“业数一体化是金融业用数的方向，Data+AI 会加速这个趋势，甚至对未来运营和管理产生影响。”一位银行数字化负责人如是说。
“平时工作需要随时查看业务指标变化情况和分析根因，AI 数智助理+指标平台的组合让人眼前一亮，这种新的用数习惯一定对日常运营与管理效率提升有很大帮助。”一位制造业市场营销总监不无兴奋地表示道。
“感受到 AI 巨大的进步，有职业危机感了，但我们都需要跟上时代的步伐。”一位数据分析师有些担忧地认为。
“ Data+AI 的确能带来很大的变化，但是成本问题是我比较担心的。”一位保险行业数据管理部的负责人坦诚道。
……
在2023 Kyligence “释放数智生产力”用户大会上，来自不同行业、不同岗位的参会嘉宾向大数据在线表达了上述观点。这些观点有惊喜、有期待，也有担忧，甚至有那么一点点“恐惧”。但无论如何，AI 的浪潮已经来临，它正加速开启一场生产力的变革。
管理学巨擘彼得·德鲁克曾言：巨变时代的最大危险并非变化本身，而是依然用过去的逻辑做事。在大模型横空出世、AI 不断发展的背景下，个人、企业甚至整个社会该如何认识和理解其发展，并探索这场技术变革的复杂性和潜力？
无疑，Data+AI 正开拓出一条前景广阔的新路径。
Data+AI ，为何最容易产生化学反应
对于 AI ，企业关心的不是如何写诗，而是如何带来生产力的重塑与释放。
众所周知，在数据成为新的核心生产要素、AI 被视为最先进的生产工具之际，千行百业愈发形成共识：即释放数智生产力已成为数字化转型的刚需。
但如何充分释放数智生产力？
这些年，大数据技术的快速发展真正开启了“用数”时代，数据驱动型场景逐渐增多、数据消费相对简单、数据价值得到一定程度挖掘，用户们充分认识到数据分析的重要性。但数据分析程式化的界面设计、复杂的处理过程以及 GUI 交互方式等固有模式，逐渐成为从“用数”迈向“用好数”的阻碍。
在大模型涌现出强大的能力之后，Data+AI 融合被认为是释放数智生产力最重要的路径。中金公司计算机行业首席分析师于钟海直言：“ Data+AI 将是目前大模型落地最快的场景之一。”
事实上，这波由 ChatGPT 引发的生成式 AI 和大模型浪潮中，数据分析型企业是最为积极且行动最为快速的群体之一。之所以会如此，一方面是因为常年与各种数据打交道且离数据最近，数据分析企业深知数据要素所蕴含的巨大价值，以及千行百业对于释放数智生产力的迫切性；另一方面，数据分析企业自身近年来都在积极拥抱 AI ，当大模型所展现出强大能力之时，数据分析型企业敏锐洞察到 AI 带来的变革，将对数据分析、数据消费、数据使用交互带来深远影响。
Kyligence 联合创始人兼 CEO 韩卿表示：“数据分析+大模型对于人和机器、人和数据等交互模式影响巨大，未来甚至会对组织运营与管理带来变革。”
组织运营与管理：Kyligence 打造强差异化
IDC 预测，未来超过90%的组织都将成为“数据驱动型组织”，组织的决策、运营、管理乃至创新都是围绕数据来开展，用数据来驱动日常业务，而不是经验和直觉。
这实质上描绘了一幅组织中人人用数的美好愿景。在数据爆炸性增长以及业务数字化程度不断提升的今天，组织不缺乏丰富的数据和成千上万的指标，却缺少将数据全面用起来和用好的工具与窗口。
过去命令行、GUI 图形界面的方式固然持续在提升数据分析和使用效率，但要实现人人用数，数据分析一定需要进一步降低门槛，走向直观和易用。显然，大模型出色的自然语言理解准确度、思考推理能力和以及自然语言输出让这一切变成可能。
如今，Kyligence 在业界率先带来了它的答案-- AI 数智助理 Kyligence Copilot。韩卿介绍， Kyligence Copilot 是基于 Open AI 等大模型技术打造的 AI 数智助理，通过 AI 数智助理 Kyligence Copilot +一站式指标平台 Kyligence Zen，企业与组织可以从效率、经营、协同三个方面带来变革。
首先，AI 数智助理 Kyligence Copilot 真正将数据使用与消费的门槛降低到“零”，每一个人都能利用 Kyligence Copilot 去查找指标以及层层推进式的深入分析。Kyligence Copilot 真正让数据使用与消费成为一件很容易的事情，通过自然语言的方式进行指标查找、指标推荐、归因分析、创建仪表盘等，这无疑会大幅增加数据消费者群体的范围和数据消费的频次，真正用好数据。
“过去的模式是以数据为中心，来进行治理、建模和报表制作，最后为业务使用。像管理者等人群很少去使用这些工具型产品；现在，Kyligence Copilot 带来的交互方式无疑会大幅提升数据分析的效率。”韩卿如是说。
其次，运营管理的核心是发现问题、解决问题，进而促进效率提升和业务增长。正如彼得·德鲁克所言：“如果你不能衡量，那就不能有效增长。”因此，我们迫切需要在日常运营中，通过数据与指标的层层分析去获取真实、客观的洞察，并寻找到原因。
