商业智能BI的未来，如何看待AI+BI这种模式？|ai|bi|ibm|算法

昨天在和一位朋友线上聊天的时候，提了一个问题，你是如何看待AI（人工智能）+BI（商业智能）这种模式和方向的，我大概来说一下我个人的看法。

以我在商业智能BI项目中接触到的行业和企业，从非常传统的信息化基础比较薄弱的企业，到信息化基础比较扎实的例如金融银行等行业企业，目前还没有看到人工智能AI+商业智能BI 有非常广泛的应用。

AI+BI的现状

我们首先说一下商业智能BI，即Business Intelligence。这个商业智能BI概念已经有几十年了，我也从业这么长时间，当客户问到商业智能BI的这个智能 Intelligence 到底是如何体现的，能不能找个场景演示一下它的智能性。说实话，我回答不了，因为我也一直没有研究明白。我开玩笑的回答，这个问题就跟买老婆饼一样，买个饼也没有送老婆啊。

商业智能BI - 派可数据商业智能BI可视化分析平台

所以，商业智能BI的这个智能都没有搞明白的事情，现在出现了人工智能AI，即Artificial Intelligence，又是一个智能，AI+BI这两个智能加起来，应该要更加智能，Double 智能，但目前还是没有看到实实在在的、可以绝对经得起挑战、大面积应用的实际业务场景。

AI+BI的发展历程

前几年微软的商业智能BI产品 Power BI 在Ignite 技术大会上发布的新功能，通过自然语言查询自动化的生成可视化图表，后来更进了一步通过语音转换代替自然语言查询，这个算是商业智能BI+AI的一个初步尝试。

数据可视化 - 派可数据商业智能BI可视化分析平台

还早一些的时候，实际上IBM 的Watson Analytics 就已经实现了自然语言查询生成可视化图表。并且里面有一个我认为比较有价值的场景是对驱动因素的分析，我记得那个案例分析的是各个部门培训花费趋势对比情况，比如销售部门的培训费用、财务部门的培训费用。并且在这个可视化图的旁边给出了一个非常有价值的推荐分析或者叫洞察 Discovery，洞察了什么呢？洞察的是：哪些驱动因素导致了培训费用高，最后给出的结论是，职位 Position 和部门组织 Organization 这两个因素。

接下来又展示的是不同的职位和部门组织是如何影响培训费用高的数据分析成果。我觉得这种分析场景算是 AI + BI 一个比较不错的场景，很值得研究。它其实还原的就是，第一，展现成果。第二，揭示这个成果的高低受什么因素影响。第三，为什么影响，展现细节分析成果。

数据可视化 - 派可数据商业智能BI可视化分析平台

在这个过程中，商业智能BI实际上就只能实现到第一步，通过可视化分析定位问题。但这个问题是什么原因导致的，受什么因素驱动的，驱动的细节，这第二步和第三步是需要业务数据分析人员介入商业智能BI的。但由于 IBM Watson Analytics 这个产品背后的算法引擎是云端的，部署在国外，同时也不能支持中文的自然语言处理，所以在国内是无法真正落地使用的。

当然，它的分析成果就一定是正确的吗？其实取决于我们提供数据的完整性，数据越明细、数据越全、数据清洗的质量越高，这种分析的准确性才能得到一定的保证。但实际情况是，我们的很多企业在数据源头上就存在数据不完整、数据质量等众多问题，注定这种分析的价值就会很低。

去年2020年Gartner 在有关商业智能BI分析的魔力象限的 Leaders 象限出现了一个新的产品 ThoughtSpot，之前都是 Power BI、Tableau、Qlik，这个产品就融入了很多AI的概念，其实就是上面我提到的在 Power BI、IBM Watson Analytics 的这些内容。所以，国内也有一些商业智能BI产品在往这个方向上走，从资本市场的角度，资本市场也比较喜欢做这种比较，就是 Gartner 魔力象限中有的，国内的商业智能BI产品有没有。

数据可视化 - 派可数据商业智能BI可视化分析平台

实际上，我们并不否定AI+BI 技术本身的价值和意义，有这样的一种探索对整个商业智能BI行业的发展不是一件坏事情。只是大家一直在考虑的是如何将这些概念真正的落地，而不是让企业为这些概念去买单，用到最后发现 AI + BI 其实还是干的商业智能BI 的活，或者说 AI + BI 给企业带来的应用价值还没有远远超过商业智能BI 带给企业更实在的价值。

AI+BI的落地方向

我也比较认真的思考过，我认为 AI + BI 的落地，应该有这几种特点和方向：

第一，一定产生在 IT 信息化基础比较扎实的行业，同时商业智能BI已经应用到一个比较深层次的行业。按照这个思路，像金融银行类的行业、电商行业是具备这些条件的，这些行业信息化程度最高、数据运用的水平最高，业务场景丰富且稳定，商业智能BI 负责展示，AI 解决的分析的结果出来之后怎么办的问题，由以往的人工决策，到智能决策。比如风控与营销。

第二，一定结合是业务深度场景化的细分领域，并且这些细分领域不具备通用性，意思就是每一个细分领域有其独特的AI+BI解决方案。所有该分析的已经分析完了，各种数据也非常的完善了，各种分析模型、业务场景已经经历过千百遍的锤炼了，这个时候需要通过AI自动的完成一些算法匹配，根据匹配的结果来驱动业务执行。比如像零售行业、市场营销层面，我认为还是具备AI实现的一些场景的，只是这些场景能胜任到一个什么样的程度，这是需要去探索和思考的。