大数据产业创新服务媒体
——聚焦数据 · 改变商业
在当前快速发展的数据分析领域，AI大模型正成为推动技术创新和企业决策的关键因素。随着数据量的指数级增长和计算能力的显著提升，大模型不仅在理论研究中取得了显著进展，也开始在商业应用中展现出前所未有的潜力。企业级的数据分析解决方案正变得越来越复杂和智能化，这促使业界寻求更高效、更准确的数据处理和分析方法。
正值这样一个关键时刻，跬智信息（Kyligence）于2023年11月21日召开了线上数智论坛暨产品发布会。在这次会议上，Kyligence不仅展示了其智能一站式指标平台——Kyligence Zen的最新升级，还介绍了AI数智助理——Kyligence Copilot的一系列企业级能力。在此次大会上，数据猿采访了Kyligence联合创始人兼CTO李扬、Kyligence产品总监肖牧云，对其最新的技术产品动向，以及业务思考进行探讨。
接下来，我们将分析Kyligence如何将先进AI大模型技术应用于企业级数据分析场景，并讨论这种结合对企业决策以及未来人机交互逻辑的深远影响。
数据分析场景下的大模型能力评测框架
对于引入大模型的数据分析产品，大模型本身的能力，将很大程度上决定对应数据分析产品的性能。因此，在介绍指标数据分析之前，有必要对大模型本身的能力进行详细的评估。
在这方面，Kyligence近期推出的大模型能力评测框架，是一个有益的探索。
需要指出的是，在数据分析场景与通用场景下评测大模型的能力时，存在显著差异。数据分析场景更侧重于模型处理特定数据类型的精确性和深度，以及对复杂商业逻辑的理解能力。而在通用场景中，重点更多在于模型的适应性和多功能性。企业级数据分析要求模型不仅提供准确答案，还要提供深入的数据洞察和业务建议，这在通用应用中往往不是主要考虑因素。
为此，Kyligence的大模型评估框架，是基于企业常用的数据分析场景，细致地从数据准确性、结果可读性、洞察自动化这三个方面进行了深入的评测。
在企业数据分析中，数据准确性是最基本的要求。这不仅是因为错误的数据会导致错误的决策，更因为准确的数据是赢得业务用户信任的基础。Kyligence的评测框架特别强调了AI计算指标结果的准确性，这包括对数据集的准确处理、异常值的识别与处理，以及对不同类型数据源的正确解读。在这个基础上，大模型能否在不断变化的数据环境中保持稳定和准确，成为评测的关键。
结果的可读性，直接影响了用户对AI分析结果的理解和接受程度。AI模型不仅需要提供准确的数据分析，还要以用户易于理解的方式呈现这些结果。这就要求模型具备高效的数据可视化能力，能够清晰地展示复杂数据，同时提供足够的解释性信息，帮助用户理解和解读分析结果。Kyligence的评测框架，特别关注AI模型在提供数据计算和数据洞察方面的能力，这直接关系到交互和用户体验。
洞察自动化，是评测框架中的一个创新点。这一方面不仅评估AI模型在回答用户直接查询时的效率和准确性，更重要的是评估其在自动发现数据中隐藏洞察的能力。这种自动化能力能够使企业更快地识别商业机会或潜在风险，从而提高决策的效率和质量。
根据这个评估框架，Kyligence对国内外常见的几款大模型进行综合评估。其中，GPT-4的表现最好。值得指出的是，国内的大模型，除了文心一言、通义千问这类大模型外，百川智能和智谱AI的表现也较好，这也是Kyligence 选择接入智谱 AI、百川智能的重要原因。
国内大模型领域，大致有两类玩家最受关注，一类是以文心一言、通义千问为代表的科技巨头；另一类就是以智谱 AI、百川智能为代表的第三方创业公司。某种程度上，创业公司能突围而出，对整个市场的创新氛围有好处。毕竟，国外的ChatGPT也是一个创业公司做出来的，而不是谷歌、微软等科技巨头的产品。
从这个角度来看，科技巨头与创业公司的竞争，有利于推动行业的健康发展。
Kyligence Copilot，一次将大模型引入指标平台的全新探索
讲完大模型，我们再来看看基于大模型所改造的指标平台。
Kyligence此次的发布会聚焦于两款创新产品：Kyligence Zen和Kyligence Copilot，这两款产品代表了智能数据分析和大模型技术的结合。
接下来，我们重点分析此次的明星产品——Kyligence Copilot。
Kyligence Copilot，作为AI数智助理，是大模型技术与数据分析的结合的典范。它的核心价值在于其快速、精确的数据处理能力，以及能够提供高度个性化的业务洞察。这款AI数智助理的设计充分体现了当前数据分析技术的前沿进展，特别是在处理大数据和复杂数据集方面的能力。具体来看，Kyligence Copilot在以下几个方面作出了差异化：
1、高效的数据处理和问题定位能力
Kyligence Copilot可以在极短的时间内自动完成关键KPI的评估，这是其最显著的特点之一。例如，在10秒内，它能够对关键业务指标进行全面评估，快速定位潜在问题。这种速度在传统数据分析中是难以想象的。进一步地，在20秒内，它能找到数据变化背后的根本原因。这不仅节省了大量的时间和资源，也使得业务决策过程更为迅速和准确。
2、洞察自动化与智能分析
