思迈特:在AI时代韧性增长的流量密码

news2024/10/25 21:23:18

作者 | 曾响铃

文 | 响铃说

“超级人工智能将在‘几千天内’降临。”

最近,OpenAI 公司 CEO 山姆·奥特曼在社交媒体罕见发表长文,预言了这一点。之前,很多专家预测超级人工智能将在五年内到来,奥特曼的预期,可能让这个数字变得更加乐观。

超级人工智能,即Artificial Super Intelligence,ASI,指智慧程度远超人类的人工智能,奥特曼认为,“它能够真正学习任何数据的分布模式”,“产生任何数据分布底层规则。”

“数据”成为ASI这个人类愿景的关键词,而在通往ASI这条路上,越来越多与数据高度相关的工具或应用正在实现快速发展,这其中就包括在企业内深度挖掘数据价值、支撑数据分析的商业智能(BI),其进展,与AI应对数据的能力演进同频共振。

在中国,根据前瞻产业研究院的数据,预计到 2029 年,中国商业智能软件市场规模将超过30亿美元,未来 5 年市场年复合增长率(CAGR)达到20%左右。

然而,BI价值被广泛认可,但长期以来面临的“产品力”难题也不容忽视,例如高度的专业性导致企业内部人群覆盖度不足(只有特定人群才有能力使用),以及BI输出能力有限,包括报表形式单一、数据分析深度不足等。

这时候,正通往ASI、处在高速发展中的AI,找到了用武之地。

从ANI(狭义人工智能,包括各类助手)到AGI(通用人工智能,目前的探索)最终到ASI,AI对数据的理解、价值挖掘是一个越来越深入的过程,在千行百业逐步实现场景驱动价值,最终走向奥特曼的预言。以大模型为代表的AI与BI结合的智能BI,成为这其中的典型代表、注解。

以聊天式BI(ChatBI)为主要外在表现形式,智能BI正成为众多厂商追捧的方向。例如思迈特在8月初发布的基于AI Agent的新一代智能BI,Smartbi AIChat 白泽,一款如同ChatGPT聊天式交互就能实现数据分析的便捷高效的工具。

在大模型的加持下,BI的“产品力”正迎来新的突破。

智能BI,强化BI“产品力”

从产品视角看,大模型与BI结合带来的“升级”价值体现为多个方面。

1、使用门槛不断降低

智能BI以对话式BI面向业务人员,业务需求不再需要通过数据分析师甚至IT工程师“翻译”,而直接可以满足和实现。以思迈特白泽产品体验为例,简单的指令就能获得想要的柱状图:

没有拖拽组件、创建仪表盘和报告,更加直观、灵活和高效。

2、呈现形式不断丰富

智能BI能够自动生成更多类型的图表和报告,从而帮助用户更好地理解数据。

例如,思迈特白泽产品能够以自然语言调用Pyecharts 所有 30+图形组件,如柱图、饼图等,还能对标题、图例等进行调整。

在智能BI下,用户可以探索与开发更多的展现形式,业务支持与数据挖掘会变得更加有效。

3、数据分析的客户价值不断强化

如果说交互简单、输出形式丰富还只是数据分析产品的“外在”,那么数据准确性则是产品能够给客户带来价值的核心所在。

目前,微软、思迈特等厂商所开发是智能BI,几乎都在过去BI的仪表盘和报表基础之上新增了一种或多种数据分析能力,例如时间计算、归因分析、数据预测、数据解释等。

以归因分析为例,在思迈特白泽产品中,需要查找某个月份合同金额异常的原因,只要向它问询,就会给出可能的原因:

在具体应用中,某证券公司在经营分析会上,发现仪表盘上的异常指标,直接询问思迈特白泽,就可实现对异常指标进行进一步的分析和探查。

由此可以看出,智能BI正在让BI从简单的描述性+少量的诊断性,走向深入的诊断性+结合内外部知识的指示性,甚至直接给业务人员、管理人员开出“处方”。

当然,除了这三点,在企业客户对数据安全越来越关注的当下,智能BI在权限控制上同样出色,其中思迈特白泽产品通过对接统一数据模型进行数据权限控制,满足金融级数据权限控制,加上对大模型私有化部署的支持,企业对数据安全不再有后顾之忧。

“产品力”背后,是AI+BI的多重门槛

强化产品力,大模型正在给BI行业带来新的增长曲线,甚至正在成为未来市场的主要增长动力。但是,AI+BI又并非一件“人人可以跟风”的事,存在客观上的门槛。

综合下来,这导致了一个结果:BI行业原本就十分激烈的竞争会更加白热化,难以维持稳态格局,一些厂商正在借AI+BI的机遇实现弯道超车,这不仅为国内厂商提供了一个逆袭国际老牌厂商的机会,同时也让一些厂商能够凭借智能BI的独特优势,在行业中占据更有利的地位。

前者,国外已经发展多年的BI厂商逐步被国内厂商所赶超,在《中国商业智能和分析软件市场跟踪报告,2023H2》中,目前BI 市场 TOP 10分别为帆软、微软、百度、SAP、思迈特、永洪、浪潮、Salesforce、IBM、亿信华辰,这表明市场已经从单一的国外厂商主导转变为国内外厂商共同竞争的局面。特别值得一提的是,在前10厂商中,目前只有微软与思迈特已推出直接的智能BI产品,并且在信创产业大背景下,国内厂商优势则更为凸显,各因素叠加,成为搅动行业格局的重要原因。

后者,同样在IDC的这份报告中,各厂商的增速与排名并不匹配,市场与马太效应相去甚远,如增速最快的为总体排名第五、中国BI厂商排名第二的思迈特,其以45.7%的增长率排名行业第一,远超其他同行,是市场平均水平的12倍以上。而这种强劲表现,恰恰与智能BI的发展密不可分。

分析这种行业格局的变化趋势,做好智能BI的几个门槛逐一显露出来——既然是AI+BI,那么“AI”、“BI”、“+”一个都不能少。

1、“AI”——大模型只是AI运用到BI的一次进阶

智能BI,首先必须建立在长期的“智能”融合上。

增长迅猛的思迈特,很早就开始了对AI的前瞻性布局,2019年其在行业内首次实现AI与数据分析的融合,并基于自主研发的自然语言分析(NLA)实现了对话式分析功能,随后又在业界率先发布了将AI融合到数据分析中的ABI平台,然后才有2023年将大模型技术和BI产品结合推出对话式分析大模型版本,最终促成了白泽的出现。

这背后说明,智能BI对大模型的利用,应当只是AI+BI的一次“机遇”兑现,那些直接想要跟风在BI产品中“添加”大模型的做法,可能因为缺乏基础很难行得通,这不是风口,只能是有准备的仗。

这突出表现为思迈特在对话式分析上相对行业更加凸显的技术优势,例如白泽在功能上十分类似ChatGPT-o4之上提供的 Advanced Data Analysis 能力——用户指定CSV 或 Excel 文件,ChatGPT理解问题,生成Python 代码去解决用户问题(图:Advanced Data Analysis实例,查天气数据、分析数据、作图)

这背后要求的计算能力分层等能力成为思迈特做智能BI的独特AI技术优势,最终能够执行复杂的数据分析逻辑,而不仅仅是简单的查数。显然,这只能来源于长期的AI布局。

2、“BI”——AI+BI本质是AI for BI,BI能力积累是核心

从文本框自然语言交互不难看出,AI+BI对产品力的提升,本质上是在解决BI的“最后一公里”问题,某种程度上,AI+BI就是AI for BI,因此BI能力积累仍然是核心、是关键。

