AI落地Best Practice · 知识库与数据产品 · 2025-07-29

先BI再ChatBI,还是直接ChatBI?

AI时代企业如何选择BI系统?两派专家争论不休,本文为你梳理关键观点。

核心内容:

  1. 业界对ChatBI与传统BI关系的两种对立观点
  2. Gartner等权威机构对BI演进的官方定义
  3. 国内厂商对ChatBI概念的本土化理解差异

这两天在和几家业界主流BI厂商沟通时,有人给我讲了一个非常值得深入探讨的事情:

现在有不少“先进”的企业老板遇到了一件烦恼事。AI来了,他们想数据驱动、想要从拍脑袋转为数据决策,因此要上数据分析、商业智能系统。这本来是个绝好的好事,但却没想到现在犯了难。因为有两派不同的专家给他洗脑,一派是让他直接上最AI、最时髦的ChatBI系统;另一派则相反,是让他先上BI系统,而后再上ChatBI。

这些专家都是业界的知名人物,都对BI和ChatBI有学深入了解。各说一词,听上去都很有道理。到底该信谁的?这些既想抓住机遇又怕踩坑的老板们不知道该怎么办了。

就此问题,中国软件网(www.soft6.com)采访了业界一圈,各派代表也炸开了锅。

1、“没有传统BI这一说”

我没有想到。别说观点探讨,光采访提纲就有人“不同意”了。

“我不同意传统BI这一说法。”针对我们采访提纲中提到的“贵司认为企业落地 ChatBI 时,必须先做传统 BI 吗”,衡石科技CEO刘诚忠对我们“传统BI”这个用词表达了“很大不满”。

衡石科技CEO刘诚忠

他认为没有传统BI。

在他看来,AI是BI必然要拥抱的,ChatBI只是BI拥抱AI能力的一个方面,是他们必须要达到的一个进步,是必然要实现的一个目标。BI作为一种能力和方法论,是持续进化的, ChatBI也只是其在特定历史阶段的具象化表现和能力升级。“因此没有所谓传统BI,因为所有的BI厂商都会非常积极地去拥抱AI。”

他的话确实也有道理,也有依据。因为Gartner等权威机构也有类似观点。

根据 Gartner 的定义,“BI是一个涵盖应用程序、基础设施、工具和最佳实践的综合术语,旨在帮助企业访问和分析信息,从而改进和优化决策及绩效” 。

我查了相关资料,并没有发现Gartner直接了给出对话式商业智能 (Conversational Business Intelligence, ChatBI)的独立正式定义。但其在2025年的分析与BI平台魔力象限报告中,已将“代理式AI、对话式分析、大语言模型支持和AI语义层”作为领先BI供应商(如微软、Qlik、Tableau、谷歌、Oracle、ThoughtSpot)积极整合的核心能力。

这表明,Gartner将对话式能力看成是现代BI平台不可或缺的一部分,甚至是它的核心竞争力。因此,从这个角度,可以说ChatBI就是BI的有机组成部分,而不一定是一个独立的“新物种”。

帆软品牌市场的负责人石阳也抱有类似的观点。但也有很多人对此的认知不一样。

并且,我发现一个比较有意思的现象。国内很多人将ChatBI直接称为Chat Business Intelligence,而不是Conversational Business Intelligence。一个是动词,一个是形容词,两个词语上的差异可能反映了对ChatBI是“一种对话行为”还是“一种对话能力”的不同侧重,也在一定程度上进一步反映了其与BI关系的不同视角。

国内对ChatBI的一个普遍接受的定义是,ChatBI是一种结合了自然语言处理(NLP)、机器学习(ML)和商业智能(BI)技术的智能对话系统,旨在通过自然语言交互的方式帮助用户进行数据分析和决策支持。

从这个定义来看,它并没有强调ChatBI是BI系统的一个高级属性。

接受我们采访的很多嘉宾,例如零一万物CEO李开复、奥威软件CEO邹斌、纷享销客CEO罗旭、科杰科技CEO于洋、思迈特市场总监陈翊源、普元信息智能数据中台产品线总经理李书超、百分点CTO刘译璟、泛微CMO刘志刚、薪人薪事CEO常兴龙、高速波CEO高波、数睿数据CMO董霜、网易数智CMO卡爷等,他们所在的公司多数都推出了ChatBI相关的产品或解决方案,也都对ChatBI和BI有着深入的认知和研究。

