文章目录
前言
在当今的数字化时代，数据无处不在，数据分析也变得越来越重要。数据分析在当今商业环境中具有重要意义。通过运用数据分析工具和技术，我们可以更好地理解业务、优化决策、预测未来趋势、优化产品设计、以及风险管理等方面的工作。这将有助于提高企业竞争力和运营效率，从而实现可持续发展目标。然而，有效地分析和利用数据仍然是一个挑战，随着今年 AI 大模型的火热，大模型天然的强大推理能力和计算能力，为人们解决复杂的数据分析问题带来了新的方向和破局之路。
一、数据分析的发展历程
1.1 数据分析的主要发展阶段：
- 第一阶段：数据报表：这是数据分析的最初阶段，主要是对数据进行简单的统计和汇总，生成报表。这个阶段的数据分析主要是服务于管理层，帮助他们了解公司的整体运营情况。
- 第二阶段：数据挖掘：随着数据的不断积累和计算机技术的不断发展，人们开始使用数据挖掘技术来发现数据中的规律和趋势。这个阶段的数据分析主要是服务于业务部门，帮助他们发现市场和用户的规律和趋势，从而制定更有效的策略。
- 第三阶段：数据驱动决策：在数据挖掘的基础上，人们开始将数据分析的结果直接应用于决策。这个阶段的数据分析主要是服务于决策层，帮助他们做出更明智的决策。
1.2 数据分析工具面临的挑战与痛点：
- 分析工具选择困难
- 工具种类繁杂：数据分析工具种类繁多，从 Excel 到 Python、R 等编程语言，再到 BI 等可视化工具，选择困难在于如何根据实际需求和技能水平进行合理选择。
- 功能定位差异：不同数据分析工具的功能定位存在差异，例如 Excel 适合处理简单的数据清洗和计算，而 Python 和 R 更适合进行复杂的数据处理和建模，选择合适的工具需要充分了解各种工具的特点和优势。
- 学习成本巨大：数据分析工具的学习成本也是选择困难的一个重要因素，一些高级工具可能需要较长时间学习和实践才能掌握，因此在选择工具时需要权衡学习成本与项目需求之间的关系。
- 结果解读与应用挑战
- 数据解读的复杂性：数据分析的结果需要通过专业知识和技能进行解读，这涉及到统计学、计算机科学等多个领域，对分析人员的专业素质要求较高。
- 数据应用的挑战：数据分析结果的应用需要结合实际业务场景，如何将复杂的数据转化为有价值的信息，这是数据分析面临的一大挑战。
- 数据保护的问题：在数据分析过程中，如何保护数据的安全和隐私，防止数据泄露，是每个数据分析人员都需要面对的问题。
1.3 数据分析工具的未来趋势
- 数据集成与处理能力提升：数据分析工具将更加注重数据的集成与处理能力，能够快速、准确地从各种来源获取数据，并进行清洗、转换和整合为后续分析提供高质量的数据基础。
- 人工智能与机器学习的融合：数据分析工具将更多地融入人工智能和机器学习技术，通过自动化分析和预测模型，帮助用户更高效地发现数据中的模式和趋势，提高决策的准确性和效率。
- 可视化与交互性的增强：数据分析工具将更加注重可视化和交互性，通过直观的图表、仪表盘和交互式探索功能，使用户能够更轻松地理解和解释数据，从而更好地支持业务决策和创新。
二、未来已来：人人都是数据分析师
2.1 AI 大模型对数据分析的颠覆
当前市场呈现出丰富多样的生成式 AI 形态，拨开一众表面浮夸的形态和场景，“数据分析”是大模型和具体业务融合的更深一步，是最能为用户产生直接商业价值的核心领域，也将是企业真正需要沉淀的、最有业务价值的领域。
AI 大模型正在改变数据分析的方式，为数据分析领域提供了新的可能性：只需用简单的语言向 AI 描述分析需求，它就能自动进行数据建模分析，基于现实数据创建出详尽而准确的可视化结果。通过与 AI 大模型相结合，我们可以使数据分析更加容易，使更多的非专业数据分析人员参与其中，提高效率和准确性，同时使数据更加易于访问和理解。这将使数据分析变得更加普及和高效，为企业提供更多的洞察和更好的决策支持。
在 2023 年 6 月 28 日，九章云极 DataCanvas 公司就对外发布了实验性产品：TableGPT。TableGPT 遵循“所需即所得”理念，用户只需要用自然语言描述问题和需求，无需输入复杂命令或进行手动算法选择，TableGPT 就能自动理解用户意图，选择合适的统计分析、机器学习方法并在私域数据内完成自动建模，然后反馈用户所需数据分析结果并进行解释，同时还可以给出后续数据挖掘的建议。整个过程无需用户关注、也不用接触到任何具体的技术细节，大大降低了学习和使用难度。
11 月 21 日，TableGPT 带着一系列的重大升级以 TableAgent 为名重装上阵，升级后的 TableAgent 也带来多项 企业级特性，助力 AI 大模型在企业级数据分析领域的切实落地。
2.2 TableAgent：实现人人都是数据分析师
TableAgent 是在 Alaya 九章元识大模型基础上开发的能够实现私有化部署的企业级数据分析智能体，有非常强大的意图理解能力、分析建模能力和洞察力。TableAgent 在充分的理解用户意图后，自主的利用统计科学、机器学习、因果摧断等高级建模技术从数据中挖掘价值，进而提供分析观点和指导行动的深刻见解。TableAgent 的核心特性：
