據(jù)洞察，做出更好的決策。管理者不僅可以快速獲取業(yè)務(wù)洞察，還可以根據(jù)洞察調(diào)整業(yè)務(wù)流程，甚至是與其他SaaS系統(tǒng)的集成，這將極大地提高企業(yè)的業(yè)務(wù)效率和運(yùn)營效率。數(shù)據(jù)分析是數(shù)字化轉(zhuǎn)型的關(guān)鍵環(huán)節(jié)，它可以幫助企業(yè)理解和利用他們的數(shù)據(jù)，創(chuàng)新產(chǎn)品和服務(wù)。

對于社會而言，將推動(dòng)社會數(shù)字化轉(zhuǎn)型。基于自然語言的數(shù)據(jù)分析，可以讓更多的企業(yè)和個(gè)人參與到數(shù)據(jù)分析中來，進(jìn)一步推動(dòng)各行業(yè)的數(shù)字化轉(zhuǎn)型。數(shù)據(jù)分析可以幫助我們理解和解決各種社會問題，如公共衛(wèi)生、環(huán)境保護(hù)、教育公平等。基于自然語言的數(shù)據(jù)分析，可以讓更多的人參與到這些工作中來，共同推動(dòng)社會的進(jìn)步。可以預(yù)見，隨著數(shù)據(jù)分析的普及和深入，社會將有更多的機(jī)會發(fā)現(xiàn)新的業(yè)務(wù)模式、新的市場機(jī)會、新的社會需求。

想象一下，當(dāng)這種數(shù)據(jù)分析方式大規(guī)模推廣后，我們將會看到一個(gè)全新的數(shù)據(jù)分析生態(tài)。在這個(gè)生態(tài)中，任何人都可以輕松地進(jìn)行數(shù)據(jù)分析，找到他們需要的答案和洞察。各行各業(yè)都可以充分利用他們的數(shù)據(jù)，優(yōu)化業(yè)務(wù)，提高效率，創(chuàng)新產(chǎn)品。我們的社會也會因此變得更加公正、更加高效、更加創(chuàng)新。這將是一個(gè)美好的未來，值得我們共同期待和努力。

文：月滿西樓 / 數(shù)據(jù)猿