2024爱分析·对话式数据分析厂商全景报告

数据分析是挖掘数据价值、支撑经营决策的关键步骤。在企业对数据分析工具高效、易用的追求下，数据分析技术持续迭代，前后历经固定报表、自助式分析、对话式分析三个发展阶段。数据分析技术的迭代的核心逻辑是对业务部门的数据应用赋能，体现在门槛的降低、灵活性的提升和分析能力的拓展。

对话式分析是继传统BI、自助式分析之后的技术创新，代表着企业数据分析技术的新趋势。

对话式数据分析能在意图理解准确、取数灵活、洞察深入三方面满足企业广泛的数据分析需求，充分挖掘企业数据价值、赋能经营决策。

7月22日，爱分析正式发布《2024爱分析·对话式数据分析厂商全景报告》，通过对市场的需求分析和代表厂商的能力解读，为企业厂商选型提供参考。

覆盖市场：

对话式数据分析

下载完整版《2024爱分析·对话式数据分析厂商全景报告》或想了解更多报告信息，欢迎前往爱分析官网或爱分析公众号联系我们，为您提供更多帮助。

01 研究范围定义

研究范围定义

1）对话式分析代表企业数据分析技术新趋势

数据分析是挖掘数据价值、支撑经营决策的关键步骤。在企业对数据分析工具高效、易用的追求下，数据分析技术持续迭代，前后历经三个发展阶段。

图1：企业数据分析技术迭代三阶段

第一阶段，企业数据分析以静态报表为主，传统BI和静态报表基本上都是面向IT部门的，业务部门提出需求之后，由IT根据报表工具开发出固定的报表，然后业务部门查看报表结果。此阶段中，传统BI的使用对象仅面向管理层。

企业数据爆发式增长驱动业务部门用数需求快速增加，IT开发固定报表的方式灵活性低、周期长，难以满足业务广泛的数据需求，推动数据分析进入自助式分析阶段。

第二阶段，金融业率先使用自助式分析。业务部门提出需求之后，数据分析师可以基于敏捷BI的工具帮助业务部门快速获取所需的数据，业务部门的灵活性和自主性大幅增加。自助式分析工具的使用对象由管理层变为数据分析师，企业数据应用的渗透率也得到快速提升。但在此阶段中，企业有限的数据分析资源成为业务部门广泛开展数据分析的瓶颈，业务部门的个性化、深度的数据分析常常难以满足。

随着大模型技术的日渐成熟，大模型解决方案落地推动企业数据分析进入第三阶段，即对话式数据分析阶段。对话式数据分析能直接面向业务部门，无需依赖开发人员或数据分析师，面向业务人员，实现完全的自主的数据分析，推动数据应用在企业全面渗透。

对话式分析继传统BI、自助式分析之后的技术创新，代表着企业数据分析技术的新趋势。

2）对话式数据分析能充分挖掘企业数据价值、赋能经营决策

对话式数据分析能在意图理解准确、取数灵活、洞察深入三方面满足企业广泛的数据分析需求。

对于用户意图的理解，企业在落地对话式数据分析时，大模型具备基于上下文语境准确理解用户意图，或是准确理解用户专业术语的能力。

对话式分析能实现灵活地取数。在对用户意图进行理解后，对话式分析中的智能体和代码生成能力，对取数任务或是指标进行自动拆解，并自动生成SQL语句调用宽表中数据，直接反馈数据结果，能即时满足业务部门通用的或是个性化的取数需求。

对话式分析能实现业务的深入洞察。对话式分析能协助业务人员对结果背后的原因进行归因或是下钻分析，找出深度影响因子，优化经营策略。

从当前实际落地进展来看，用户意图理解的准确性已经在实际落地过程中得以验证；灵活生成SQL语句取数以及归因分析的准确性还有待技术继续突破。

基于以上背景，本报告面向企业管理层和业务部门，通过对对话式数据分析的需求定义和代表厂商的能力评估，为企业落地对话式数据分析解决方案、厂商选型提供参考。

厂商入选标准：

厂商入选标准本次入选报告的厂商需同时符合以下条件：

1、厂商的产品服务满足各市场定义的厂商能力要求；

2、2023年厂商具备一定数量以上的付费客户（参考第3章各市场定义部分）；

3、2023年厂商在特定市场的营业收入达到指标要求（参考第3章各市场定义部分）。

02 厂商全景地图

03 市场分析与厂商评估

3.1对话式数据分析

市场定义：

对话式数据分析是指融合大模型的数据分析技术，能有效满足管理层和业务部门的数据分析需求，提升IT部门数据开发效率。

甲方终端用户：

企业管理层、业务部门

甲方核心需求：

对话式分析是企业优先落地大模型的场景之一。对话式分析能解有效决传统数据分析中，企业数据分析资源有限、门槛高的痛点，提高业务部门自主性，促进企业数据价值释放。企业对话式数据分析的的核心需求体现在：

