有这样一句广为人知的名言：在汽车没被发明的年代，人类只想要更快的马车。显然，科技的创新可以更好地满足人类的需求，就像汽车的发明一样。
而在当前，AI无疑是的科技创新的风口。大家都在谈AI，好像一家公司如果不和AI联系上就会落伍。但实际上，真正的AI落地应用又有多少?又能创造多少价值?
这种忧虑有一定的道理，但任何科技的创新都会经历一个萌芽、发展、成熟、衰落的过程。在萌芽和发展阶段，大家都在探索，在失败中总结经验，在迷茫中坚守信念。最后“活“下来的人，方能看到黎明的曙光。
在BI领域，同样也在经历一场AI技术的革新。智能BI是未来的发展方向，其目的是利用AI技术使BI工具更加智能、更加易用，从而让更多的用户可以自助地、更深入地进行数据分析。
虽然方向很明确，但过程也必定是曲折的。很多实用主义者会认为，国内大部分企业的BI需求还是报表、大屏可视化这些传统BI的功能，智能BI是很遥远的事情。
的确，投资未来无法保证100%会成功，但不投资未来，却是100%会失败。
有一些具有创新精神的公司，他们就是抱着“明知山有虎，偏向虎山行”的勇气，不断加大对创新技术的投入。广州思迈特软件(简称Smartbi)作为国内知名的BI厂商，就是其中一个。
据笔者了解，思迈特软件对智能BI的探索，主要体现在增强数据管理、增强数据发现和自然语言分析三个方面。
增强数据管理：全新的数据模型
传统BI以IT为中心，由IT人员通过ETL把源数据加载到数据集市中，再提供给BI使用。数据集市的数据以“多维模型”进行建模，维表、事实表需要预先设计好，也即cube是固定的。智能BI以业务为主导，强调用户可以进行自服务的数据准备，cube必须是动态的。
因此，在思迈特软件推出的Smartbi V10中，对底层数据引擎进行了重构，打造了全新的数据模型。Smartbi V10数据模型把“多维建模”的能力整合进BI产品中，用户可以按照需求随时进行可视化建模，无需IT人员预先准备好数据集市，敏捷性和灵活性都得到极大提升。同时，通过产品构建的多维模型，可以和上层应用做更好的协同，产品功能将得到全面增强。
Smartbi V10数据模型融合了ETL的强大数据处理能力，除了支持常规的行处理、列处理、聚合、关联之外，还应用ML技术扩大数据准备的能力，包括：数据降维、Onehot编码、聚类、分类、回归、神经网络等算子，甚至还支持通过Python扩展赋予用户更强的数据再加工能力。
增强数据发现：数据挖掘建模
智能BI支持增强数据发现，可以对数据做预测性的分析，解决“将来会发生什么”的问题，满足精准营销、客户保留、销量预测、信用评分等应用场景的需求。
Smartbi产品提供的“数据挖掘建模”功能，提供了一站式的数据挖掘服务，涵盖数据预处理、机器学习算法应用、模型训练、评估、部署、服务发布全生命周期，体现了思迈特软件对增强数据发现的积极探索。
Smartbi数据挖掘建模汇集了50+种数据挖掘算法组件，能灵活建立业务模型流程，包含基本的数据特征处理、分类、聚类、关联、回归、深度学习算法，以及支持Java和Python算法扩展。
为了进一步降低机器学习的使用门槛，Smartbi V10还支持使用AutoML功能快速创建数据挖掘实验，自动化完成更多的工作。在新建回归、分类或聚类实验时，只需配置数据源、算法、特征的设置项，系统可快速自动生成实验。
自然语言分析：最易用的分析工具
智能BI不仅要深入地分析数据，而且还要足够易用，因此在BI中引入自然语言处理(NLP)技术实现人机交互无疑是最好的选择。
早在2018年，Smartbi便开始自主研发自然语言分析--Smartbi NLA，期望通过引入自然语言处理、知识图谱、推荐算法和机器问答等AI技术，使得Smartbi NLA可以理解用户的数据分析需求，并帮助其快速完成分析任务获得数据洞见。用户通过“智能小麦”对系统发出语音指令，解放双手完成打开报表、切换参数、探索分析等操作，进一步降低了数据分析的使用门槛，使得BI能够扩展到更多的用户群体。
下一步，不光是简单的图表查询，Smartbi NLA还将支持智能推荐能力，以及更多的计算能力，比如同比环比，甚至是预测分析能力。
由此可见，思迈特软件确实在智能BI上做了很多积极的探索，用实际行动推动国内BI行业的发展。2020年入选Gartner中国人工智能创业公司代表厂商，成为国内纯BI工具领域的唯一入选公司;2010和2021连续两年入选Gartner增强数据分析代表厂商等等，这些成绩都是市场对思迈特软件的探索精神和技术实力的充分肯定。
科技的创新永无止境，正是由于这些具有探索精神的企业在不断努力，我们的社会才在不断进步，我们的生活才变得更加美好。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
