BI智能分析产品演化及大模型实践探索

如果无法正常显示,请先停止浏览器的去广告插件。
分享至:
1. BI智能分析产品演化 及大模型实践探索 演讲人-⻩聪⻜-京东-数据产品架构师 DataFunSummit # 2023
2. BI数据产品的演化之路 第一个BI产品是什么?BI是如何发展的? 精细化数据分析与数据产品困境 数据分析的主要挑战是什么?我们面对什么样的困境 突破困境:ABI数据产品的应对策略 如何应对这些挑战?如何解决海量分析需求? 大模型崛起:数据分析的新篇章 大模型带给数据分析的可能性 大模型数据应用实践 大模型实践分享
3. BI数据产品的演变 DSS决策支持系统 1990s-2000s 2020s至今 这个时期主要是数据技术的发展。 19年是智能分析的开始,23年生成式AI出现, BI开始应用大语言模型。 热⻔产品:各类数据仓库、OLAP、ETL技术 热⻔公司:IBM、Oracle、Microsoft等 挑战:仍然由产研部⻔主导,报告交付时间⻓, 技术⻔槛较高 热⻔产品:PowerBI、Tableau等 热⻔公司:Microsoft、Tableau等 挑战:生成式AI技术的成熟度和应用范围。 大语言模型下的GBI 1970s-1980s 2000s-2010s 出现了传统意义上的BI产品,更容易被中 小型企业使用。 被称为商业智能2.0的时期,这个时期提升的 是BI的开发效率。 热⻔产品:尼尔森数据市场、Lotus 123 和Microsoft Excel 热⻔产品:不同的实时处理、协作、自助服务 和数据发现工具 热⻔公司:IBM、SAP、Microsoft等 热⻔公司:Oracle、IBM、SAP、SAS、 Microsoft、Tableau等 挑战:数据孤岛问题、数据库之间的交 互问题、数据报告生成时间⻓ 挑战:数据量的爆炸性增⻓、存储和处理速度
4. BI数据产品的演化之路 第一个BI产品是什么?BI是如何发展的? 精细化数据分析与数据产品困境 数据分析的主要挑战是什么?我们面对什么样的困境 突破困境:ABI数据产品的应对策略 如何应对这些挑战?如何解决海量分析需求? 大模型崛起:数据分析的新篇章 大模型带给数据分析的可能性 大模型数据应用实践 大模型实践分享
5. 精细化运营与数据驱动的挑战 精细化运营 精细化运营是一种通过深入分 析和理解数据来优化运营效率 和效果的管理模式。 它源于对大数据的应用和分析, 使企业能够在多个维度对运营 进行精准的控制和优化。强调 基于数据的决策,以及通过数 据分析来发现和解决运营中的 问题。 数据整合与口径统一 货:品类多样性 在多渠道和多平台的电商环境中,数据的 收集和整合是一个巨大的挑战。需要解决 数据孤岛问题,实现整合及口径统一。 市场拥有众多不同的品类(近1W),每个 品类都有其独特的运营和市场特性。 不同的品类需要不同的分析方法和指标。 数据的实时性与动态性 人:运营策略多样 市场变化快速,需要实时或近实时的数据 分析来支持运营决策。处理和分析大量实 时数据是一个技术和资源上的挑战。 多样性的商品,就有着多样的运营策略, 如低价心智、单元化、各种营销活动等。 数据分析更加多样化、个性化。 快速分析与响应执行 场:市场与竞争的快速变化 当前的精细化运营需要快速响应分析课题, 对运营表现给出解答,再通过有效的执行 来实现运营优化和改进。 即数据分析如何触达业务表现的挑战。 电商市场的竞争激烈,市场环境也在不断 变化。现在市场上有多种销售模式,通过 不断地对市场进行快速分析,才能找到自 身的竞争优势与劣势。
6. 数据产品的困境 船小少载人 船大难掉头 典型数据产品 - 看板数据产品、传统BI 看板式数据产品,提供定式或半定式的数据看板,在标准化和易用性上,具有非常大的优势。而且基于其固定性的特点,可针对大数据量、实时场 景实行针对性的解决方案。 传统式BI,提供自定义的数据看板,在灵活性和个性化上,有比较大的优势。用户可以自行接入数据源,进行数据处理和分析。 速度与成本的困境 通用性与多样性的困境 看板式数据产品 • 改动成本大。当出现新业务和大型业务调整时,看板式 数据产品改动牵扯较广,需要工时较多。 • 更新延迟。因为需要时间来调整和适应,往往难以跟上 业务的变化速度。 看板式数据产品 • 定制化能力有限。看板数据产品更多关注“通用性”,对 新型业务、实验性分析、个性化分析支持有限。 • 灵活性不足。业务调整一个策略,可能就需要换多个视 ⻆分析,看板式数据产品很难满足。 传统BI • 学习成本高。传统BI需要搭建看板的用户需要学习产品 功能,需要具备一定的数据能力,如SQL等。 • 数据准备困难。准备数据源和多源建模对于一般用户来 说,难以自行完成。 传统BI • 数据口径问题。用户自行搭建看板和数据时,往往容易 出现口径差异,影响分析结果。
7. BI数据产品的演化之路 第一个BI产品是什么?BI是如何发展的? 精细化数据分析与数据产品困境 数据分析的主要挑战是什么?我们面对什么样的困境 突破困境:ABI数据产品的应对策略 如何应对这些挑战?如何解决海量分析需求? 大模型崛起:数据分析的新篇章 大模型带给数据分析的可能性 大模型数据应用实践 大模型实践分享
