大模型与数据分析发展相结合
从当前数据分析的发展趋势来看，我们可以很清楚地感受到大模型的能力是自然而然的与数据分析的发展趋势相应契合，这意味着数据分析是大型模型落地应用中至关重要的场景。
关于大型模型的能力边界，我们通过调研数百家企业用户，发现问题在于企业用户（尤其是IT部门）对于大模型是否可以在哪些场景中落地，还没有明确的认知。实际上，IT部门最后还是服务于业务部门和管理层，因此当后两者对于大型模型在哪些场景下应用没有明确想法时，IT部门去推广大模型就会变得非常困难。
因此，在跟很多企业用户交流时，我们发现他们都非常想知道大型模型在哪些场景下可以应用，而数据分析天然是重要应用场景，这是由整个数据分析市场发展趋势所决定的，具体情况如下：
第一阶段，以静态报表为主，传统BI和静态报表基本上都是面向IT部门的，业务部门提出需求之后，由IT根据报表工具开发出固定的报表，然后业务部门查看报表结果。
第二阶段，我们提到的敏捷BI强调的是自助式分析，这一点实际上是指在业务部门提出需求之后，数据分析师可以基于敏捷BI的工具帮助业务部门快速获取所需的数据，帮助他们获得所需要的结果。
因此，第二阶段的真正服务对象变成了数据部门，也就是数据分析师。这个部门有时在独立的数据分析部门下，有时则在业务部门下设有专门的数据分析师。可以发现，对比第一阶段，第二阶段明显更近了一步。
第三阶段，我们看到的不管是基于大模型的AskBI还是增强分析，都是直接面向业务的，其理念是业务部门直接使用对话式BI工具就能够解决问题，获得所需的数据结果。这一过程无需像之前那样依赖IT部门开发报表，或者数据分析师基于敏捷BI再提供数据结果，而是直接由业务部门推进落地。
因此我们可以看到，在整个数据分析的发展趋势是不断地降低用户的交互门槛，让业务部门更加自如、更加容易地使用分析工具，并实现其自身的效果。
所有数据分析的需求，包括取数和用数需求，本质上都来自于业务部门。但是过去业务部门缺乏能力或者没有好的工具来满足这些需求，因此必须依赖于IT部门、数据部门来实现它们的目标。
而随着BI不断地提升交互的体验，降低用户门槛，最终使业务部门自身具备数据分析的能力，这与大模型的能力天然契合。大模型的生成能力和效力可以比较好地提升用户交互体验，因此我们认为，数据分析一定会是大模型很重要的落地场景。
大模型与数据分析发展相结合 
85
0