除了快速定位问题，Kyligence Copilot还具备洞察自动化的能力。它不仅能够回答用户的直接查询，还能够自动从数据中发掘重要的业务洞察。这种能力尤其重要，因为它使得企业能够发现并利用那些在常规分析中可能被忽视的信息。这种深度的洞察和预测能力，为企业提供了在市场上保持竞争优势的关键工具。
3、个性化和用户友好的交互
Kyligence Copilot还特别注重用户体验，它提供了一个直观、易于使用的界面，让非技术用户也能轻松地进行复杂的数据分析。通过个性化的数据报告和可视化工具，用户可以更容易地理解和解释数据分析结果。这种用户友好的设计，不仅提高了用户的满意度，也增加了数据分析工具的使用率。
4、业务敏捷性和决策支持
通过提供及时、准确、统一的数据和信息，Kyligence Copilot显著提高了业务敏捷性。在快节奏的商业环境中，能够迅速响应市场变化和内部挑战至关重要。Kyligence Copilot通过其高效的数据分析能力，帮助企业快速做出基于数据的决策，从而在竞争激烈的市场中保持领先。
此外，Kyligence还升级了智能一站式指标平台——Kyligence Zen，企业可以根据实际情况选择 SaaS、云上部署和本地私有部署不同的部署方式。
Kyligence Zen作为一站式指标平台，为管理者和业务人员提供高效、准确、全面的智能决策支持。其最新版本集 AI 大模型、业务模型、指标管理、指标加工、数据服务等能力于一体，将更好地满足企业对数据分析、指标管理多层次、更深度的业务需求。这一平台的优势在于它的一体化设计，以统一可信的指标为基础，能够将复杂的数据处理和企业管理流程简化，使得用户能够更加直观和快速地获取洞察。
Kyligence Zen与Kyligence Copilot的配合，大幅度提升了指标分析的效率。
大模型不仅仅是一个新增功能，改变的将是整个人机交互逻辑
需要指出的是，大模型与指标平台的融合发展之路，才刚刚开始，我们还有很长的路要走。
目前大部分产品，都只是将大模型作为一项新增AI能力接入进来，对其原有的产品界面、系统结构、业务逻辑改变不大，这只是大模型与指标平台这类业务系统结合的早期形态。
更高级的形态，应该是基于大模型所提供的人机对话能力，来完全重构整个业务逻辑，重构整个产品形态，重新设计产品界面。
回想一下搜索引擎与新闻门户网站的改变，在门户网站时代，大量新闻充斥整个页面，而有了搜索引擎之后，只需要一个简洁的搜索窗口，人与信息的交互方式发生了根本的改变。
同样的变革，在指标分析平台乃至更广泛的B端业务系统中，也将上演。
在当前的企业环境中，大多数业务系统仍然是功能导向的。这些系统通常包含大量功能组件，它们根据特定的业务和操作逻辑进行组合。这种设计要求用户理解并适应产品的操作界面和流程，往往需要进行多步骤的操作才能完成任务。
在功能导向的系统中，用户必须逐步学习和适应系统的复杂界面和操作流程。这通常需要时间和培训，特别是对于那些不熟悉技术的用户来说，这可能是一个挑战。此外，功能导向的系统可能因其复杂性而限制了用户的效率。
然而，随着大模型技术的发展，业务系统的这种传统操作逻辑正面临着重大的变革。
基于大模型的业务系统将以人机对话为核心，从根本上重构操作逻辑。这种系统不再要求用户理解复杂的功能和操作流程。相反，用户只需向系统表达其需求，系统便能理解并将这些需求转化为具体的操作指令，自动完成任务并返回期望的结果。这种交互方式的转变，从根本上改变了用户与系统的互动模式，大减少了学习曲线，提高了用户的工作效率。
此外，基于大模型的系统能够更快速地适应用户的需求变化，提供更为个性化的服务。这些系统能够根据用户的特定需求和偏好，动态调整其响应和功能，从而提供更加定制化的用户体验。而且，这种系统能够处理大量的数据，提供更深入的洞察和建议，这在功能导向的系统中往往难以实现。
当然，重大的变革总是不容易的。
要实现这种人机交互的变革，不仅需要大模型技术的持续进步，还需要新的产品设计哲学。产品开发者需要从用户的角度出发，重新思考如何设计更为人性化、更易于使用的系统。这意味着在设计过程中，用户体验将成为核心考量，而不是仅仅聚焦于功能的实现。
综上，随着大模型技术的迅速发展和深入应用，我们正见证着企业业务系统的一场根本性变革。从功能导向的复杂操作，转向基于对话的直观交互，这不仅标志着技术进步，也预示着企业工作方式的重大转型。Kyligence Zen和Copilot产品展示了这种变革的初步成果，通过将复杂的数据分析任务转化为简单、直观的对话体验，它们为企业数据处理和决策提供了前所未有的便捷和效率。
这种以人机对话为核心的新系统，不仅提高了用户的工作效率，还提升了数据分析的质量和精度。用户无需深入了解技术细节，就能利用最先进的数据分析工具，这大大降低了技术门槛，使得数据驱动的决策更加普及和高效。
就在22 日，飞书宣布推出智能伙伴，Kyligence 成为首批生态单位，基于 Kyligence Zen智能一站式指标平台实现的 AI 数智参谋已内置到飞书智能伙伴，将帮企业对北极星指标进行层层拆解，自动完成数据洞察、指标归因分析并推荐决策建议。
展望未来，我们可以预见，随着技术的进一步发展，更多创新的产品和解决方案将出现，推动业务系统的智能化和个性化。这不仅将深刻影响企业的运营模式，也将改变我们与数据和技术的互动方式。在这个快速发展的时代，适应和利用这些变化，将是每个企业和个人面临的关键挑战和机遇。
文：月满西楼 / 数据猿