8. 数据产品的定位 人人都能上手的数据工具 数据效率提升 提升内外部的数据效率,包括数据使用效率、 数据分析效率。 • 数据使用效率。标准/非标准口径数据随 用随取,多平台权限打通,打造“个人数 据资产”。 • 数据准备效率。提供可视化建模能力,简 单交互完成多源建模,自助构建数据模型。 • 数据时效效率。业务数据全面实时化,即 时分析即时调整。 数据⺠主化 提升数据分析普适性,让人人都能分析,会 分析,人人都是分析师,以便捷性促成数据 驱动。 • 低⻔槛分析工具。提升工具的易用性,剥 离数据工作流中的产研⻆色。 • 数据共享协作。分析结果可合规分享,共 享自建看板或分析结果。 • AI分析师辅助。集成大模型能力与沉淀知 识,打通产品能力,提升分析能力。
9. 解决方案:现代数据栈结构下的生成式BI工具
10. BI数据产品的演化之路 第一个BI产品是什么?BI是如何发展的? 精细化数据分析与数据产品困境 数据分析的主要挑战是什么?我们面对什么样的困境 突破困境:ABI数据产品的应对策略 如何应对这些挑战?如何解决海量分析需求? 大模型崛起:数据分析的新篇章 大模型带给数据分析的可能性 大模型数据应用实践 大模型实践分享
11. 大语言模型在数据分析场景的优势与能力 什么是大模型 大语言模型是一种特殊类型的人工智能,它已经在大量文本数据上进行了训练,已理解现有的内容,并能生成原创内容。与之前的语言模型相比, 最关键的差异是规模和数据量。 23年市场上的主流大模型有GPT4、GPT3.5、BARD、LlaMA、Claude,以及专为中文设计的ChatGLM、百川等,可以根据场景进行应用。 自然语言处理和理解 能够以接近人类的水平理解和处理自然语言,使得它能够帮助我们 更快速、更准确地解析和理解大量的非结构化数据,例如文本数据、 用户评价、社交媒体内容等。 代码生成和自动化 能够自动生成代码,帮助我们快速创建数据处理和分析的脚本,显 著提高数据分析的效率和准确性,同时降低数据分析的⻔槛。 使得非技术背景的人员也能够进行数据分析。 智能推理和预测 具有高级的推理和预测能力,能够基于现有数据进行智能推理和预 测。 例如,它能够通过数据表现,来推理当前问题甚至预测销售趋势。 新的交互形式 非技术人员能够通过自然语言查询获取所需数据和分析结果,同时 提供清晰的数据解释和可视化,帮助用户更好地理解分析结果和数 据洞⻅。
12. BI数据产品的演化之路 第一个BI产品是什么?BI是如何发展的? 精细化数据分析与数据产品困境 数据分析的主要挑战是什么?我们面对什么样的困境 突破困境:ABI数据产品的应对策略 如何应对这些挑战?如何解决海量分析需求? 大模型崛起:数据分析的新篇章 大模型带给数据分析的可能性 大模型数据应用实践 大模型实践分享
13. ChatBI-专属于你的AI数据分析师 ChatBI简介 ChatBI是基于GPT技术的工具,帮用户寻找、理解知识,并能分析相关数据,提升数据工作效率,是一个创新、高效、一体化的产品解决方案。 用户仅通过自然语言对话,即可解决复杂数据问题,体验与跟真实数据分析师沟通一致,人人都有分析师。 用户痛点 了解数据 难 信息获取 难 数据分析 难 解决方案 GPT大语言模型 + 公/私域知识库 + 数据分析应用扩展
14. ChatBI-专属于你的AI数据分析师 解决了解数据、获取信息的难点 产品应用 数据/业务知识问答 解决数据分析的难点 自定义数据查询 分析思路应用 浏览器插件支持跨平台应用 无缝融入工作流 运营数据分析 业绩数据分析 内部文档报告 用户提问 核心能力 意图识别 实体识别 召回example 背景信息带入 大模型判断 结构化语义 知识库交互 知识问答 大模型提取 召回优化 大模型辅助识别 向量匹配 数据分析 本地大模型 结果可视化 PaaS接口 ChatGLM 流式问答 分析能力 数据分析/总结 数据报告生成 安全控制 图文自动编排 构建知识库,集成了大模型与数据中台沉淀的PaaS化能力,落地知识问答、数据查询、分析思路应用等能力,并能将结果可视化,提升可读性。 数据中台数据资产 知识库 数资元数据 指标SQL 业务数据资产 产品使用说明 事实分析思路 业务自有模型 业务知识
15. ChatBI应用价值示例 发现数据表现异常 指标说明平台 数据产品A 内部文档1 数据产品B 寻找指标口径 用户 数据分析 汇总分析结论 内部文档2 SQL取数 询问负责人 口径核对 大模型通识 发现数据表现异常 用户 通用知识库 数据查询 可视化分析结果 数据分析 询问ChatBI 专有知识库 领域分析思路 计算能力调用
16. 感谢观看

首页 - Wiki
Copyright © 2011-2024 iteam. Current version is 2.123.1. UTC+08:00, 2024-03-01 18:15
浙ICP备14020137号-1 $访客地图$