北極九章CEO劉沂鑫：從自然語言一步直達數(shù)據(jù)洞察——數(shù)據(jù)驅(qū)動增長的新范式｜量子位·視點分享回顧

量子位的朋友們 2023-05-22 09:44:07 來源：量子位

視點 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

今天，盡管人人都在談?wù)摯髷?shù)據(jù)，但數(shù)據(jù)實際價值和現(xiàn)有價值有巨大落差。

盡管企業(yè)采集和儲存、計算數(shù)據(jù)的能力越來越強，但數(shù)據(jù)分析能力始終增長緩慢。據(jù)Forrester調(diào)研，約70%的企業(yè)數(shù)據(jù)從未被分析和使用過，成為數(shù)據(jù)釋放價值過程中的卡脖子難題。

過去二十年，世界從PC時代走進移動時代又走到AI時代，生產(chǎn)力工具越來越簡單易用，但數(shù)據(jù)分析的方式始終沒有本質(zhì)區(qū)別，高使用門檻將企業(yè)中的大量數(shù)據(jù)消費者（非技術(shù)背景的業(yè)務(wù)人員）拒之門外。

站在AIGC時代的門口，下一個十年，人們應(yīng)該如何與數(shù)據(jù)對話？以ChatGPT大語言模型為代表的自然語言人機交互方式，將如何改變我們的工作方式？企業(yè)又如何把握這場技術(shù)變革浪潮，充分釋放數(shù)據(jù)的價值，驅(qū)動業(yè)務(wù)增長？

圍繞AIGC將如何影響數(shù)據(jù)分析，從而為企業(yè)帶來價值，北極九章創(chuàng)始人兼CEO劉沂鑫在「量子位·視點」直播中分享了他的從業(yè)經(jīng)驗和觀點。

以下根據(jù)分享內(nèi)容進行整理：

數(shù)據(jù)分析或商業(yè)智能是件非常古老的事情，跟AI差不多，都是1960年代開始在美國興起。我今天分享的主題是，這個非常具有時代感的事情，怎么在一個新的AIGC時代，通過新技術(shù)煥發(fā)出不一樣的生機。

先問大家三個很簡單的問題：

第一，在你的企業(yè)當中，你覺得數(shù)據(jù)驅(qū)動這件事情到底重不重要？

第二，我的公司或者我的工作，是不是靠數(shù)據(jù)驅(qū)動決策？

如果前兩個問題的答案都是yes的話，最后一個問題更直擊人心：我們投入了這么多的資源，看了這么多的數(shù)據(jù)，它創(chuàng)造了多少價值？有多少產(chǎn)出？ROI是多少？

這三個問題的核心在于，我們說了這么多年要靠數(shù)據(jù)來驅(qū)動業(yè)務(wù)發(fā)展，那到底數(shù)據(jù)真正能為我們的企業(yè)帶來多大的價值？

數(shù)據(jù)的價值鴻溝：只有8%的企業(yè)用數(shù)據(jù)提升了利潤

哈佛商業(yè)評論在2022年對全球最領(lǐng)先企業(yè)的采訪中發(fā)現(xiàn)，只有26.5%的企業(yè)認為自己實現(xiàn)了數(shù)據(jù)驅(qū)動。MIT的調(diào)研發(fā)現(xiàn)，只有8%的企業(yè)真正利用數(shù)據(jù)提升了利潤。

我們發(fā)現(xiàn)，過去50年的時間，即使是全球最領(lǐng)先的企業(yè)，數(shù)字化轉(zhuǎn)型帶來的利潤只有這么少。在國內(nèi)，大家做了很多數(shù)據(jù)中臺、數(shù)據(jù)治理和數(shù)據(jù)準備工作，但沒有通過數(shù)據(jù)讓企業(yè)賺到錢。為什么？

我在美國工作的時候，服務(wù)世界頂級的銀行，發(fā)現(xiàn)美國企業(yè)從上世紀90年開始應(yīng)用數(shù)據(jù)的方式方法已經(jīng)發(fā)生了變化，原因在于美國經(jīng)濟從90年開始年增長率就在大約3%，當經(jīng)濟增長放緩，企業(yè)更看重的是精細運營帶來的數(shù)據(jù)驅(qū)動，從而迅速響應(yīng)市場的變化。

麥肯錫在2022年1月份發(fā)布的報告《2025年做一個數(shù)據(jù)驅(qū)動的企業(yè)》指出，在2025年，企業(yè)里的每一個員工都會習慣于使用數(shù)據(jù)來支撐自己的工作，他們會使用創(chuàng)新的數(shù)據(jù)工具，在短時間內(nèi)通過數(shù)據(jù)來解決工作當中的問題?；诖?，領(lǐng)先的企業(yè)在2025年通過全新的數(shù)據(jù)使用方式，CIO以及數(shù)據(jù)團隊將會從成本部門轉(zhuǎn)變成為利潤部門。

