“AI+BI 时代，数据分析何去何从？” 随着大模型的兴起，AI 与 BI 的融合为数据分析领域注入了新的活力。然而，这是否意味着传统的数据分析已无足轻重？在新技术的浪潮下，我们该如何正确认识数据分析的本质与价值？

自大模型诞生后，它强大的问答功能被应用到了各行各业，所以很多厂商在BI的基础上研发了ChatBI产品，新技术的加持，确实不得不承认AI与BI的结合给数据分析带来了新的视角。很多人对于AI的认知，就是智能化，所以现在很多人都认为数据分析已经变得简单甚至已经被替代了？有了AI+BI，数据分析就完结了。

这是一个误区，一个很多人都说不清的误区。

BI大家很清楚了，它最核心的价值，是帮助企业快速看清数据。在传统模式下，业务部门常常为了获取一份报表，耗费数天甚至数周时间，拉取数据、清洗数据，然后用excel制作可视化图表。有了BI工具，通过仪表盘展现和自动化的统计功能，大幅减少了数据整理和展示的时间成本，这个工作相信大家已经很清楚了，这里就不展开细述了。

但是我们确实也要看到BI的局限，数据展示可以告诉我们“发生了什么”，比如某地区销售额下降了，或者产品的某个功能点击量增加了。但它并不能回答“为什么”和“接下来该怎么办”。当然，有的仪表盘甚至连发生了什么也未必说清楚。

我们再来看chatbi，你可以直接提问“某产品的退货率是多少”、“上周的销售额是多少”，大模型会迅速生成结果并将结果反馈给你，甚至也可以展示出一些图表。看上去AI似乎已经帮我们完成了“分析”工作，但实质上，这依然是基于现有数据的简单反馈。

如何理解我说的这段话，我们可以来看个较为具体的例子。

如果一家互联网公司希望优化广告投放策略，我们可以使用ChatBI提问：“哪个广告的ROI最高？”，系统会快速返回数据，这里返回的数据是基于已经进行加工好的数据指标或者数据结果。看似答案直接又清晰，但为什么这个广告效果好？高ROI是否是因为投放量小？等问题是分析的核心，如果有些数据已经被计算，ChatBI可以快速帮你取到最后结果，但是这些问题到底应该看什么指标，进一步应该做哪块的分析，这个ChatBI并不会告诉你，方向与思路需要你自行解决。

有的人会说，这个很简单，让ChatBI把这些指标都算好一次性给你不就可以了，这个和BI的仪表盘把所有数据展示出来没有任何差异，如果所有的分析都有固定的套路，那么所有的企业在数据应用这件事上就不应该有差别，所有的数据分析师都应该是一个水平，但是从实际来看，这完全是无法实现的。

进一步说，AI在当前来看，虽然很多企业都在不断更新技术，他们能实现的是减少AI的幻觉，但不是彻底解决幻觉，所以当失去专业人士的数据把控，数据结果的可靠性就是一个极大的问题。当然AI工具的输出还特别依赖于数据输入的质量，如果企业的数据不完整、不准确，或者问题本身定义不清，AI的输出结果很可能误导决策。

误导决策这件事，在有的场景下对于企业来说就是致命的，因为商用，所以应该慎之又慎。

数据分析的终极目标，是为业务决策提供依据。它不仅关心发生了什么，更重要的是要从数据中了解为什么会发生，未来会怎样，以及我们应该怎么做。从产品的功能来看，BI和AI的核心价值在于提升效率，而数据分析的价值在于优化决策。这两者是互补关系，而非替代关系。

对于AI+BI的产品定位，我们应该明确他们属于实现数据分析的一种工具，AI是更加快速、高效的工具，但是如果认为它能实现智能化，那么可以先反思下当前企业是否已经有足够丰富且高质量的智能化决策数据进行输入，模型的“思考”能力，是基于它的学习能力，所以我们是否拥有足够多的数据供模型学习，这个是在中长期内都很难解决的问题。

当然AI的使用是不是就不需要能力了，我觉得答案是否定的。

如何提问很重要，模型的回答是基于你的提问，那么如何提问就是一门“技术”，这个和我们日常说的需求难提类似，如果问题问得不对，那么模型输出的答案就毫无意义。比如，你问“哪个广告点击率高”，得到的答案只是数字，但如果你问“高点击率的广告是否带来了转化？”这就是一个比较复杂的分析问题了，如果模型回答你了，记住停下来好好思考是不是对的。

BI工具帮助我们更快地看清数据，AI工具让我们更方便地获取答案，但它们都无法代替真正的数据分析工作。这一点是所有企业都应该明确认识的。

数据分析严格来说是一种解决方案，因为很多时候并不能只针对某一个非常具体的点进行分析，企业对于数据应用的需求应该更加系统化、体系化，更加深入。

学习数据分析，不是为了操作工具，而是为了从数据中看到有用的信息，“有用”是多元的，是复杂的，工具可以让我们更加高效、快速看见，但不能让我们直接一针见血。