他们比较一致的看法是,对于不同厂商的产品或解决方案而言,ChatBI和BI存在着或多或少、紧密或相互解耦的关系,可以是两个不同的产品或方案。它们赖于实现的核心技术可以不同。它们所面对和目标客户、应用场景也有所不同,重点的功能也有所不同。

在有些应用厂商看来,不像BI那样紧密依赖底层数据架构、依赖独立的ETL工具、数据模型等,ChatBI是利用NLP、LLM+SQL等技术,在被“投喂或连接”到相关数据后,它会自动的学习、分类、查询、统计与分析,而后直接给用户提供数据分析的结果。

正是这种对ChatBI的不同认知,带来了“先BI再ChatBI,还是直接ChatBI?”的大讨论。

2、正方:必须先BI再ChatBI

这个观点是一些BI厂商们的坚守。

例如,国内BI市场份额占比最高的帆软就旗帜鲜明地提出,必须要先BI,然后再上ChatBI。否则无法解决AI、大模型带来的幻觉、数据不准确等问题。

据帆软石阳介绍,帆软正在和几百家客户共创ChatBI。从目前的实践情况来看,如果没有BI做基础,ChatBI不会带来好的效果。

衡石CEO刘诚忠也坚决认为,必须要有BI,否则ChatBI出问题。

据他介绍,就衡石目前落地比较成功的BI+AI项目来看,效果较好的都是那些前期数据工作和BI做的比较扎实的项目。如果说前面的数据工作打的不扎实,基本都会出现预期过高和结果匹配不上的尴尬情况。“现在大多数ChatBI项目,基本都处在这种比较尴尬的情况之中。问题不理解、查数查不准、答案胡乱说等情形经常出现。“

奥威软件CEO邹斌也认为,“从功能模块上来说,BI不是必选项,二者能力是解耦的;但是从企业内落地上,有一定的共通性。ChatBI问数、BI用数前都需要治理好数据。因此我们会建议先做BI再做ChatBI。有了BI数据资产沉淀之后,企业相对来说更容易推广和应用好ChatBI。”

奥威软件CEO邹斌

邹斌认为,目前ChatBI的技术路线大多是采取LLM+SQL的模式,也就是基于大模型的能力,生成SQL,然后再借助python或其他手段,执行SQL,并配合图表进行展现。这样的技术路线,理论上是不需要先做BI的。“当然这还得有一个先决条件,就是企业先要有数仓或数据中台。”

他进一步解释,如果不做传统的BI,仅使用ChatBI就会有许多瓶颈。“比如,对于经常用到、相对固定的需求,如果每次都需要问AI的话,会显得有点傻。像零售企业每天都会问‘昨天的销售情况如何’这些同样的问题,为什么不将他们的答案固化为报表,以后只需要查询就可以了呢?另外,对于复杂的场景,可能需要对话很多次才能得到答案,但如果用BI,只要做一张复杂一点的报表就可以了。”

因此,邹斌建议用户要“先BI再实施ChatBI”。他认为,这样的好处也有不少:1、除了通过问答式获取数据,还可穿透到BI现有其他报表,进行追溯分析;2、可基于现有BI报表,进行深度解读,还可推送;3、通过问答得到的报表,可另存为BI报表,形成知识积累;4、如果用SQL,需要用存贮过程实现的计算,比如本年累计再同比,借助BI则可轻松实现;5、数据权限自动继承BI权限,无须重复维护,让更多的用户体验AI价值。

更悲观的是,他认为,“独立于BI,采取第一种技术路线的ChatBI,由于性能、数据准确性等原因,可能还需要走较长的路,才能真正实用。”

3、反方:可直接部署ChatBI

这个观点显然是大多数应用厂商、非BI厂商们的热爱。

在他们眼里,“要先上BI才能再上ChatBI”,有点“屁股指挥脑袋”,是为了不让现在的BI系统过时。因为直接部署ChatBI不仅在产品技术可以做到,在资源配备上也能同样做到。

例如,用友BIP数据智能专家就认为,ChatBI具有多种应用方式,如直接上传Excel、对接数据源等,通过NL2SQL的方式直接“问数”“生图”。这些都可以是直接部署ChatBI。

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhinenghuagaizao/2025072901469.html