“業數一體化是金融業用數的方向，Data+AI 會加速這個趨勢，甚至對未來運營和管理產生影響。”一位銀行數字化負責人如是說。

“平時工作需要隨時查看業務指標變化情況和分析根因，AI 數智助理+指標平台的組合讓人眼前一亮，這種新的用數習慣一定對日常運營與管理效率提升有很大幫助。”一位制造業市場營銷總監不無興奮地表示道。

“感受到 AI 巨大的進步，有職業危機感了，但我們都需要跟上時代的步伐。”一位數據分析師有些擔憂地認爲。

“ Data+AI 的確能帶來很大的變化，但是成本問題是我比較擔心的。”一位保險行業數據管理部的負責人坦誠道。

……

在2023 Kyligence “釋放數智生產力”用戶大會上，來自不同行業、不同崗位的參會嘉賓向大數據在线表達了上述觀點。這些觀點有驚喜、有期待，也有擔憂，甚至有那么一點點“恐懼”。但無論如何，AI 的浪潮已經來臨，它正加速开啓一場生產力的變革。

管理學巨擘彼得·德魯克曾言：巨變時代的最大危險並非變化本身，而是依然用過去的邏輯做事。在大模型橫空出世、AI 不斷發展的背景下，個人、企業甚至整個社會該如何認識和理解其發展，並探索這場技術變革的復雜性和潛力？

無疑，Data+AI 正开拓出一條前景廣闊的新路徑。

Data+AI ，爲何最容易產生化學反應

對於 AI ，企業關心的不是如何寫詩，而是如何帶來生產力的重塑與釋放。

衆所周知，在數據成爲新的核心生產要素、AI 被視爲最先進的生產工具之際，千行百業愈發形成共識：即釋放數智生產力已成爲數字化轉型的剛需。

但如何充分釋放數智生產力？

這些年，大數據技術的快速發展真正开啓了“用數”時代，數據驅動型場景逐漸增多、數據消費相對簡單、數據價值得到一定程度挖掘，用戶們充分認識到數據分析的重要性。但數據分析程式化的界面設計、復雜的處理過程以及 GUI 交互方式等固有模式，逐漸成爲從“用數”邁向“用好數”的阻礙。

在大模型湧現出強大的能力之後，Data+AI 融合被認爲是釋放數智生產力最重要的路徑。中金公司計算機行業首席分析師於鐘海直言：“ Data+AI 將是目前大模型落地最快的場景之一。”

事實上，這波由 ChatGPT 引發的生成式 AI 和大模型浪潮中，數據分析型企業是最爲積極且行動最爲快速的群體之一。之所以會如此，一方面是因爲常年與各種數據打交道且離數據最近，數據分析企業深知數據要素所蕴含的巨大價值，以及千行百業對於釋放數智生產力的迫切性；另一方面，數據分析企業自身近年來都在積極擁抱 AI ，當大模型所展現出強大能力之時，數據分析型企業敏銳洞察到 AI 帶來的變革，將對數據分析、數據消費、數據使用交互帶來深遠影響。

Kyligence 聯合創始人兼 CEO 韓卿表示：“數據分析+大模型對於人和機器、人和數據等交互模式影響巨大，未來甚至會對組織運營與管理帶來變革。”

組織運營與管理：Kyligence 打造強差異化

IDC 預測，未來超過90%的組織都將成爲“數據驅動型組織”，組織的決策、運營、管理乃至創新都是圍繞數據來开展，用數據來驅動日常業務，而不是經驗和直覺。

這實質上描繪了一幅組織中人人用數的美好愿景。在數據爆炸性增長以及業務數字化程度不斷提升的今天，組織不缺乏豐富的數據和成千上萬的指標，卻缺少將數據全面用起來和用好的工具與窗口。

過去命令行、GUI 圖形界面的方式固然持續在提升數據分析和使用效率，但要實現人人用數，數據分析一定需要進一步降低門檻，走向直觀和易用。顯然，大模型出色的自然語言理解准確度、思考推理能力和以及自然語言輸出讓這一切變成可能。

如今，Kyligence 在業界率先帶來了它的答案-- AI 數智助理 Kyligence Copilot。韓卿介紹， Kyligence Copilot 是基於 Open AI 等大模型技術打造的 AI 數智助理，通過 AI 數智助理 Kyligence Copilot +一站式指標平台 Kyligence Zen，企業與組織可以從效率、經營、協同三個方面帶來變革。

首先，AI 數智助理 Kyligence Copilot 真正將數據使用與消費的門檻降低到“零”，每一個人都能利用 Kyligence Copilot 去查找指標以及層層推進式的深入分析。Kyligence Copilot 真正讓數據使用與消費成爲一件很容易的事情，通過自然語言的方式進行指標查找、指標推薦、歸因分析、創建儀表盤等，這無疑會大幅增加數據消費者群體的範圍和數據消費的頻次，真正用好數據。