而拆解下来,BI的积累无非是数据模型和指标模型,这恰恰也是获得快速增长的思迈特在底层模型上所积累的优势所在,例如在数据模型上,星座模式、多事实表、OLAP分析能力等能够直接与老牌的微软PowerBI的Dax对标,以及在指标模型上对数据模型有更强的封装能力,提供了多业务视角的管理能力,更好地与场景结合。

实际上,这也说明,在AI+BI的组合中,BI 是往下,在底层数据架构上解决了与大数据平台、数据湖、数据中台的对接,属于基础数据架构的延展,而AI则往上,解决智能分析应用、业务执行的问题,从而形成了一个完整的体系。

形象地说,这很像电商+快递,我们用户只要下单、等待快递送货即可,但这背后却要有十分庞杂的电商运营体系+全国乃至全球物流体系,这是看不见但核心的内容。

3、“+”——场景实践是后进者的“叹息之墙”

增速遥遥领先的BI厂商是国产排名第二的思迈特,而在BI市场上,另一件事也十分值得玩味:工信部赛迪研究院旗下赛迪顾问发布的《2023中国银行业IT解决方案市场份额分析报告》中,2023年银行业商业智能软件产品市场上,市场占有率第一同样是思迈特。

行业 Know-how是AI+BI的如何“+”的关键问题,只有面向行业与场景有深入的实践,才能做好智能BI。

在特定行业,如果没有实践沉淀,后进者很难获得竞争优势,这既包括BI新玩家,也包括市场成熟BI厂商在面向某些缺乏实践认知的特定行业时——金融行业的BI市场占有率排名恰恰是这种现象的产物,市场最终只相信、只愿意选择“懂行”的BI厂商。

回过头来看,如果说行业知识是能量储备,那么AI大模型就成为价值爆发的引线,从思迈特案例不难看出,能够获得搅动市场格局的大增速,与其沉淀 BI 数据分析行业 13 年、积累了5000+的客户经验有直接关系,在金融之外,思迈特还完成了政府、制造、医疗、教育等众多行业知识的储备,从官方透露的信息看,以智能BI,其已经成功签单某头部券商客户和某大型集成商,同时还在持续跟进 100+大型客户,这是行业 Know-how对BI厂商巨大价值的直接呈现。

由此可见,做好智能BI,“AI”、“BI”、“+”一个都不能少,它们都是智能BI在诞生伊始自带的“壁垒”,那些禀赋全面的厂商,正借此获得新的市场机遇。

结语

从2023年开始,AI、大模型在千行百业改变着时代格局,问答式查询、智能助手(Copilot)类功能,极大改善了产品易用性,并显著降低了进行专业业务分析的操作难度。

智能BI正是处在这样的浪潮中,它不仅帮助用户从数据获取价值、实现企业的数字化运营,还能助力业务人员优化流程、为客户提供更好的服务体验等,智能BI从各个维度直接提升企业的竞争力和效率,对企业的改变和价值要更加深远。

“AI”、“BI”、“+”全面进击,在思迈特等行业厂商的努力下,BI正在与大模型不断融合,数据的宝藏被智能BI进一步挖掘,企业业务决策正在朝着更高的智能化和自动化迈进,而与此同时,智能BI也在成为思迈特这样的BI企业全面提升竞争力的致胜法宝,成为个体企业甚至整个行业实现第二增长曲线的武器。

*本文图片均来源于网络

*此内容为【响铃说】原创,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

#响铃说   Focusing on企业数字化与产业智能化升级,这是关注一切与创业、产业和商业相关的降本增效新技术、新模式、新生态 NO.424深度解读

【完】

曾响铃

1钛媒体、人人都是产品经理等多家创投、科技网站年度十大作者;

2 虎啸奖评委;长沙市委统战部旗下网络名人联盟成员;

3 作家:【移动互联网+ 新常态下的商业机会】等畅销书作者;

4 《中国经营报》《商界》《商界评论》《销售与市场》等近十家报刊、杂志特约评论员;

