Leifeng.com新闻：直接对BI软件进行自然语言，数据查询，甚至指示进行数据审查是BI行业的愿景，但在过去十年中没有成功的人。在大型模型的出现降低了自然语言查询数据的技术阈值之前，该目标最终是可行的。 BI行业将智能数据分析服务CHAT BI作为切口，发现了实施AI技术的特定情况。作为BI+AI概念的Fusion产品，CHAT BI在业务应用程序中的任何时候都支持用户致电聊天助手，以自然语言询问不同的业务数据，并立即获得答案。在查看静态报告的同时，也可以向操作员AI助手询问数据更改以解决拆卸背后的原因。从BI到聊天BI，数据运营中探索性业务的紧急需求和想法更好地回应。在面试中ITH AI技术评论和Hengshi Technology的创始人兼首席执行官Liu Chengzhong向我们介绍了应用程序方案和CHAT BI的技术道路。自2022年大型模型增加以来，BI行业对聊天BI的技术途径有两个想法。前者直接链接到大型模型，以根据数据库表执行问答，后者将BI结构的查询接口称为用户的问题，并且BI向相应的查询发出。汉格西（Hengshi）作为新一代BI公司提供的照片在产品建设阶段对现有BI产品进行了调查。从Microsoft Power BI和Lake的经验中，发现语义层是BI产品数据评估技能的基础，并决定专注于工程团队在增强语义层功能方面的能量。语义层通过确定业务提供了简化的DSL构建数据的视图术语和概念。 DSL可以根据这个角度设计与业务更接近业务的语法和语义。 AI时期出现后，语义BI层功能和大型AI组件模型完成了双向急速。大型模型不需要将自然语言转化为基础SQL级别。在基于数字的方案中，他们只需要联系中间语义层。基于自己的语义层的好处，亨希降低了对大型模型的要求，并采用了NL2DSL的技术路径。在提高模型分析功能的过程中，CHAT BI还将帮助用户开发未来的审查报告，从而更清楚地解释数据趋势，关联和观点。 Liu Chengzhong判断大型模型预测和解释数据趋势的能力可以大大提高，明年或明年可以大大提高。以下是AI和Liu Chengzhong技术之间交流的整个文本看法。为了阅读，进行文本调整而不改变原始含义。为什么选择进行BIAI技术评论：为什么选择生产BI产品？这首歌上的芒鞋是谁？ Liu Chengzhong：BI有可能成为标准产品。 BI本质上是用于统计分析的主要数据产品，并且不会限制分析数据类型。业务数据分为多个领域，财务，ERP和营销，销售和人力资源，每个业务都可以使用。在BI轨道上，主流制造商包括Microsoft，Tableau，Fanruan，Yonghong Technology，Simait Software，Guanyuan Data，Hengshi Technology和其他公司。 AI技术的评论：Hengshi的BI有什么区别？ Liu Chengzhong：我们产品的主要特征是开放式体系结构，类似于BI Engine，它可以提供直接客户，但更被用作软件应用程序制造商的特色产品。该产品的形式和C的方向operation在空中加入，使亨希在BI赛道上有一定的差异定位，因此中国几乎没有竞争对手。客户倾向于将Hengshi定义为BI Engine或BI Paas，这实际上描述了Hengshi的定位。 AI技术的评论：除了亨希（Hengshi）外，国内制造商在宝石BI产品方面还有哪些其他选择？刘成邦：除了亨奇（Hengshi）外，通常开发国内SaaS制造商的选择。软件制造商的工程师通常无济于事，而是对BI功能的自我开发，但是通过自我开发和BI的数据审查的成本确实很高，因此许多客户在自我发展造成了重大损失后找到了我们。自我发展的不可避免的结果是，即使可以做到，这将是一件非常轻松的事情。