当世界充满AI，BI该何去何从？

　　随着DeepSeek大模型的广泛应用，AI成为各行业热议的焦点。这一趋势引发了关于BI（商业智能）未来的讨论：AI的普及将导致BI的衰落，还是为其注入新的活力？

　　长期以来，直接面向客户的BI和数据分析工具在市场中占据主导地位。而今，AI的崛起正逐步改变这一格局。主流BI供应商纷纷向AI公司转型，以适应这一变化。那么，在AI时代，最终用户是否还需要了解BI和数据分析的未来？

　　成熟的BI供应商已经意识到这一点，并推出了超越传统报告和图表的新工具。这些工具利用生成式AI转向自然语言处理（NLP），使用户能够用日常语言与数据交互。同时，它们还扩展了数据可视化的功能，以易于理解的格式呈现复杂数据。

　　行业观察家普遍认为，AI，尤其是大语言模型的兴起，极大地扩展了BI和数据分析工具的功能和范围。德勤咨询公司总经理Chida Sadayappan表示，大模型通过实现结构化和非结构化数据的集成，增强了数据解释、决策改进和流程自动化，使组织能够获得更深入的见解，并从数据中创造更多价值。

　　随着技术的发展，BI和分析工具将继续存在，但其技术基础正在发生变化——迁移到云上的AI堆栈中。LTIMindtree公司执行副总裁Jitendra Putcha指出，当前数据的每一层都将被重新构想和重塑，包括从提取、转换和加载（ETL）方式转向AI驱动的数据处理。此外，用户分析也将从基于SQL和Python的查询转向使用自然语言处理的对话分析。

　　这意味着编码人员角色的转变。安讯士网络通讯公司业务开发经理Quang Trinh表示，编码人员将成为采用无代码和对话模式的设计师，使用Copilots和Studios等工具来构建应用程序，以取代传统的集成开发环境。我们正从静态报告转向动态数据产品，提供直接嵌入到工作流程中的实时、可操作的见解，以驱动每个层面的决策。

　　大模型带有的自然语言处理功能简化了数据分析。通过将自然语言转化为数据库查询并创建数据可视化，Trinh指出这意味着最终用户将拥有更多发挥创造力的机会。例如像Claude这样的大模型当连接到客户的数据库时可以生成用于数据可视化的代码。大模型正跨界到图像和视频以协助分析图像和视频而且它也会从数据中学习生成新的图像和视频。

　　Sadayappan认同这些工具正在不断的发展中以提供更具有交互性和对用户友好的体验。随着生成式AI的进步现在用户能够用自然语言提问并获得详细的、描述性的答案从而使它们变得更易用和高效。

　　数据分析“民主化”可能最终会更接近现实这在长期以来一直被真正的数据驱动型企业视为梦寐以求的目标。这种通过NLP实现对话式AI的兴起意味着一种新的用户接口——不需要正式构建查询。Putcha指出洞察的创建和使用将变成对话式的。系统将适应人类业务用户将用自然语言和数据交互提出问题并获得见解而无需SQL或Python等技能。

　　与此同时如许多技术进步一样AI驱动的业务分析工具的成功还取决于数据质量——这也属于“垃圾进、垃圾出”的经典难题。Trinh表示许多组织在将孤岛式的系统集成到一个平台上时需要花费大量成本进行数据清理和验证。员工培训必须强调信任与核实并重的原则以便组织能够合乎职业道德地、有效地使用AI工具。

　　Sadayappan谈到AI驱动的BI的主要挑战是集成各种来源的数据这些数据通常存在于孤岛中。而配备大模型的现代数据智能平台可以通过促进无缝集成、提高数据质量和自动化洞察来提供帮助从而提供客户和运营的全面视图。