但一個實際情況是，在疫情之前，中國的經(jīng)濟以每年約10%的速度增長，企業(yè)只要產(chǎn)品可以生產(chǎn)出來，一定可以賣得出去。所以企業(yè)經(jīng)營只要靠經(jīng)驗來判斷就可以了，數(shù)據(jù)分析只起到統(tǒng)計作用。企業(yè)有平均70%數(shù)據(jù)從未被分析和使用過。我在跟一個中國領(lǐng)先的汽車企業(yè)客戶交流時，他們給我們反饋是大概80%~90%的數(shù)據(jù)只是存儲，從來沒有被使用過。所以我們也一直在思考，怎么樣可以更好地使用和分析數(shù)據(jù)，把70%到甚至80%的潛在價值發(fā)揮出來。

今天的數(shù)據(jù)分析工具和20年前一樣難用

我們現(xiàn)在在企業(yè)里面怎么分析數(shù)據(jù)呢？

我要從100張看板當中找到某一張看看關(guān)心的數(shù)據(jù)，發(fā)現(xiàn)這個數(shù)看起來有點問題，就得去提交個工單，數(shù)據(jù)分析師或IT拉個看板或者導出個Excel表，再對 Excel表進行加工分析?？赡艿较聜€月我才知道這個數(shù)據(jù)的問題在哪里。如果我是賣服裝的，一個月后服裝就已經(jīng)過季了，數(shù)據(jù)沒了時效性就已經(jīng)失去了它的價值。

數(shù)據(jù)價值的鴻溝是怎么造成的？很大的原因是工具門檻過高。

2002年我們想獲取信息，我會去上新浪、搜狐、雅虎在滿屏的新聞里找我需要的內(nèi)容；到了今天我們會去Google、百度直接搜索，甚至抖音會自動推薦我感興趣的。20年前我們用筆和紙素描，學攝影和P圖；但今天通過MidJourney、Stable Diffusion，我用一兩句話的描述，就可以生成非常專業(yè)的圖片。20年過去，這些工具變得極為簡單。

回到數(shù)據(jù)分析，我們使用的工具和交互方式和20年前幾乎是一模一樣，我們可能花半年的時間學習一個復雜軟件，學會怎么樣分析數(shù)據(jù)、怎么樣配圖、怎么樣制作看板。

大家可以想一想，我們工作后會把多長時間花在學習一個新技能上？數(shù)據(jù)分析本應(yīng)是很簡單的事情，我每一天只需要看那么幾個數(shù)支持做決策就行了，但是我為了每一天看5分鐘，卻需要去花幾個月的時間學習非常復雜的工具。這造成一個很現(xiàn)實的問題，據(jù)埃森哲調(diào)查，75%的人人不愿意和數(shù)據(jù)打交道，36%的人在決策的時候會故意繞過數(shù)據(jù)。

大語言模型+數(shù)據(jù)分析靠譜嗎？

在一個對話式AI時代，只要你能說，你就能做。我們可以大大降低數(shù)據(jù)門檻，提升大家的數(shù)據(jù)能力。

大家都知道GPT可以寫代碼，那么數(shù)據(jù)分析加大語言模型自動寫SQL，作為我的Copilot，變成人和數(shù)據(jù)之間的翻譯器，可以嗎？

我們做了大量嘗試，發(fā)現(xiàn)GPT現(xiàn)階段還不能解決我們剛才提到的問題。我們首先要編寫一段prompt，雖然用的是自然語言，但你依然要按照計算機的方式去跟它交流，prompt越準確，計算機才可以把它翻譯得越好。這導致的幾個問題在于：

第一是門檻高，用戶需要懂數(shù)據(jù)，并且有分析思路；第二在于容錯率低，需要一個足夠準確、足夠完整的prompt，才能生成一個足夠精確的回答；第三它的套路固定，我們必須要讓每個用戶有結(jié)構(gòu)化的思維，才能有效引導機器來去理解人的意圖。所以這個prompt是有門檻的。

另外我們發(fā)現(xiàn)大模型生成的SQL語句，我問它同樣的問題每次代碼不一致，需要人工檢查，我如果不會寫SQL、不知道數(shù)據(jù)架構(gòu)，這個代碼我是沒有辦法相信的。如果問題復雜了，它的錯誤率會大大提高。另外，大語言模型沒有辦法去根據(jù)用戶的權(quán)限自動生成代碼，而且它一次只能回答一個問題，新問題需要再去想另外一個新的prompt，一點一點構(gòu)造出我的SQL語句。

思路打開：從自然語言一步直達數(shù)據(jù)洞察

我們打開思路，是不是可以往前多走幾步，通過自然語言一步直接進行數(shù)據(jù)洞察？北極九章給出了我們自己的解法。北極九章自研的核心技術(shù)生成穩(wěn)定可解釋的代碼、理解業(yè)務(wù)需求、保障企業(yè)級安全，并且結(jié)合了大語言模型的優(yōu)勢，幫助我們做數(shù)據(jù)的解讀和決策建議。