5 钛媒体、36kr、虎嗅、界面、澎湃新闻等近80家专栏作者;

6 “脑艺人”(脑力手艺人)概念提出者,现演变为“自媒体”,成为一个行业;

7 腾讯全媒派荣誉导师、功夫财经学者矩阵成员、多家科技智能公司传播顾问。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2210655.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

构建可扩展的高校学科竞赛平台:SpringBoot案例分析

2相关技术 2.1 MYSQL数据库 MySQL是一个真正的多用户、多线程SQL数据库服务器。 是基于SQL的客户/服务器模式的关系数据库管理系统,它的有点有有功能强大、使用简单、管理方便、安全可靠性高、运行速度快、多线程、跨平台性、完全网络化、稳定性等,非常…

高效管理学科竞赛:SpringBoot平台的创新应用

1系统概述 1.1 研究背景 随着计算机技术的发展以及计算机网络的逐渐普及,互联网成为人们查找信息的重要场所,二十一世纪是信息的时代,所以信息的管理显得特别重要。因此,使用计算机来管理高校学科竞赛平台的相关信息成为必然。开发…

Zookeeper快速入门:部署服务、基本概念与操作

文章目录 一、部署服务1.下载与安装2.查看并修改配置文件3.启动 二、基本概念与操作1.节点类型特性总结使用场景示例查看节点查看节点数据 2.文件系统层次结构3.watcher 一、部署服务 1.下载与安装 下载: 一定要下载编译后的文件,后缀为bin.tar.gz w…

算法:525.连续数组

题目 链接:leetcode 思路分析(前缀和) 首先介绍一个小技巧 在处理二进制数组的时候,因为数组里面只有0和1,我们可以将所有的0变成-1 这个时候1和-1之间就可以产生很多抵消,有利于处理数组。 在该题中&am…

2.2.1 绘制Canvas路径 - 绘制线条

文章目录 1. 绘制线条2. 绘制具有不同结束线帽的线条3. 绘制向阳花图形 今天我们要一起探讨的是如何使用HTML5的Canvas元素来绘制各种图形。Canvas提供了一个强大的图形绘制API,使我们能够在网页上绘制出各种复杂的图形和动画。接下来,我将通过几个实战示…

从Naive RAG到Agentic RAG:基于Milvus构建Agentic RAG

检索增强生成(Retrieval-Augmented Generation, RAG)作为应用大模型落地的方案之一,通过让 LLM 获取上下文最新数据来解决 LLM 的局限性。典型的应用案例是基于公司特定的文档和知识库开发的聊天机器人,为公司内部人员快速检索内部…

如何在数仓中处理缓慢变化维度(SCD)

在数据仓库中,处理缓慢变化维度(SCD,Slowly Changing Dimension)是一个非常常见且重要的问题。为了保证数据的完整性和准确性,我们通常会采取不同的策略来处理维度表中的数据变化。SCD的核心解决方案是通过不同类型的历…

Run the FPGA VI 选项的作用

Run the FPGA VI 选项的作用是决定当主机 VI 运行时,FPGA VI 是否会自动运行。 具体作用: 勾选 “Run the FPGA VI”: 当主机 VI 执行时,如果 FPGA VI 没有正在运行,系统将自动启动并运行该 FPGA VI。 这可以确保 FPG…

使用Hugging Face中的BERT进行标题分类

使用Hugging Face中的BERT进行标题分类 前言相关介绍出处基本原理优点缺点 前提条件实验环境BERT进行标题分类准备数据集读取数据集划分数据集设置相关参数创建自己DataSet对象计算准确率定义预训练模型定义优化器训练模型保存模型测试模型 参考文献 前言 由于本人水平有限&…

视频文案提取

视频文案提取 通义听悟 🏆优点 自动提取音视频关键词、总结、提炼视频大纲、中英双字幕可以识别不同声音进行文案区分,还支持直接AI改写提取的文案旁边还有AI助手帮助你回答问题和对知识举一反三相关视频介绍👉原地封神!录音、…

