大模型的崛起为数据分析领域注入了新活力。凭借其卓越的自然语言处理技术，不仅推动了数据分析的智能化进程，还降低了技术门槛，使之更加易于理解和应用。
近日，在「敏捷・创变 ——2024 观远数据智能决策峰会暨产品发布会」现场，自然堂集团大数据中心总经理罗予晋以《自然堂全渠道数字化创新与 AI 实践》为主题，介绍自然堂集团引入大模型技术，并与观远数据合作，共创 ChatBI 问数产品，利用 AI 大模型的自然语言理解能力，为用户提供更简单、直接、高效的数据查询方式。
以 ChatBI 技术解决临时、重复、个性化的业务需求自然堂集团作为中国领先的数字化驱动的科技美妆企业，一直致力于通过科技创新提升产品质量和用户体验，已在数字化领域也取得了显著成就，从消费者到供应链，从产品开发到后台服务，部署了全面的在线化工具，实现了数据的无缝整合，构建高效的数字化运营体系。自然堂在充分利用数据资产，以数据应用推动业务的持续创新和发展的过程中，也曾遇到过一些难点。
临时性一次性需求多：灵活变动的业务要求数据指标动态综合调整，众多指标和维度是临时提出的一次性需求。例如业务想要取下半年 6 个品类的会员购买的数量以及金额数据。此时，产品经理需要进行对接，讨论业务场景、数据口径和价值，并由数据开发工程师进行开发，最后与业务对数。整个机制过程又慢又沉重，导致大家疲惫不堪。
重复需求多：梳理了自然堂的日常数据应用需求，发现很多的需求是重复进行的。不同的业务方，不同时间点，不同场景下，可能是同一个取数需求，都需要重新排期进行，白白浪费了大家的精力。
使用门槛高：不同用户往往存在个性化的分析逻辑，尽管内部已经创建了 1000 多张报表和看板，但仍然无法完全满足业务部门对数据的个性化需求。但传统 BI 门槛较高，非技术人员往往难以自行使用 BI 进行个性化分析。
去年，随着大模型的出现，自然堂开始思考利用 AI 来解决数据难题。大模型又可以听懂人话，又可以写代码，这两个根本能力就像一个虚拟产品经理加上一位数据分析师，可以作为某些业务同学的助手，随时在线，一起协作，解决困扰已久的取数问题。
鉴于观远数据在技术积累与业务需求方面与自然堂高度契合，自然堂决定携手观远数据，共同搭建 AI 问数（ChatBI）解决方案。通过即时学习、逻辑预设、图表生产能力，分别解决临时、重复、个性化的业务需求：
即时学习：通过自然语义的对话交互，即可理解临时的指标和维度含义，及时给出结果，无需经历传统分析方式的开发过程，即问即用、用完即走。
逻辑预设：通过预设决策树模型，可以覆盖 80% 重复的用数需求。
图表生成：通过对话，基于对个性化需求的理解，可以自动生成可视化图表，帮助业务用户快速构建个性化分析体系。
ChatBI 三个关键：结果准不准、知识显性化、交互更友好经过几个月的开发，自然堂 ChatBI 问数产品问世，构建了标准解决方案，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），实现问答式数据分析。
同时，逐步向内部进行推广，但起初准确率其实并不高，交互不够友好，导致使用人数不多。我们进行了深入思考，总结了 ChatBI 落地应用的三个关键点。
结果准不准
底层整个数据治理的好坏，直接决定了 AI 工具的生产结果好与不好。起初由于底层数据多表关联非常复杂，问数准确率仅有 60%-70%。对此，自然堂对表单进行了关联优化，并把相似相近的指标命名字段，做更多的使用注释，包括归属渠道、订单销售渠道等等。这样对 GPT 来讲才可以分清楚 SQL 要用哪个。
今年，我们与观远数据进行了进一步的数据治理，比如如何识别意图，如何生成 SQL，以及如何多 Agent 互相检查，如何把数据库建设更好，如何把已经有的 SQL 和问题结合到一起等等。目前，取数准备率从裸跑 60% 成功提升到 92%。
知识显性化
准确率的提升过程，实质上是企业知识库建设的过程。我们的知识库中积累了丰富的 SQL 示例和指标体系定义，这些显性化的知识不断积累，为提高准确率提供了坚实基础。
未来，我们的职能也会更多地转向底层，做指标体系的梳理、指标平台的治理等等，从应用层转型到维护知识库，让 AI 工具越来越好用，不断再往前走。
交互更友好
用户交互更友好也非常关键。最早为了提高准确率，我们要求使用者明确提出自己的使用范围，比如要问会员，还是要问会员销售或者问各个渠道销售等等。但用户很多时候根本不知道自己需求的表到底是哪一个。这样用户就很难用起来。
现在我们跟观远不断地磨合业务与产品，终于可以通过 Agent 互建识别用户的意图和问题，通过不断的自然问答，用户很容易得到自己所要的东西。不仅交互体验更好了，准确率也得到了提升。
同时，我们将所有的交互功能集成在钉钉平台中，员工可以直接在钉钉进行数据查询和获取答案，取数也更为便捷。
抓住三个关键点，ChatBI 实现落地价值提升基于以上三个关键点，现在整个 ChatBI 产品使用率、使用频次都得到了极大提升。
数据分析需求响应效率极大提升，产品上线 3 个月后活跃用户占比 52%，覆盖业务部门 10+，处理取数需求 3k+，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。
数据分析师的服务半径得以扩大，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。
降低跨部门沟通协作成本。沉淀的营销、销售、市场、库存和财务等业务数据，使得我们能快速响应综合性业务分析需求，加速知识调取与流通，大大促进了部门间的沟通和协作。
培养了业务团队的数字化思维。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。由于工具的使用变得简单且无门槛，员工们开始习惯于使用数据来指导决策，这种习惯逐渐转化为企业文化的一部分。
未来进一步建设指标平台，提供更精准全面的数据分析服务当下，自然堂 ChatBI 产品可查询数据场景，包括 C 端销售数据、全渠道销售数据、会员数据和市场品类数据，也正在不断推进更多可查询数据，包括营销数据、供应链数据和财务数据，以期在提供数据的同时，也能提供更深入的洞察力。
未来，自然堂计划进一步建设指标平台，以增强 AI 的效果，提供更加精准和全面的数据分析服务，包括：
指标平台：利用 AI 技术，通过自然语言查询指标体系。一旦指标体系建立，查询结果可以迅速呈现。这种搜索方式的效率和准确性依赖于指标治理的完善程度。
2.智能洞察：探索利用 AI 进行数据分析，直接生成洞察结果和简单的策略建议。
3.问答生图：支持问答功能，自动生成图表和可视化展示，使数据分析更加直观和易于理解。
展望未来，自然堂集团将于观远数据继续保持紧密合作，深化 AI 技术在数据分析领域的应用，共同推进业务增长，开创数据洞察力的新篇章。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。