作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
数据分析能够将海量的数字信息转化为洞察力和行动力，帮助企业在日益激烈的市场竞争中做出精准决策，优化运营效率，提升客户体验，并发掘新的增长点。在过去二十年里，企业越来越多的依赖于数据驱动的决策，也一直在努力降低数据分析产品的使用门槛，使越来越广泛的用户获得以前只有数据分析师和数据科学家才具备的能力。
从发展阶段上看，数据分析产品经历了从报表式分析到自助式分析的演进，并在大模型技术的推动下，正式进入智能化分析阶段。
在“大模型+数据分析”应用的初期阶段，企业尝试直接利用大模型与企业数据对话，但即使是OpenAI的大模型在text2SQL上的准确率也勉强到80%，无法进入生产领域。
为了提高准确率，业界进行了大量探索，当前“大模型+数据分析”逐渐发展出两种主要的技术路线，一种是以BI平台为核心，另一种是以指标平台为核心。
企业在实践中根据自己的数据基础设施现状、技术能力等实际情况采取不同的技术路线。由于大部分企业过去都建设了BI平台，因此以BI平台为核心的技术路线占比较大，且企业通常希望将大模型能力“无感”融合到原有BI平台中，避免独立增加页面。一些在指标平台建设方面领先的企业如快手、滴滴等则将两种技术路线结合使用。
基于对企业“大模型+数据分析”落地实践的调研与研究，沙丘智库发布《2024年“大模型+数据分析”最佳实践报告》，为企业提供一份全面的应用指南，包括“大模型+数据分析”的技术实现路径、企业采纳现状与22个典型实践案例（涉及互联网、金融、汽车制造等行业）等。
完整报告：《2024年“大模型+数据分析”最佳实践报告》（49页PPT）
报告目录
第一部分：“大模型+数据分析”应用指南
1.数据分析技术演进
1.1 数据分析产品发展阶段
1.2 大模型出现以前的智能分析产品
1.3 大模型加速“数据分析平民化”
2.大模型对企业数据分析工作的影响
2.1 大模型对不同数据分析角色的赋能
2.2 大模型在不同数据分析环节的成熟度
3.“大模型+数据分析”落地现状
3.1 “大模型+数据分析”产品的企业采纳情况
3.2 “大模型+数据分析”落地的关键挑战
3.3 企业探索“大模型+数据分析”时的考虑因素
4.“大模型+数据分析”技术实现路径
4.1 “大模型+数据分析”的两种技术路线
4.2 技术路线1：以BI平台为核心
4.3 技术路线2：以指标平台为核心
4.4 企业级“大模型+数据分析”产品设计思路
4.5 “大模型+数据分析”典型厂商分析
5. 给企业用户的建议
5.1 提升“大模型+数据分析”准确率的四点建议
5.2 进一步利用AI Agent增强数据分析工作流
第二部分：“大模型+数据分析”典型案例
案例1：滴滴基于大模型的ChatBI
案例2：快手智能化BI产品
案例3：喜马拉雅基于大模型的ChatBI
案例4：腾讯智能数据分析平台OlaChat
案例5：腾讯游戏数据分析Agent
案例6：百度ChatBI实践
案例7：网易云音乐ChatBI
案例8：京东零售ChatBI
案例9：第四范式基于语义模型的ChatBI
案例10：火山引擎DataWind分析助手
案例11：招商银行基于大模型的DataGPT
案例12：中国工商银行分行用数平台
案例13：广发银行大模型辅助数据分析
案例14：平安银行数据分析Agent
案例15：宁波通商银行NL2SQL新式流程框架
案例16：华农保险对话式数据分析
案例17：天弘基金基于大模型的智能BI交互
案例18：江苏移动数智助手text2SQL优化实践
案例19：浙江移动ChatBI对话式数据分析应用
案例20：中国一汽GPT-BI
案例21：长安汽车对话式问数工具CAnswer
案例22：中国海油Data Agent
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