“過去的模式是以數據爲中心，來進行治理、建模和報表制作，最後爲業務使用。像管理者等人群很少去使用這些工具型產品；現在，Kyligence Copilot 帶來的交互方式無疑會大幅提升數據分析的效率。”韓卿如是說。

其次，運營管理的核心是發現問題、解決問題，進而促進效率提升和業務增長。正如彼得·德魯克所言：“如果你不能衡量，那就不能有效增長。”因此，我們迫切需要在日常運營中，通過數據與指標的層層分析去獲取真實、客觀的洞察，並尋找到原因。

韓卿介紹，Kyligence Copilot + Kyligence Zen 的組合可以充分賦能運營來釋放管理的潛力，企業管理者和運營人員從數據視角深入理解業務現狀，包括關注指標波動趨勢並开展歸因分析，以及通過自主問答掌握業務目標背後的事實。此外，Kyligence Copilot 還能夠提出通用性建議，“未來會涉及到行業內更深入的專業知識，所以這方面值得持續探索。”

最後，Kyligence Copilot 的推出，進一步以 AI 加強協同，釋放組織的潛力。Kyligence 大家可以通過 Kyligence Copilot 去對接不同的數據產品，整合不同的第三方軟件和系統，進一步提升了，數據流程和反饋速度，加速組織管理協同的優化與迭代。

“如今，Kyligence 已構建起 AI 數智助理 Kyligence Copilot +一站式指標平台 Kyligence Zen + 多維數據分析引擎 Kyligence Enterprise 的全新產品家族，加速幫助企業實現人人用數，釋放數智生產力。”韓卿總結道。

落地與普及，Kyligence 做足功課

任何一項理念/技術從落地走向普及，離不开使用成本、體驗和安全三個核心要素。

對於人人用數和 Data+AI 而言，亦是如此。在本次大會上，衆多參會嘉賓向大數據在线反饋的關切意見也主要集中在成本等上述三個方面。對此，Kyligence CTO 李揚強調 Copilot +指標體系+合理成本是一個較爲可觀的組合：Copilot 提供零門檻的數據工具；指標體系帶來通用的數據語言；合理成本則是投入成本相對確定下，尋找到一個有價值、有回報的場景。

其一是使用成本。衆所周知，類 Copilot 這樣的 AI 智能助理，一旦在某個企業得到規模化使用，將帶來推理、數據分析等指數級的增長，對於算力資源、性能要求極高。對此，Kyligence 的思路是打造 AI 時代的 OLAP 引擎，支撐起百倍的負載，利用自身已經成熟的多維數據引擎、向量化計算引擎（Kyligence Turbo）等技術以及其他成本優化舉措。

其二是使用體驗。大模型雖然可以理解和生成自然語言，但是在復雜和模糊的場景下，尤其是專業領域，它可能產生不准確的結果。對此，Kyligence CTO 李揚也認爲 NLP to SQL 存在穩定收斂難，需要提供足夠反饋機制，確保數據分析的結果准確和可靠，“ Kyligence 本身並不做通用大模型，而是專注聚焦指標領域的語言模型訓練，打造專屬於指標領域的語言，使更多企業能夠輕松建立私有化的指標知識庫。”

另外，部署體驗也是用戶關注的問題。不同行業的不同用戶自身的IT環境大不相同，對於 Kyligence Copilot 的部署與使用需求也不一樣。爲此，Kyligence Copilot 目前支持 SaaS 部署，未來將有更多落地形式。同時，Kyligence 提出“ Copilot as a Service ”，支持嵌入第三方不同軟件中（例如，飛書等），使企業打造專屬的數據產品。李揚介紹：“除了 OpenAI ，Kyligence Copilot 可以對接 LLaMA、Falcon 等开源大模型，並且也能對接企業自有大模型。”

其三則是使用安全，類似 Kyligence Copilot 這樣的 AI 數智助理背後涉及大量的數據分析操作，可能會有關系到大量核心業務數據，如何確保大模型在處理 Copilot 請求時，不泄露數據、充分保護數據的安全和用戶的隱私非常關鍵。

“Kyligence Copilot 設計之初就將安全放在首位。比如在 SaaS 部署方案中，數據存儲、計算資源按組織隔離；數據全程加密，包括存儲態和傳輸態；另外，所有生產域的訪問保留審計日志和監控，並且取得了SOC 2 Type II和 ISO 9001/27001認證。”李揚表示道。

綜合觀察，人工智能的“ iPhone 時刻”已經到來，生成式AI和大模型所展現出來的強大能力，正在改變遊戲規則和加速顛覆舊有模式。Kyligence 等數據分析企業深刻意識到生成式 AI 和大模型將對於數據分析、數據使用、人機交互帶來深遠影響。隨着像 Kyligence Copilot 這樣的 AI 數智助理出現，標志着數據分析的下半場也正式开始。面向未來，Data+AI ($Snowflake Inc-A(NYSE|SNOW)$)依然面臨着種種挑战，值得大模型公司、數據分析企業和用戶們持續去探索，但一個“人人用數”的時代必將加速來臨。

本文作者可以追加內容哦 !