对话式分析能实现准确的意图理解。传统的取数过程中，用户需要明确掌握SQL语言和相应的数据库结构来提取所需信息。随着NL2SQL技术兴起，用户只需使用自然语言描述需求，由后端系统将其转换为适当的SQL语句，简化了查询过程。但NL2SQL技术仍有缺陷，传统的NLP技术使用分词+知识图谱技术落地，依赖于大量人工标注和规则设定，实施成本高，且其自然语言处理能力较弱，在处理模糊查询和复杂意图查询方面存在挑战。如在处理模糊查询的过程中，自然语言的语法结构复杂多变，传统NL2SQL系统在解析嵌套查询和多表关联查询等复杂句子结构时，容易生成错误的SQL语句。

支持业务人员开展深度分析、实现业务洞察。随着企业数据的积累，企业用数场景也快速增加，但企业既有的数据能力难以支撑深入的用数需求。业务的取数需要数据开发人员支持，深入的数据洞察又严重依赖专业的分析师，在企业资源有限的情形下，通用的、复用率高的数据分析任务将作为最高优先级，而业务更偏个性化、复杂化的长尾数据分析需求难以得到响应和满足，造成企业“有数难用”的现状。

保障数据安全。对话式分析为企业带来新的数据安全挑战，如大模型的部署环境安全、数据传输安全，以及员工在与大模型互动过程中避免敏感数据泄露，以及满足行业合规要求。

厂商能力要求：

针对以上需求，厂商应兼具限定查询边界和人工介入的能力，来规避大模型幻觉问题。并且厂商应支持企业进行深度数据分析，支持业务开展洞察，并保障用户使用大模型过程中的数据安全。

具备限定查询边界的能力。为保证取数准确性，目前主要采用限定查询边界的解决思路。具体而言，是将大模型与宽表或语义层相结合，运用宽表和数据源来构建语义层，继而在该语义层上进行相应的匹配和查询。这类模式的具体操作方式是基于指标平台，把常见的指标先基于宽表进行计算，再运用自然语言查询指标，其精确度会相对较高且基本上具备可控性。

支持数据查询过程人工可干预，以及对查询结果可纠错。除限定查询边界外，人工介入也是实现对话式分析的重要方式。如在查询过程中，厂商可支持将复杂的SQL转化成自然语言的查询解释，帮助用户理解查询逻辑；针对查询结果输出后的场景，支持用户手动调整查询条件，如语义澄清、界定查询范围等，对大模型输出的错误结果进行纠偏，并支持快速输出正确结果。

支持企业进行深度数据分析，实现业务洞察。除基础的取数以及图形化展示外，厂商更应具备深度数据分析的能力，如多轮对话、上下文理解能力，能理解用户语境，帮助用户深入剖析问题原因；如AI agent能力，能自动对任务进行分解、对指标进行拆分；如大模型应支持时间计算、归因分析、预测分析、数据挖掘等多种复杂数据分析场景，驱动业务决策，提升运营效率。此外，厂商应提高对话式分析的数据处理性能，保障用户能近实时地获取查询结果。

保障用户使用对话式分析过程中的数据安全。在对话式分析的数据安全保障方面，厂商应支持大模型私有化部署，以及在企业调用公有大模型过程中对数据进行加密，保障传输与存储安全。此外，针对用户访问，厂商应提供契合组织需求的数据权限管理，避免出现数据跨级访问、敏感数据泄露等数据风险，保障数据的安全合规。

入选标准：

1. 符合对话式数据分析全部厂商能力要求；

2. 近一年厂商在该市场至少服务1家企业（含POC）。

代表厂商评估：

思迈特软件

厂商介绍：

广州思迈特软件有限公司（简称“思迈特软件”）创立于2011年，专注于商业智能与大数据分析软件与服务，已发展成为国内领先的商业智能BI和AI应用厂商。公司已为超5000多家企业提供一站式商业智能平台和BI解决方案，服务客户覆盖金融、央国企、制造等超60个行业，是商业智能领域拥有最多行业头部客户的厂商。

产品服务介绍：

Smartbi AIChat是思迈特软件研发的基于大模型的智能问答式BI，通过引入大语言模型（LLM），提升自然语言分析工具对“常识”语义和上下文语境的理解能力；同时通过提示工程、微调或训练将自然语言转化成DSL，通过中间语言解析引擎精准解析，准确、高效、便捷地获取到用户真正需要的数据。Smartbi AIChat提供数据接入、数据问答、多轮对话、时间智能、错误纠偏、多终端应用、大模型部署等特色功能，帮助企业业务人员实现深度数据分析。