我們可以通過自然語言進行提問，用戶不需要了解數(shù)據(jù)是什么樣子，比如“誰賣的最好”，北極九章DataGPT的語義解析引擎可以理解各種各樣的嵌套問題、模糊問題、補全問題。有了北極九章DataGPT，在整個的數(shù)據(jù)分析的流程當中，可能打字或語音問問題變成了最長的環(huán)節(jié)，每個問題都可以在毫秒級時間內(nèi)獲得答案。

基于我們的Auto Insight自動分析引擎，機器不僅回答你的問題，還主動告訴你這個數(shù)據(jù)怎么樣、為什么、有什么風險，相當于復制了一個3~5年數(shù)據(jù)分析師的能力，快速幫你定位問題。如果你不知道該問什么，或者沒找到想要的答案，我們基于推薦算法加人工校準，不斷學習和迭代，讓它越用越好用。

在工作中，我們更習慣在即時通訊工具或在手機上和人溝通。北極九章也可以成為IM的一部分，在企業(yè)微信、釘釘、飛書中通過與機器人對話分析數(shù)據(jù)。我們甚至可以作為WPS插件，在你的任何一個文檔中搜索分析，把圖表插入文檔。我們還有另一個黑科技，如果我周三就把報告寫完了，在周五的時候直接點擊一下更新數(shù)據(jù)，就能直接更新文檔里的圖表，讓你的報告數(shù)據(jù)永遠最新最實時。

我們還發(fā)現(xiàn)，大語言模型可以解放IT團隊的生產(chǎn)力。原來IT團隊配置數(shù)據(jù)分析模型是非常耗時和繁瑣的。通過AI的能力，我們可以在一分鐘以內(nèi)自動化地解析和配置數(shù)據(jù)。

當數(shù)據(jù)人人可用時，價值變現(xiàn)才成為可能

我們認為，當一個產(chǎn)品足夠簡單、足夠強大的時候，數(shù)據(jù)可以給每一個人使用。傳統(tǒng)的數(shù)據(jù)分析軟件使用者太少，數(shù)據(jù)價值的變現(xiàn)只能是空中樓閣和遙不可及的存在。

我們服務(wù)了國內(nèi)最大的保險經(jīng)紀公司之一，這個公司有上千號人，投入了大量精力建設(shè)數(shù)據(jù)中臺，但是他們發(fā)現(xiàn)，業(yè)務(wù)人員在上中臺之前大概需要一到兩個月的時間獲得一個數(shù)據(jù)看板，上中臺之后還是需要一兩個月的時間，數(shù)據(jù)中臺的建設(shè)成果，其實并沒有被業(yè)務(wù)人員感受到。

使用了北極九章之后，業(yè)務(wù)人員直接使用搜索的方式，立刻就可以通過數(shù)據(jù)定位到哪些保險產(chǎn)品在哪些子公司理賠周期過長或者過短，相當于為整個團隊帶來了超過40個人的額外分析能力，每年節(jié)約超過1000多萬元的機會成本。讓我們感到非常欣喜的是，這個公司之前很多的決策都是靠拍腦門，現(xiàn)在業(yè)務(wù)人員會主動想決策之前是不是可以先搜索問問數(shù)據(jù)。

AIGC時代，中國企業(yè)如何布局未來十年的國際競爭？

不久前Gartner發(fā)布了2023年數(shù)據(jù)分析的十大關(guān)鍵技術(shù)。2023年，企業(yè)會部署的新興技術(shù)包括增強數(shù)據(jù)和分析、自然語言處理和決策智能；會話式用戶界面、自然語言生成、Transformer模型和大規(guī)模預(yù)訓練語言模型預(yù)計也將會全面應(yīng)用于企業(yè)?？梢钥吹?，全世界最領(lǐng)先的企業(yè)都在尋求通過數(shù)據(jù)和分析帶來可量化的價值，構(gòu)建信任培養(yǎng)數(shù)據(jù)和分析文化。

過去的幾十年，我們在數(shù)據(jù)建設(shè)方面雖然有了長足的進步，但是我們的數(shù)據(jù)其實大而不強，相比于歐美領(lǐng)先國家，仍有至少十年的差距。當AIGC趨勢到來的時候，我們的企業(yè)如何去布局未來十年？如何在激烈的競爭中贏得優(yōu)勢？

可以確定的是，我們沒有時間像過去一樣慢慢培養(yǎng)專業(yè)人才、組建團隊。未來的十年，人和機器直接對話會成為趨勢，我們的工作將不會是不停操作Excel和看板，而是通過我們最習慣、最自然的溝通方式，在AI的幫助下隨時問出問題。

關(guān)于「量子位·視點」

量子位發(fā)起的CEO/CTO系列分享活動，不定期邀請前沿科技領(lǐng)域創(chuàng)業(yè)公司CEO/CTO，分享企業(yè)最新戰(zhàn)略、最新技術(shù)、最新產(chǎn)品，與廣大從業(yè)者、愛好者探討前沿技術(shù)理論與產(chǎn)業(yè)實踐。歡迎大家多多關(guān)注 ～

需要觀看直播回放的小伙伴，可以戳鏈接噢：

https://www.bilibili.com/video/BV1VM4y1t7SK