AI大模型的这股风终是吹到了数据分析圈。与传统BI相比，问答BI进一步降低了数据获取门槛，通过对话的方式就可以访问数据并得出相应结论，更方便业务人员快速上手分析数据！
问答BI（Q&A BI）在数据分析领域的意义在于它通过自然语言处理技术，使得非技术用户也能够轻松地与数据进行交互。问答BI允许用户通过提出问题来获取数据见解，从而简化了数据分析过程。它通过理解用户的问题并直接提供答案，使得数据分析更加直观和易于理解。问答BI的智能搜索和推荐功能，可以引导用户发现数据中的关键信息和趋势，提高决策的效率。问答BI的这种交互方式，降低了数据分析的门槛，使得数据分析更加普及和易于访问。
而今，国内各大厂商纷纷入局智能BI。顺着这股浪潮，老李试用了时下呼声最高的4款问答式BI产品，盘点了各自的优缺点，方便大家选择最合适的产品。
一、FineChatBI
1.产品简介
FineChatBI是帆软公司推出的问答BI产品。作为国内BI厂商巨头，帆软应该是最早投入研发资源进行AI for BI尝试的。核心理念是用 AI 技术去增强 BI 产品的能力，通过对话模式进行查询和分析，并依据选定的主题和数据模型生成可视化数据分析。同时可通过归因分析揭示结果背后的根本原因，预测可能存在的业务问题。
2.优点
背靠大山、技术过硬，拥有基于FineBI能力底座的企业级BI能力。目前FineChatBI能够智能化地实现「思路拆解 → 数据查询 → 异常检测 → 归因分析 → 趋势预测 → 报告生成」整个分析闭环。
前期数据准备上，利用的是Text2DSL 技术，取数的可靠性和精确度整体表现都很不错；中期数据分析上，FineChatBI的归因分析能力还挺让人惊喜，通过问答，能够快速精准地对指标进行归因分析。并且能很好地处理用户提出的模糊问题，如：今年的销售怎么样？
后期数据展示上，FineChatBI不强调复杂的技术细节，直接提供了业务人员易于理解的图表生成规则，极大地简化了业务人员的使用流程。同时在问答过程中生成的可视化组件也可以直接保存为BI仪表板，继续进行挂载或设置定时调度。整个过程，交互几乎零门槛。
文章中提到的BI数据分析工具分享给大家——
https://s.fanruan.com/7lh3w
零基础快速上手，还能根据需求进行个性化修改哦
3.缺点
和市面上所有的问答BI产品一样，FineChatBI目前支持的问法存在限制，不能过于随意地提问，需要按照一定的逻辑拆分问题。感知不太灵活，如果想要分析新的主题就必须重新开一个对话。另外FineChatBI有一个趋势预测的独特功能，但目前还在持续开发阶段，希望未来能够开通接口给客户自己去调试，进一步提升精准度。
4.总结
帆软FineChatBI作为一款问答式BI产品，功能全面、权限配置强大，整体来说较为成熟。尽管在提问方式和对话主题上存在一些限制，但FineChatBI的整体表现仍然值得肯定。
二、DataFocus
1.产品简介
DataFocus是一个基于搜索式分析的数据分析平台。通过问答式交互功能，帮助业务人员快速完成数据分析需求。
2.优点
交互简洁，凸显了“搜索式分析”的易用性。并且在提问引导方面做得不错，能帮助用户更准确地表达查询需求。图表样式丰富，产品版本多样，能满足不同阶段用户的需求。
3.缺点
作为搜索式BI产品，DataFocus在上下文理解上存在不足，不支持多轮对话，一定程度上影响了用户体验。产品对自然语言的理解还有待提高，尤其在一些关联表达的处理上存在不足。例如，在指定省份后使用"的"作为连接词时，DataFocus难以明确所要执行的分析操作。此外，数据看板和管理体验不够流畅，看板、图表和数据的对应关系不能清晰地在一个空间内展示。
4.总结
作为一款基于搜索式分析的SaaS数据分析平台，DataFocus在交互设计、图表样式等方面表现出色，但在语义理解精度以及数据看板管理体验等方面还有较大的改进空间。且产品本质上是以“检索”而不是“对话”为主要交互逻辑的，引入“对话式交互”的目的应该是为了引导用户更好地使用“检索式交互”。
综合来看，DataFocus是一个有潜力的数据分析工具，但在成为企业级解决方案之前，还需要在产品的细节打磨和功能完善上做出更多的努力。对于寻求简单易用的数据分析工具的用户来说，DataFocus值得一试，但也需要接受产品当前的局限性。
三、有数ChatBI
1.产品简介
有数ChatBI是网易推出的，基于其自研大模型的对话式数据智能助手。支持通过简单的自然语言快速生成分析图表，并添加到报告中，辅助进一步编辑和分析。
2.优点
可以将查询结果导出到报告中进行进一步编辑和分析，并能够与现有的BI图表进行有效结合，方便用户深入分析。安全方案比较有保障，提供了较为可靠的数据保护措施。具备多轮对话的能力，能够提供更加连贯和深入的交互体验。
3.缺点
问答识别能力有限，缺乏对一些基础功能的支持，如表达式计算、指标过滤、时间过滤等。整体问答体验不够流畅，需要经历多个步骤才能得到结果。问题推荐的智能程度有待提高，有时候推荐的问题与实际需求并不吻合。所谓的知识库配置十分繁琐，需要手动输入大量的同义词，很耗时间。
4.总结
有数ChatBI作为一个问答式BI产品，在安全性和与BI产品的结合方面表现出色，尤其是在结果导出和报告编辑方面。然而，产品在问答识别能力、问答流畅性以及相关问题推荐等方面存在不足，用户在配置和操作上的时间投入较大。
四、北极九章
1.产品简介
北极九章是一款企业级AI对话式自助分析工具。它通过问答式搜索、自然语言处理技术和定制化开发等功能，满足企业用户在数据分析方面的深层次需求。
2.优点
更加开放和定制化，支持用户指定大模型，且用户可以根据个人喜好和需求切换图表类型和配色。产品集成了一些简单的增强分析功能，如时间序列分析和维度拆解等，提供了更深层次的数据探索能力。此外，北极九章提供了异常识别、归因分析等较为完整的功能，但体验下来，其归因分析的能力还处在非常初级阶段，不能满足实际的需求。
3. 缺点
条件语句的查询存在局限，目前还不支持“OR”逻辑，所有条件默认以“AND”关系处理。产品主要基于切词和关键词匹配，无法匹配相似语义。整体来说，北极九章的问答系统更接近于查询，用户必须严格遵循预设的查询模式（时间+指标+维度+条件）来提问，并非真正意义上的“问答”。
4.总结
相比较来说，北极九章更加开放、灵活和定制化，是一个很有潜力的产品。但作为问答式BI工具，北极九章难以满足自然交互的需求，在语义识别和交互设计上还有很大的进步空间。
五、结论
综合比较下来，FineChatBI是整体成熟度最高的问答BI产品。本身有坚实的BI基础架构，在数据准备、权限设置和图表制作等环节都极为高效，产品快速迭代能力强。数据获取门槛低，对话体验流畅，对模糊语义的处理响应能力较强，在实际应用中体验非常友好，能更精准地满足用户对数据分析的需求。