通常，自我开发的BI所需的团队规模为5至10人，周期为1至2年。 Bi的主要工程进军相对容易，可以在这种情况下完成，但是精细和复杂项目所需的额外投资，例如随后的建模和审查，对数字码头仓库的控制将造成巨大的研发投资压力。许多公司可以发现，当他们这样做时，他们的发展投资与主要业务所需的水平非常相似，这似乎是不合理的。一家使ERP对BI投资的公司，但实际上，投资基于数据的工具和软件（例如BI）的腐蚀性并不低于ERP。 AI技术评论：公司是否有成功的自我发展案例？刘成邦：几乎没有全球观点。尽管诸如Google和Salesforce之类的巨型软件需要其功能的这一部分，但他们不会开发自己的研究，并且会直接开始融合和获取。中国已经看到阿里巴巴开发的BI产品更成功。他们的产品可以熟悉将自己的电子商务集团纳入阿里巴巴云，该组也改善了产品，因此阿里巴巴产品的抛光可以收到市场反馈。产品由市场反馈驱动。如果公司公司的产品反馈来自其自己的业务部门，并且不能代表市场反馈，那么它将无法在市场上具有竞争力。聊天BI：BI+AI Fusion Travel AI技术评论：大型模型的开发是否挤压了BI制造商的生活空间？刘成邦（Liu Chengzhong）：通常，从2022年底开始，所有BI制造商将首次关注大型型号。因为如果一旦大型模型出现，就可以正确解决TOSQL问题，那么BI制造商将是危险的，每个人都会记住它已折叠。自从我们发现在基于BI的数据审查中实施AI是更务实的，已经有24年了。 BI级别不应更换。 BI+AI的合作是S低的。土壤只会增加。从25年开始，合作的线索和机会已经开始增加几次。对于BI制造商来说，23年是一年的观察，24年是持续的一年，而25年应该是一年的快速增长和达成共识。由技术技术评论技术提供的照片：如何将BI产品与AI技术相结合？有什么应用程序方案？ Liu Chengzhong：根据提供智能数据审核业务的数字成为明智的助手。 Hengshi从提供BI到SaaS软件市场升级为聊天BI。后者支持用户在业务应用程序中随时致电聊天助理，询问自然语言的不同业务数据，并获得即时答案。在数据操作方面，这种类型的服务可以询问以前不存在特定数据。用户需要询问分析师，分析师是报告的Guminga，然后进行调整。这是一个很好的过程。现在，聊天BI可以用来解决一些探索需求的紧急问题，并且对临时需求非常强大。此外，当使用BI工具生成静态报告供操作员查看时，聊天BI将有AI助手。在阅读报告时，操作员可以随时带来一些探索想法。例如，当他看到报告的特定数据增加时，他会询问哪个大小是增加的原因。这种现象被打破了，具体原因是可以立即执行这些探索并提供实时反馈。 AI技术评论：聊天BI的不同大型模型之间有任何区别吗？刘成邦：有很多差异。主题是大型模型是否可以准确理解问题。一些大型模型更准确，而另一些则不准确。 GPT-4O效果很好，Deviceek和Qianwen也很好。但是，连接到L的过程ARGE模型非常稳定，因为暴露于大型模型的界面被提示。不管该模型是否是开放资源，它都会提供聊天BI聊天，该聊天将其返回到语义层语法，将其从BI平台转换为SQL，完成数据查询并反馈客户集成的结果。 AI技术评论：聊天BI产品表格将来会成为代理商吗？刘成邦：亨奇（Hengshi）当前的聊天BI针对真实的人，例如通过报告旁边的聊天窗口询问，或在费舒（Feishu）索取机器人。但是，在许多情况下，未来，代理商或AI将是与Hengshi的对话，因此我们需要为代理提供外部层，以便可以被其他代理商识别，识别和调用。将来，我们将成为世界以外的企业级代理商。 Hengshi已集成到DIV中，用户可以在Div中完成复杂的任务。