- 会话式数据分析，所需即所得
- 私有化部署，数据安全
- 支持企业级数据分析，大规模、高性能
- 支持领域微调，专业化
- 过程白盒化，审计监督
2.3 TableAgent 体验：会话式数据分析，所需即所得
TableAgent 目前已开放公测（https://tableagent.DataCanvas.com），只需要进行简单的注册即可体验 会话式数据分析。
TableAgent 的主页面相当简洁，左侧是对话区域，右侧是数据集管理。使用时，需要先在右侧选择样例数据集或上传用户自有的数据集，之后在左侧对话框输入与数据集相关的分析需求，即可获得分析结果。需要注意的是，目前线上的 TableAgent 版本仅支持 CSV 格式的数据文件，数据大小不得超过 5M。
接下来，让我们基于一份商城详细销售数据，来看一下 TableAgent 的数据分析能力，问题按照分析需求描述的准确度排序。
-
首先，问一下 TableAgent 这是一份什么数据；TableAgent 准确的将数据集的相关基础信息分析并罗列了出来，并且给出了一些后续的数据挖掘的建议。
-
接下来提出一个明确的分析需求，并给出多个关键字：
华东、近三年、每年、总体销售额、折线图; TableAgent 精准的根据我们的需求给出了统计结果以及折线图。
-
再来根据商品类别统计下利润情况；在我们没有要求绘图的情况下，TableAgent 依然绘制了柱状图帮助用户
更好的解读分析结果
-
最后我们给出一个较为宽泛的需求，关键字仅有两个：
不同月份、购买趋势；同样的，在我们没有提出可视化需求的情况下，TableAgent 自动绘制了更符合趋势分析的折线图帮助用户解读分析结果
通过上面的几个问题的测试，可以看到 TableAgent 强大的自然语言理解与生成能力，推理能力以及通识能力。TableAgent 针对用户提出的用户分析需求，都会提供相应的结果表格以及文字描述，必要的情况下也会自动绘制贴合分析需求的可视化图表帮助用户理解分析结果。
会话式的数据分析 无疑大大提高了数据分析效率。上面这三个统计分析需求，如果使用 Excel 或 Python 来做，所消耗的时间是小时级的，而在 TableAgent 上，短短几分钟就可以从表格、文字、可视化图表等多种形式全面的输出分析结果，过程中只需要用户理解业务懂得提问即可，无需任何额外的专业知识。
三、TableAgent ：更懂国内企业需求的 Data+AI 产品
3.1 大模型时代下企业应用痛点
随着进入大模型时代，越来越多的企业将加入这一浪潮，在这个时代，企业应用发展同样面临着众多挑战。
3.2 TableAgent ：私有化部署的企业级数据分析智能体
TableAgent 此次升级了大量企业级特性，重点解决大模型应用在企业中的落地痛点：
-
私有化部署：企业可以对 TableAgent 进行私有化部署，企业数据在企业的可信环境中训练使用，解决数据安全问题、监管问题。
-
专业的领域微调：得益于自有大模型和自研 T+底层体系，TableAgent 能够适用于各类行业和专业，实现对任何特定领域内个性化数据分析情景下的专业化微调，同时系统具有自我迭代的能力，系统性的体系支撑更高效的实现数据分析各个环节的升级，让用户在无感知的情况下即可获得不断升级的数据分析体验。
-
分析过程白盒化：TableAgent 针对每一个分析需求都会给出详细的分析过程，并给出中间数据集。整个分析过程对企业白盒化，满足企业的监管需求，企业也可基于分析过程进行结果验证等操作。从图中可以看到，TableAgent 分析过程大致分为 3 步：
- Alaya 大模型对自然语言分析需求进行分析拆解，生成分析步骤
- 根据 Alaya 拆解后分析步骤，按顺序逐步生成代码并执行
- Alaya 大模型对分析结果进行自然语言解读并输出
-
支持大规模企业级数据的高性能分析：私有化部署后，可对接企业现有的大数据平台，基于高性能的优化技术完成大规模、高性能的企业级数据分析需求。
四、总结
TableAgent 可以免费体验，注册后可以免费使用5次，次数使用完了，可以认证申请增加次数（每天15次）
【TableAgent公测地址】https://tableagent.DataCanvas.com
TableAgent 开启了企业数据分析的全新方式：从 0 到 1 的交互式结构化数据分析，让“人人都是数据分析师”得以从梦想照进现实。引用九章云极 DataCanvas 公司主任架构师杨健的话作为本文的总结。
当前市场呈现出丰富多样的生成式 AI 形态，拨开一众表面浮夸的形态和场景，“数据分析”是大模型和具体业务融合的更深一步，是最能为用户产生直接商业价值的核心领域，也将是企业真正需要沉淀的、最有业务价值的领域。这也与九章云极 DataCanvas 公司 “一切为了应用”的 AI 基础软件研发目标一致，TableAgent 聚焦数据分析，作为 Data+AI 的产物，将在未来大模型主导的 AI 时代为企业转换巨大的业务价值，迎来难以估量的蓝海机遇。