圖片來源@視覺中國
文 | 智慧相對論，作者 | 沈浪
「What gets measured, gets managed.」——這是著名管理學大師彼得·德魯克的觀點，意為「只有被量化的，才能被管理。」
盡管備受爭議，但是從某種程度來說，這一觀點基本貫穿了當今企業的數位化轉型行程。企業業務的數位化，本質上就是一個持續量化的過程。
以BI（商業智慧）為例，作為現代企業的標配，可以將其簡單理解為基於現代企業經營理論與資訊套用技術系統對資訊、數據進行挖掘、分析和處理，最終輔助商業決策的一個企業服務解決方案。
換句話說，BI核心還是「量化」。
那麽，以「量化」的角度來看BI平台的叠代，不難發現當前火爆的大模型技術對其影響主要還是聚焦在企業業務資訊和數據的「量化」上。
大模型技術對「量化」緯度的深挖，從根本上改變了BI平台的底層邏輯。
01 大模型進場，從指標的量化開始做起
今年1月，中國一汽聯合阿裏雲通義千問打造的大模型GPT-BI率先完成落地。
作為汽車行業的第一個大模型BI套用，GPT-BI被打造出來的首要前提是來對汽車行業的大量指標進行解構，成為可量化的物件、緯度和度量。
其中，中國一汽將管理顆粒度從流程級細化到業務活動級，首創了「業務單元」概念。在1000余條業務流程的3萬多個業務單元中，讓每個業務單元都有明確的員工操作標準，從而保證員工能清晰知道什麽時間、什麽地方、使用什麽工具和方法、做什麽事情、達到什麽品質和標準，一目了然。
當這些解構完成，中國一汽的指標體系實際上就基本有了雛形，緊接著就是用於訓練公司的數據大模型，完善指標設計、指標拆解、數據尋源、數據建模和數據分析等能力，從而打造出對應的指標模型。
類似的思路在業內其他廠商的BI產品中也能看到。去年，本土知名BI廠商思邁特釋出了新一代一站式ABI平台Smartbi Insight V11——在該平台的叠代升級過程中，思邁特就確定了一個重要的關鍵點：以指標為中心。
對此，思邁特致力於搭建起一個邏輯清晰、自增長、可量化的指標體系，將宏觀的目標轉化為可執行的任務和計劃，從而讓各部門使用者都能透過指標，去具體地判斷業務、工作該「怎麽做」。
當然，更重要的是，只有透過這種對業務指標的解構，才能對底層數據進行準確的建模。然後，再透過模型本身提供的復雜指標計算能力解決大模型難以理解、處理的需求。最後，就可以利用大模型自身對部份常識的精確理解以及學習模型查詢語言的過程，輸出高品質的查詢語句，獲取數據，並透過BI工具呈現出來。
所以說，大模型進場之後，其實對BI的改造是從底層建模出發的，從根本上就改變了BI平台對公司業務的理解模式。
這種理解，本質來說就是指標的進階量化。再比如，網易數帆打造可信的有數ChatBI，其核心點指明的「需求可理解，過程可驗證，使用者可幹預，產品可營運」，也同樣是強調這種進階量化的認知。
02 大模型+BI，能做到什麽程度？
有了進階量化的認知，大模型技術改造後的BI就能更全面地理解公司業務和需求，進而給到更精準的數據分析和反饋，輔助公司做好業務決策。
簡單舉個例子，以傳統的NL2SQL來說，其很難理解並解決類似「公司有多少本科以上員工」或「公司在北上廣深之外的業務收入」之類的問題。
因為「本科以上」或「北上廣深之外」這種屬於字串型別的欄位，是無法簡單地透過大於等於號等操作符進行篩選。反觀大模型為什麽更強，就在於其可以做到這一點，其能理解「本科以上」代表本碩博學歷，「北上廣深之外」代表其他省市區域等常識。
在這種理解之下，當使用者生成查詢語句時，大模型加持下的BI就能完成資訊過濾，輸出正確的答案。由此，就做到了現代BI所強調的理解業務需求的能力。
當然，這是常識性的理解。對於公司而言，我們需要大模型能進一步去理解業務指標所代表的專業知識，從而達到行業專家的理解能力，讓BI的業務認知提高到更高的層級，並做到更科學、準確的輔助決策。
中國一汽需要GPT-BI能達到什麽效果？當公司需要了解「某車型的產量為什麽不及預期」時，GPT-BI可以有邏輯地完成預期產量和實際產量的對比，並得出差值，進而分析顯性變量（如是否因為裝置問題進行過停產或某型號的配件是否出現品質異常等），同時排查涉及的所有變量（如原材料供應波動、能源消耗及供應穩定性等）。
