至顶网CIO与应用频道 08月14日 人物访谈(文/王聪彬):商业智能(BI)这一概念出现于20世纪90年代末,代表的是为提高企业运营性能而采用的一系列方法、技术和软件。1989年,BI的概念经由Howard Dresner的通俗化表达而被人们所广泛了解,即一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的,目的是帮助企业进行决策的技术及其应用。
BI进入中国也很早,但当时的企业大多还在解决生产经营问题,所以BI的真正价值没有被企业认识到,也没有被发挥出来。随着数据价值的逐渐显现,越来越多的企业提出了对于BI的需求,BI已经成为帮助公司经营的重要手段。
每年2月,Gartner都会发布商业智能和分析平台魔力象限。从今年的数据来看,Microsoft、Tableau发展迅速,尤其是Microsoft在执行力上大幅度提高,已经和Tableau并驾齐驱。与此同时,BI的新趋势在于人工智能(AI)和BI的融合。预计在2020年,AI技术将成为90%现代BI平台的主流技术。
2017 Gartner商业智能和分析平台魔力象限
商业智能的三个时代
在20-25年前,企业内部都是人工操作。10-15年前出现了modern BI(现代化商务智能)工具,帮助企业制作固定格式的报表。近几年,可视化展示让BI变得更易操作和可理解。
可以说BI已经从IT主导分析转向业务主导分析,Gartner研究总监简儁芬(Melody Chien)观察到,只为帮助老板决策的IT提供的报表已经过时了,IT要转变成给数据赋能的超级英雄,将更自动化、更简单的数据分析提供给不同层面的人。
Gartner研究总监简儁芬(Melody Chien)
这一变化的特点就是智能化,一个数据分析项目一般需要非常长的时间,尤其是前期的数据准备工作,IT技术可以让这些工作变得更自动化、智能化、普及化。不仅参与者更多,而且数据洞察在内部使用的同时还可以分享给外部客户、合作伙伴等,数据分析之后看到的内容越来越不是数据本身,而是数据背后的价值。
Gartner把BI划分为三个时代,预计在3-5年内,第三时代的工具会越来越成熟,成为市场主流。
第一时代 “Semantic Layer-Based Platforms”(语义平台),帮助企业处理简单的数据模型,对日常业务交易进行分析,但是很难做到根据市场波动快速调整模型。
第二时代“Visual-Based Data Discovery Platforms”(可视化数据分析平台),业务人员可以在没有任何或少量IT技术能力的情况下,使用拖拉拽的方式对模型进行自动化的修改,并且用可视化的方式例如各种图形来展示分析结果,但是还需要很多人为的配置部署。
第三时代“Smart Data Discovery Platforms”(智能数据分析平台),通过人工智能自动从数据中挖掘出模型,并且利用机器学习的技术自动从中发掘数据的规律,这种自动化可以节省大量前期数据准备时间。
“三个时代在interaction(互动)和collaboration(合作)上有很大的变化。”简儁芬指出,第一时代的互动是由IT事先编译安排好的,如果发生任何变化都要重做流程;第二时代用户通过可视化交流;第三时代则通过自然语言来做分析,而且随着AI的发展,第三时代的工具会越来越普及,未来3-5年将达到成熟。
数据分析一定要和业务挂钩
虽然从技术和产品上看,第三时代的工具已经逐渐呈现出爆发的趋势,但是企业的实际应用却是与之脱节的。就像开篇所提到的,BI进入中国很早,但应用的企业其实并不算多,其中大部分集中在金融、交通、电商等行业。
但在大家都在关注底层数据分析的现在,企业还在谈BI吗?简儁芬给出的回答是肯定的。中国企业目前虽然大部分还停留在第一时代,仅有部分处在第二时代,但这并不影响企业真正把技术运用到内部业务流程,带来实际的业务价值,尤其是第三时代的技术可以带来明显的业务提升。
中国企业都在不同程度地使用着BI,这些企业当前的目标是要快速过渡到第二、第三时代,而且首先要意识到BI不只是产生报表做决策用,更是企业内部流程自动化和数字化转型的动力。
在BI的使用上可以分为四种分析模式,企业需要不断地深入下去,甚至使用横跨几种的分析模式。
第一层、描述型分析(descriptive analytics),主要解决What Happened?了解企业已经发生的事实。
第二层、作诊断型分析(diagnostic analytics),主要解决Why has happened?看到发生了什么的同时,研究为什么会发生。
第三层、预测型分析(predictive analytics),主要解决What will happen?在变化的过程中预测到将会发生什么。
第四层、规范型分析(prescriptive analytics),主要解决What will happen?What should I do?未来将会发生什么,以及该怎么做。
现在的企业都不缺数据,所以数据分析一定要回归到业务层面。香港某大学在研究27种不同癌症的病因和发展趋势时,需要从大量复杂的数据源中抓取数据。其运用的第三时代工具可以自动整理和标识出可能的病因,将一个学期才能完成的分析缩减到2-3周。
获取BI技术很容易,但更重要的是企业需要考虑数据怎样才能更有效地帮助企业运营。简儁芬认为在使用BI方面,领先的行业和企业都有一个共同的特点,他们总在思考如何把数据赋能给客户,甚至把数据分享给客户和合作伙伴。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。