衰减后，其中一个步骤是要求数据，即支持Hengshi服务。代理查询，聊天BI响应，然后代理返回工作流程。作为一名支持业务级别的代理商，我们进入了一个复杂的任务管弦乐队，并提出了许多明智的问题。 NL2DSL：访调员中大型模型的语义层和双向喧嚣对AI的图片技术发表了评论：为什么采用NL2DSL的技术路线？刘成港：提出数据问题的自然语言的自然语言是双性行曲行业的想法和尝试已有十多年了，这也是BI行业的技术趋势。 Tableau也很特别，可以买到一家NLP公司，但结果不是很成功。原因是在出现大语言模型之前，该技术非常不成熟，并且可以在出现自然语言后通过自然语言来管理数据。当我们开展业务并建造产品时，我们决定将精力集中在增强我们的语义层功能上，但是当时的考虑与AI无关。语义层是BI执行数据审核的基本能力。 Power BI在这方面做得很好，因此评论的能力比其他BI工具强。 Hengshi成立于2016年，是BI公司的新一代。当时研究这些产品后，我们在整个产品演化过程中发现了语义层的重要作用。在2019年，亨希（Hengshi）在语义层中表现出色。 。 Liu Chengzhong：BI中语义层的好处也对AI有好处。大型模型出来后，可以说语义层的功能更有益。大型模型不需要将自然语言转化为SQL和基础语言，而只需要将其转化为中间语义层语言，该语言在大型模型中占据了较低的要求。实际上，聊天bi只有减少需求f才可能更有可能或大型型号。因为从技术RUTSA的角度来看，大型模型不擅长准确的数据审核方案，这并不是大多数模型制造商需要关注的地方。从长远来看，实施BI行业应用程序的阈值已经下降，数据审核和数据情报应用程序变得越来越流行，AI对于所有BI制造商来说都是奖励。 AI技术评论：AI对BI行业产生了什么影响？刘成邦（Liu Chengzhong）：除了直接问题外，它还将有助于生成分析报告，但是这种帮助取决于垂直域的知识，这是AI在数据集成中尚不旧的方面。 AI数据分析是第一阶段，用户对许多指标的问题可以立即准确确定。第二阶段是关于趋势，狗的化和隐藏在数据后面的观点，这可以使人们更清晰地解释。我们判断洛杉矶的能力预测和解释数据趋势的RGE模型可以在今年晚些时候或明年明显增强。但是，我们的判断取决于现场模型的开发。 AI技术评论：是否对大型模型的分析能力提出了更高的要求？刘成邦：它需要具有非常强大的评估能力。技术大型模型的主要趋势将使其评估技能越来越好，但是当前的构想模型不是很实用，因此我们使用的主要模型是DeepSeek-V3。我们还跟踪DeepSeek-R1，但是在问题和解释报告中产生的情况下，它没有寻求优惠的好处。同时，关键是现场领域的行业数据，作为主要语料库，可以帮助垂直模型，而不仅仅是大型模型的单方面瓶颈。 AI技术评论：您是否关注特定工业情况下模型绩效的实用性？刘成Hong：真正关注的是所有特定行业，例如零售，制造和医疗保健。如果技术非常优势，则可以使用最重要的事情。例如，BI，我们关注是否可以在特定的数据审查情况下实施并报告评论评论，因此我们将从非常实际的角度审查AI的功能。每个行业的需求都是非常投票。接受与否，尝试一下。 AI技术评论：B服务中没有用户敢相信大型模型的随机输出，但是AI的本质是寻求可能性，因此使用大型模型的效果是不稳定的吗？刘成邦：是的，很难在B中实施大型模型。直到B保持准确。当前模型的功能也不是严重的数据情况。我们从未见过许多试验和实施效果。我们的价值是努力在当前的情况下提高其准确性，而大型模型不胜任ENO啊。使用大型模型直接询问数字的企业的准确性只能是30％。我们的BI将帮助将其提高80％或90％，通常达到实施水平。 （leifeng.com的文章（公共帐户：leifeng.com）