韩卿介绍，Kyligence Copilot + Kyligence Zen 的组合可以充分赋能运营来释放管理的潜力，企业管理者和运营人员从数据视角深入理解业务现状，包括关注指标波动趋势并开展归因分析，以及通过自主问答掌握业务目标背后的事实。此外，Kyligence Copilot 还能够提出通用性建议，“未来会涉及到行业内更深入的专业知识，所以这方面值得持续探索。”
最后，Kyligence Copilot 的推出，进一步以 AI 加强协同，释放组织的潜力。Kyligence 大家可以通过 Kyligence Copilot 去对接不同的数据产品，整合不同的第三方软件和系统，进一步提升了，数据流程和反馈速度，加速组织管理协同的优化与迭代。
“如今，Kyligence 已构建起 AI 数智助理 Kyligence Copilot +一站式指标平台 Kyligence Zen + 多维数据分析引擎 Kyligence Enterprise 的全新产品家族，加速帮助企业实现人人用数，释放数智生产力。”韩卿总结道。
落地与普及，Kyligence 做足功课
任何一项理念/技术从落地走向普及，离不开使用成本、体验和安全三个核心要素。
对于人人用数和 Data+AI 而言，亦是如此。在本次大会上，众多参会嘉宾向大数据在线反馈的关切意见也主要集中在成本等上述三个方面。对此，Kyligence CTO 李扬强调 Copilot +指标体系+合理成本是一个较为可观的组合：Copilot 提供零门槛的数据工具；指标体系带来通用的数据语言；合理成本则是投入成本相对确定下，寻找到一个有价值、有回报的场景。
其一是使用成本。众所周知，类 Copilot 这样的 AI 智能助理，一旦在某个企业得到规模化使用，将带来推理、数据分析等指数级的增长，对于算力资源、性能要求极高。对此，Kyligence 的思路是打造 AI 时代的 OLAP 引擎，支撑起百倍的负载，利用自身已经成熟的多维数据引擎、向量化计算引擎（Kyligence Turbo）等技术以及其他成本优化举措。
其二是使用体验。大模型虽然可以理解和生成自然语言，但是在复杂和模糊的场景下，尤其是专业领域，它可能产生不准确的结果。对此，Kyligence CTO 李扬也认为 NLP to SQL 存在稳定收敛难，需要提供足够反馈机制，确保数据分析的结果准确和可靠，“ Kyligence 本身并不做通用大模型，而是专注聚焦指标领域的语言模型训练，打造专属于指标领域的语言，使更多企业能够轻松建立私有化的指标知识库。”
另外，部署体验也是用户关注的问题。不同行业的不同用户自身的IT环境大不相同，对于 Kyligence Copilot 的部署与使用需求也不一样。为此，Kyligence Copilot 目前支持 SaaS 部署，未来将有更多落地形式。同时，Kyligence 提出“ Copilot as a Service ”，支持嵌入第三方不同软件中（例如，飞书等），使企业打造专属的数据产品。李扬介绍：“除了 OpenAI ，Kyligence Copilot 可以对接 LLaMA、Falcon 等开源大模型，并且也能对接企业自有大模型。”
其三则是使用安全，类似 Kyligence Copilot 这样的 AI 数智助理背后涉及大量的数据分析操作，可能会有关系到大量核心业务数据，如何确保大模型在处理 Copilot 请求时，不泄露数据、充分保护数据的安全和用户的隐私非常关键。
“Kyligence Copilot 设计之初就将安全放在首位。比如在 SaaS 部署方案中，数据存储、计算资源按组织隔离；数据全程加密，包括存储态和传输态；另外，所有生产域的访问保留审计日志和监控，并且取得了SOC 2 Type II和 ISO 9001/27001认证。”李扬表示道。
综合观察，人工智能的“ iPhone 时刻”已经到来，生成式AI和大模型所展现出来的强大能力，正在改变游戏规则和加速颠覆旧有模式。Kyligence 等数据分析企业深刻意识到生成式 AI 和大模型将对于数据分析、数据使用、人机交互带来深远影响。随着像 Kyligence Copilot 这样的 AI 数智助理出现，标志着数据分析的下半场也正式开始。面向未来，Data+AI 依然面临着种种挑战，值得大模型公司、数据分析企业和用户们持续去探索，但一个“人人用数”的时代必将加速来临。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与极客网无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
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。