拆解学习【反激-PD-氮化镓】(一)

小米67W桌面快充插座: 反激基本拓扑: 商用场景下,这个拓扑进行了如下优化: 1.Q22换成了氮化镓开关管,当然需要适配的能驱动氮化镓的控制芯片 2.D21二极管换成了MOS管。 3.由于是AC220V输入,设计了整流桥…

在Centos中安装、配置与使用atop监控工具

目录 前言1. atop工具的安装1.1 atop简介1.2 atop的安装步骤 2. 安装并配置netatop模块2.1 安装内核开发包2.2 安装所需依赖2.3 下载netatop2.4 解压并安装netatop2.5 启动netatop 3. atop的配置与使用3.1 配置监控周期与日志保留时间3.2 设置定时任务生成日志3.3 启动与查看at…

鸿蒙开发之ArkUI 界面篇 三十四 容器组件Tabs 自定义TabBar

如果需要修改Tabs的图标和文字之间的距离我们该怎么办呢?好在tabBar是联合类型,提供了自定义tabBar,这里就可以显示特殊图标或者是文字图片,如下图: 这里定义了myBuilder的函数,用了 来修饰,没有…

联合查询(详细篇)

实际开发中往往数据来自不同的表 所以需要多表联合查询 多表查询是对多张表的数据取笛卡尔积 笛卡尔积 什么是笛卡尔积呢? 简单来说 笛卡尔积是两个表的乘积 结果集中的每一行都是第一个表的每一行与第二个表的每一行的组合 简单理解: 假设有两个表…

复位电路的亚稳态

复位导致亚稳态的概念: 同步电路中,输入数据需要与时钟满足setup time和hold time才能进行数据的正常传输(数据在这个时间段内必须保持不变:1不能变为0,0也不能变为1),防止亚稳态; …

FPGA实现PCIE采集电脑端视频缩放后转千兆UDP网络输出,基于XDMA+PHY芯片架构,提供3套工程源码和技术支持

目录 1、前言工程概述免责声明 2、相关方案推荐我已有的PCIE方案我这里已有的以太网方案本博已有的FPGA图像缩放方案 3、PCIE基础知识扫描4、工程详细设计方案工程设计原理框图电脑端视频PCIE视频采集QT上位机XDMA配置及使用XDMA中断模块FDMA图像缓存纯Verilog图像缩放模块详解…

前端接口报500如何解决 | 发生的原因以及处理步骤

接口500,通常指的是服务器内部错误(Internal Server Error),是HTTP协议中的一个标准状态码。当服务器遇到无法处理的错误时,会返回这个状态码。这种错误可能涉及到服务器配置、服务器上的应用程序、服务器资源、数据库…

【畅捷通-注册安全分析报告】

前言 由于网站注册入口容易被黑客攻击,存在如下安全问题: 暴力破解密码,造成用户信息泄露短信盗刷的安全问题,影响业务及导致用户投诉带来经济损失,尤其是后付费客户,风险巨大,造成亏损无底洞…

图说谭教授的“Δy=dy”是误人子弟的概念性错误。

黄小宁 可建立如图所示的局部坐标系。图中曲线Δydy余项不是关于dx的一次函数,而切线dyydx是关于dx的一次函数。草图形象直观地显示曲线Δy不切线dy。 所以谭教授书中的“Δydy余项dy”是误人子弟的概念性错误。数学家王元说:搞错概念脑子会变成一团浆糊…

离岗睡岗预警系统 值班室离岗识别系统Python 结合 OpenCV 库

在众多工作场景中,存在着一些特殊岗位,这些岗位对于人员的专注度和警觉性有着极高的要求。然而,离岗睡岗现象却时有发生,给工作的正常开展和安全保障带来了严重的威胁。本文将深入探讨特殊岗位离岗睡岗的危害,以及如何…