最終，經過全面且細節的資訊排查，GPT-BI能找出關聯性最大的影響要素，從而幫助公司進行生產最佳化和治理。——這是大模型BI要做到的，前提是理解業務指標，並完成端到端的數據連結。
在「智慧相對論」的視角中，如何用大模型來梳理傳統行業錯綜復雜的指標體系或行業Know-How是現代BI的一個重要演進方向。只有做到了這些，整體的數據流程包括數據獲取、數據處理、數據反饋等工作才能加快。
像Smartbi對話式分析大模型版本之所以能有效幫助企業降本增效，創造業務價值，關鍵就在於其把行業Know-How和大模型結合起來，構建了一個參考的管理指標體系，供企業調整以幫助BI理解公司業務。
在套用過程，我們就能看到，基於充分的指標理解，Smartbi對話式分析大模型版本能迅速的調取使用者想要獲取的「關於公司去年的合約額、收入和同比情況」。
同時，有了一定的常識認知，Smartbi對話式分析大模型版本還能迅速理解「關於銷售分部的」概念，並給出相應的緯度數據。
此外，結合大模型的分析能力以及對各項指標的理解，Smartbi對話式分析大模型版本又進一步對表格中的數據進行了解釋分析，幫助使用者來理解企業經營情況。
整體體驗下來，有了大模型的加持，BI產品的數據處理、分析和反饋能力都得到了強化，對使用者而言有著質一般的升級體驗。
除此之外，這種體驗不僅在數據套用上有所最佳化，在數據生產上也是如此。過去，制作一張報表從立項到上線至少要60天，基於思邁特Smartbi的自助分析平台，現在業務部門的數據人員可自行處理制作報表，即使透過傳統提需求的方式，也只要1—3天即可完成。
現代BI的演進基本闡述了一個道理：「量化」的增強，數據管理就變得更加高效且簡單了。思邁特思邁特CEO吳華夫認為，BI是一個不斷前進演化的過程，具體的從1958年BI的概念提出以來，底層數據準備從報表開發、Cube多維模型、寬表再到指標；上層數據分析從傳統的報表、大屏，到敏捷的自助視覺化探索，再到智慧的增強分析。
更準確的說，前進演化即量化。
03 現代BI的前進演化之路
人類的行為基本上是建立在理解世界的前提下的，也就是認知決定行為——當認知越清晰且深刻，那麽行為也就越科學且精準。
對於BI產品而言，也是如此。BI概念的提出，本質就是基於大量的數據反饋完成對公司業務的認知，進而給出相應決策反饋的解決方案，只是數位化技術限制了關鍵的數據處理能力。
當大模型技術進場，強化了底層的數據處理能力，那麽現代BI的前進演化是快速的。因此，BI也被認為是大模型在企業內部最快完成落地的模組之一，不僅在於BI是現代企業發展的核心支撐，更在於其基本的演進邏輯是清晰的、科學的。
大模型對現代BI的演進令人期待，更何況現代企業的發展已經離不開BI的支持。在這個趨勢下，也有越多越多的廠商開始往現代BI的方向發展。從目前的行業情況來看，存在三類玩家。
一類是像思邁特、帆軟這樣的垂直BI廠商。他們本就深耕BI領域，在特定的行業如金融、法律等積累了大量客戶資源和行業Know-How，服務經驗足，產品覆蓋面廣，既有較好的數位化處理能力也比較註重BI領域的使用者體驗。
另一類是以阿裏、網易等為代表的互聯網廠商。一方面，他們雖然入行時間短，但也有著主攻輕量化的BI產品，如阿裏Quick BI、網易數帆等，能接入自家的辦公平台和企業數位化解決方案來占領市場。另一方面，他們在大模型方面有著較強的技術能力，正在聯合傳統行業大客戶共創BI，如阿裏與一汽聯合打造GPT-BI等，以全新的服務模式推動現代BI的發展。
最後一類是以用友、金蝶等為代表的傳統企業服務廠商。他們長期服務企業，有一套綜合性的企業資源計劃系統，也有一定的客戶資源和行業積累，隨著現代BI的前進演化，對企業客戶的價值越來越高，便開始跨界進入BI領域，打造BI產品並接入自家的服務系統，來強化企業服務能力。
以上三類是目前BI行業較為典型且備受矚目的玩家。不管是哪類玩家，他們都在用自己的模式和技術能力去共同推動現代BI的前進演化。當然，在這三類玩家之中也有共同點，那就是大模型技術的套用的必然的趨勢，從底層指標開啟的進階量化也是各自打造BI產品的重要方向。
現階段，中國的企業數位化轉型還在持續發展，依舊有不少的企業還在觀望。現代BI的發展對於這一行程的推動，有著不可或缺的作用——數據對企業經營發展的價值越來越高，現代BI「出線」的機會也將越來越多。
這是一場前進演化，也是一場叠代。
