本人今年工作目标之一是搭一个可以由业务自助使用的数据查询分析平台，由于一些喜闻乐见的原因，它必须是有 AI 功能的，近一两年 BI 各种产品里面陆续都加了些 AI 功能，从最开始的帮着写 SQL ，到现在各种自然语言查询、可视化，数据分析预测，但这些我并没有上手用过哪一个，也不知道要达到期望的效果需要哪些前提工作，想问下各位，这些产品目前的使用的场景都如何？目前大模型的性能足以支持这类的应用有效落地使用么？
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 616 days ago, the information mentioned may be changed or developed.
 |
1
jydeng Jan 22, 2025
|
 |
2
murmur Jan 22, 2025
AI 分析必须在经济比较好的时候才能发现那种潜在的关联问题
就现在经济一眼差，怎么分析都是差，AI 能干嘛 |
 |
4
huc2 Jan 22, 2025
咨询一下 op bi 的实际使用场景。我是学生，最近可能导师要我调研一下 bi 加 ai 。我好奇的公司或者会计事务所里用 bi 的时候，需要手动调整的东西多吗（比如数据怎么处理，可视化参数）。我了解到似乎其实很多东西都是固定的？很多时候只要数据进来一下就搞好了？
上面说的是固定的情况，如果是需要变化的情况。下面哪种情况会多一些：1.任务相同，只是数据有些不同，所以有些地方要小调整一下 2.任务不同，全都要重新搞 |
 |
5
Qiuchi OP  1
@huc2 我们这方面目投入少，只能跟你说说现况，公司是金融行业，它会有很多很多报表需求，有对监管部门的信息披露，有机构客户的报表需求，也有公司内外各类数据分析业绩考核。对于信披这一类的通常有制式的模板，例如 xbrl ，这一类报表通常都是一段时间出一份，例如季报、年报，逻辑也相对固定，市面上就有不少辅助生成报表工具，集成预定义的指标来辅助报表制作，这个应该对应你说的任务相同、数据不同的场景。对于其它的没有严格标准的数据那就是什么样的都有了，几乎是每有一个需求就会有一些不同的维度需要组合，视公司的建模和数据治理情况，需要设计和调整的东西可以说非常多，每年年底是这类事项的高发期，部门负责这类事务的同事真的是焦头烂额，但就算如此也会有很多因为各种阻碍难以满足的出数需求
你举的这俩事，数据处理和可视化，一方面显然我们这里是处理方面要难整得多，其实要说的话可视化也不大是我们的职责，这种创造性的工作也是附于数据基础之上的，"数据进来" 还有 "数据处理" 这俩，应该在各种地方都是最头疼的问题 至于是固定指标比较多还是个性化需求比较多，不大好从数量上来看，标准化报表指标多，但一劳永逸，只需要增量维护。个性化需求就看造化了，你所拥有的任何数据都可能成为新的维度，有的时候不满足还需要加维度，但单论数量上是没有报表那么多的 |
Select Language