厂商评估：

思迈特自研的Smartbi AIChat能准确理解用户意图，保证数据分析准确性，为企业用户提供可靠的数据分析支持；提供数据问答、多轮对话、时间智能、错误纠偏等功能，支持企业业务人员开展深度分析，通过支持私有化部署和严格的权限控制，保障数据安全。此外，Smartbi领先的AI技术和丰富的行业Know-how积累，支持企业快速搭建BI系统，创造业务价值。

Smartbi AIChat通过准确理解用户意图和错误纠偏，保证数据分析准确性，为企业用户提供可靠的数据分析支持。
Smartbi AIChat对话式分析的框架由大模型+Smartbi数据模型构成。大模型承担自然语言与DSL分析语句的连接与转化，DSL语句经进一步过滤拆解后将触发数据模型进行数据查询。数据模型经训练后构建形成向量库，通过检索增强RAG解决大模型幻觉问题。
为实现大模型对用户意图的准确理解，Smartbi对用户自然语言查询语句先自动生成执行计划规划，再分解为子任务执行。
其中针对执行计划，Smartbi允许人工调整，并对生成执行过程持续调优。
在执行子任务时，Smartbi也提供了多种处理方式。如用户输入的语句通过Schema Mapper检索，判定字段是否与业务知识库匹配，如若匹配则跳过大模型解析步骤，直接利用知识库中的指标计算公式触发Smartbi数据模型进行查询分析；进入大模型解析后，如果是简单查询将指定Smartbi数据模型引擎直接分析，复杂查询则通过向量数据库进行语义解析后形成DSL语句。此外，对于更复杂的开放式问题，则由Agent生成运算任务，调用Python代码实现查询结果反馈。大模型对用户意图的准确理解发生在查询过程中，针对查询结果输出后，Smartbi支持用户进行错误纠偏，如语义澄清、删除或添加维度指标限定查询范围等方式，快速获取正确结果。
Smartbi AIChat提供数据问答、多轮对话、时间智能、深度分析等功能，支持业务人员开展业务洞察。Smartbi AIChat简单易用，能显著降低数据分析门槛。用户可通过简单的表述查询分析数据，支持用表格和可视化图形展示，普通员工均可使用，助力企业实现“人人都是数据分析师”。
Smartbi AIChat能为企业提供高效深度分析能力。如Smartbi多轮对话功能具备出色的上下文理解能力，能基于用户的历史问题理解情境，给出连贯的数据分析结果，帮助用户逐层深入、有序探索，高效查找问题的根本原因。针对复杂分析场景如同比、环比、排名等时间计算，传统的NLP2SQL技术中，要解决开窗函数对多种数据类型的支持、数据库语法不同、千百张表的复杂关系下难以生成准确的SQL等等难题，Smartbi融合宽表、星型、雪花、星座等多种数据模型和强大的计算能力，将常见的时间计算逻辑封装到对话式分析系统中，用户通过提问可自动生成分析结果。
此外，Smartbi也支持归因分析、预测分析、数据挖掘，以及针对业务问题自动生成诊断报告等，自动实现深度的数据分析建模，支撑业务人员对业务数据进行深入分析。
Smartbi可为企业提供安全、高效的数据分析支持。针对数据安全，Smartbi支持本地大模型私有化部署，可以提供高级别的数据隐私保护、降低数据泄露风险。进一步，Smartbi针对用户的访问提供严格的数据访问控制策略，通过数据模型层用户与权限的映射，确保对话式分析返回报表中仅返回用户权限内的数据内容。在性能上，Smartbi可支持数据抽取到高速缓存库中，在亿级数据量下实现秒级响应。
Smartbi领先的AI技术和丰富的行业Know-how积累，支持企业快速搭建BI系统，创造业务价值。自2019年起，Smartbi就开始将人工智能AI技术和BI融合，自主研发了自然语言分析NLA，并凭此获得多项发明专利。其技术领先性也获得专业第三方机构认可，在近期Gartner发布的《2024 年中国数据、分析和人工智能技术成熟度曲线》报告中，Smartbi连续5年入选增强数据分析及自助分析代表厂商；Smartbi AIChat应用案例成功入选工信部工业文化发展中心首批”AI产业创新场景应用案例”。除领先的AI能力外，思迈特在服务客户的过程中积累了丰富的业务经验，搭建出一套可供企业参考的管理指标体系。在对话式分析中，思迈特将管理指标体系与大模型结合，客户可根据自己需求进行删减，快速生成一套BI系统，即时赋能业务。