Case1｜从数据到决策：AI驱动的Quick BI架构设计与实践
王璟尧
嘉宾介绍：王璟尧，毕业于浙江大学信电系，10 年数据产品建设和技术架构经验。现任阿里云智能集团高级技术专家，Quick BI 数据智能研发负责人，负责 BI 平台架构、新一代智能 BI 建设等工作，在元数据管理、BI + AI、大模型应用等领域上有丰富经验。
在生成式 AI 重构数据生产力的时代，BI 工具正从“被动响应”走向“主动洞察”。在 InfoQ 举办的 QCon 全球软件开发大会（北京站）上，阿里云智能集团瓴羊高级技术专家王璟尧分享了“从数据到决策：AI 驱动的 Quick BI 架构设计与实践”，他介绍了阿里云 Quick BI 如何通过技术架构跃迁、结合大模型的突破实现从传统 BI 到 AI 驱动的智能 BI 的跨越式进化。并重点解析领域大模型与 BI 引擎的协同设计、NL2SQL 算法调优与架构演进、AI + BI 在场景落地实践过程中的技术权衡，为行业提供可复用的技术范式。
以下是演讲实录（经编辑）。
BI 领域的技术演进及趋势
传统 BI VS 大模型驱动 BI
早期 BI 是在数据仓库和数据库不断发展演进后形成的需求场景：数据仓库会将各类数据融合到一起进行数据清洗和分析，随后业务人员对自助分析产生了一系列诉求，早期的 BI 工具便应运而生，像 90 年代的 Business Object 就是一个比较有代表性的例子，具有一定限度的自助式分析能力。当时其实还没有“商业智能”这一概念，随着自助分析能力要求的不断提高，可视化、自助式可交互的分析需求也越来越强烈，于是敏捷 BI 应运而生：基于可视化的自助式、可交互的分析，以 Tableau/Qlik 为代表，其最大特点是可通过拖拉拽、按钮点击等简单操作就能完成报表的搭建工作。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 传统BI工具正在向智能BI的跨越式进化，利用大模型技术实现主动洞察和决策智能。 2. 大模型驱动的业务落地方向包括Copilot、Chat BI、洞察分析和决策智能，为用户提供更高阶的决策支持。 3. 企业级智能BI分析离不开BI工具、大模型和企业私域知识的有效融合，使BI分析更具针对性和业务价值。 4. Quick BI作为阿里云上的SaaS的BI产品，通过智能小Q产品重塑整个BI分析流程，实现每一个环节的重塑。 5. 在大模型时代，BI产品的分析流程的每一个环节都有可能被重塑，为用户提供更智能化的数据分析体验. 6. 大模型加持的对话式分析实现了“人人都是数据消费者”及“数据民主化”，使数据分析更加灵活和自动化。 7. 大模型技术的应用让Quick BI不断成熟与发展，实践落地智能小Q系列，给用户带来全新的、端到端的产品体验。 8. Chat BI在商业智能领域成为焦点，通过智能问数实现用户需求的自然语言响应和数据分析结果呈现。 9. NL2SQL算法领域面临的挑战，以及大模型能力的有效性、准确性和规划能力. 10. 大模型与好数据：训练数据准备，大模型在以下几个方面会有长足进步，具体进步包括：动态推理能力、多模态感知能力、模型能力本身的持续进化、自主决策能力。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《致程序员：AI 百问百答》，新⼈⾸单¥0.11
《致程序员：AI 百问百答》，新⼈⾸单¥0.11
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论