当下大模型技术如火如荼，为BI领域带来了前所未有的想象力和创新空间。相较传统BI，ChatBI不再局限于传统的报告和仪表板，而是向着更加智能、更简洁的交互式方向发展，有效降低了企业数据应用门槛。
随着众多厂商纷纷投入资源开发和推广这一技术，ChatBI的知名度和应用范围都在不断扩大。然而，尽管市场上对ChatBI的兴趣日益浓厚，实际的成功案例和应用经验仍然相对较少。这意味着ChatBI仍处于快速发展和探索阶段，许多企业正在积极寻找如何将这一技术与自身业务深度融合的最佳实践。
前段时间，我受邀参加了2024年观远数据敏捷分析实践巡展。现场零售消费头部企业自然堂集团分享了自身ChatBl创新产品建设与推广实践成果，极具参考价值。
以下为自然堂ChatBI部分介绍：
据介绍，自然堂集团ChatBI产品（问数GPT）产品将大语言模型和BI基座能力相结合，应用大语言模型的底层能力，学习企业业务知识（表知识、业务逻辑、问答知识、洞察知识等），实现了问答式数据分析。通过设计多Agent体系提高任务完成质量，并通过Agent实现知识管理与训练：
数据分析Agent：基于数据分析垂直领域的业务流程，自研智能体系统。在接收到用户请求后，会进行一系列意图识别，需求澄清，问题改写，知识检索，相关代码/文本内容生成，自我检查与修复等工作，支持数据分析领域中的各类任务，如取数，洞察等。
Agent知识管理与训练：支持接入企业中各类数据分析领域知识，包括数据集信息，业务知识，问答知识，洞察知识等几大类，提供给Agent进行“长期记忆”的获取与持续更新。其挖掘模块能够从企业已有BI、指标平台等系统中进行各类知识挖掘、预处理与导入。管理模块提供了完善的分析主题管理，效果测试与优化，用户使用情况追踪等能力。Agent的核心推理能力来自于各类开源、闭源大模型API的对接。Agent的各类任务执行能力，如SQL/Python代码执行等，是将BI平台已有的API封装成工具提供给Agent。能够很好地支持各类企业级需求，如数据权限，各类数据库查询对接，并发控制，任务审计等。
该产品上线3个月，已在自然堂内部实现卓越成果：
活跃用户占比52%，覆盖业务部门10+，处理取数需求1k+，业务部门的数据需求满足周期从原来的0.5小时~3天不等，缩短到1~5分钟，有效提升数据分析需求的响应效率。
提升数据分析师的服务半径，转变数据分析师的工作角色，从原来的SQL工程师变成企业知识训练师。数据支持部门与业务部门进行更紧密合作。
沉淀营销、销售、市场、库存和财务等业务数据，快速响应综合性业务分析需求，加速知识调取与流通，降低跨部门沟通协作成本。
培养业务数字化思维，规范业务需求描述，大大降低其他需要开发的数据需求的沟通成本。
暂无评论内容