大模型加持下的ABI平台，彻底解决指标平台与BI的割裂之痛

在现代商业环境中，企业的业务需求日趋复杂，对数据分析的依赖也越来越深。从实时销售情况到市场趋势分析，从客户行为研究到产品优化调整，每一个环节都离不开数据的支撑。然而，传统的数据分析平台，如指标平台和BI平台，往往分割在不同的系统和团队中，导致数据孤岛的形成，降低了数据分析和应用的效率，影响了企业的决策速度和准确性。在这样的背景下，如何将数据分析的各个环节进行有效的整合，提升数据管理和应用的效率，满足企业对实时、准确的数据分析和决策的需求，成为业界共同关注的问题。

在这样的背景下，思迈特的ABI平台给了我们一个全新的视角。思迈特即将于8月8日，在广州富力丽思卡尔顿酒店举办主题为“指标驱动 · 智能决策”的新品发布会，公布他们的最新解决方案——Smartbi V11，这是一个将指标平台与BI平台深度融合的创新产品，满足企业对数据分析的深层需求。为此，数据猿专访了思迈特的CEO吴华夫，深入了解他对于ABI平台的思考，以及思迈特将指标平台与BI平台融合的创新实践。

指标平台与BI的割裂之痛

吴华夫介绍到，在ABI平台之前，BI主要经历了响应式的报表服务、以Cube为核心的OLAP分析、以宽表为核心分散式的可视化分析三个阶段。而在这个发展过程中，指标平台往往与BI平台分离，各自独立发展，这造成了一系列的问题，典型的问题包括：

系统割裂导致的一致性问题。在以往的模式中，指标平台主要负责指标的定义和数据的存储，而BI平台则负责数据的分析和可视化。由于指标系统更多面向IT，业务用户较难在指标系统中自助数据处理，只能在BI中做数据再加工。这两个系统在架构上的割裂，导致了数据无法重用和不一致性问题，对数据的准确性和可信度造成了挑战。

低效的数据流动和操作效率，无法支撑数据的实时分析。在数据从指标平台迁移到BI平台的过程中，如果数据不满足需求，业务分析师需要根据需求重新建模，进行一系列的数据清洗、转换和导入操作。这不仅需要大量的时间和精力，也可能在数据迁移过程中造成数据的丢失或错误。另外，这种低效的数据流动模式，也无法支持数据的实时分析和决策。吴华夫指出，传统BI都存在各自的问题，不能很好的支撑高效的数据分析应用。例如，传统的多维分析存在性能瓶颈和维度限制，而且仍依赖于IT建模；基于宽表的方法，虽然通过列存储实现聚合提高了性能并突破了维度限制，但存在数据一致性和维度调整的问题。

多平台操作的用户体验问题和维护成本。使用者在操作指标平台和BI平台时，需要在两个完全不同的操作界面、操作逻辑中切换，这无疑大大增加了使用难度和学习成本。而且，企业在维护两套平台时，无疑需要付出更高的成本和精力。

以一家中型制造企业为例，其每月底在指标平台上更新生产线的性能指标，如生产速度、废品率等。同时，使用另一BI平台深入分析这些指标，如探索废品率增高的原因。但数据必须从指标平台转移到BI平台，这个过程繁琐且耗时。更糟的是，由于两平台的数据处理和存储方式差异，同一数据在两个平台上可能存在不同的表现，产生数据一致性问题。例如，同一份废品率数据在指标平台显示为15%，而在BI平台显示为16%。这为决策者带来模糊甚至错误的数据视角，影响数据驱动决策的准确性和及时性。

总的来看，指标平台与BI平台的割裂，带来了数据一致性问题、低效的数据流动、用户体验问题以及高昂的维护成本，这些问题都严重影响了企业的数据管理、数据分析和数据应用的效率和效果。因此，打破这种割裂，实现指标平台和BI平台的融合，是推动企业数据能力提升的必然选择。

以ABI平台，统一数据视角，提升数据管理、分析、应用效率

在面对如此割裂和分散的数据管理问题时，思迈特推出的Smartbi V11版本的ABI平台给我们提供了一个新的解决方案。吴华夫介绍到，这个平台将指标平台与BI平台融合在一起，通过底层数据的整合、统一的数据指标建模、统一的用户界面、强大的分析工具和全周期的安全和权限管控体系，解决数据一致性、效率和用户体验等问题。具体来看，ABI平台的优势主要表现在以下几个方面：

第一、ABI平台通过提供统一的数据视角解决了数据一致性问题。

ABI平台将指标定义、指标数据存储、指标数据分析，以及指标可视化全部整合在一个平台中完成。所有数据的流动和处理都在同一个系统中，无论是哪个部门或者哪个业务人员，看到的都是统一且一致的数据，避免了因数据割裂导致的错误决策。

以Smartbi V11平台为例，该平台打通了指标定义、指标计算、指标存储、指标发布、指标质量管理等，并与固定报表、自助分析、数据挖掘、交互式仪表盘等指标应用进行打通。通过底层数据的全面整合，以及统一的数据指标建模，Smartbi V11进一步强化了数据的一致性，提供更加精确和全面的指标数据支持。

第二、ABI平台提高了数据管理、分析和应用的效率。

ABI平台整合了所有的数据管理工作，在一个平台上完成数据的导入、处理、分析和导出。这极大地简化了数据管理的流程，提高了数据处理的效率，同时也降低了出错的可能。

此外，ABI平台通过提供丰富的数据分析工具，增强了数据分析的灵活性和扩展性。以Smartbi V11为例，其平台提供即席查询、透视分析、交互仪表盘、Excel融合分析、对话式分析、数据挖掘、分享协同等多样化的分析工具，用户可以利用各种数据分析工具进行自助式数据分析。而且，ABI平台还提供了各种数据分析模板，用户可以根据自己的需求选择合适的模板，无需从零开始创建数据分析模型，也可以满足更深入的数据应用需求。

第三、ABI平台还强调了业务人员的参与，以提高数据与业务的关联性。

在8月8日的新品发布会上，还将发布由爱分析和思迈特联合撰写的《以指标为中心的ABI平台，重塑企业数字化经营》行业分析报告，该报告认为，“以指标为中心”要满足的不仅是局部数据应用需求，更是要将指标作为企业管理的抓手，通过“管好”与“用好”指标，实现全方位数据驱动业务决策与流程优化。要实现这一目标，就必须要在数据管理、分析、应用的全链路中实现业务人员的参与。

在过去，数据分析往往是数据科学家和技术人员的工作，业务人员往往被排除在外。而ABI平台鼓励业务人员参与到数据计算和再计算的过程中，帮助他们更好地理解数据，从而更好地应用数据进行业务决策。例如，思迈特的ABI平台，业务人员可以在已经建设的指标模型上，直接进行计算指标的派生，而不需要技术人员的参与，打破了“业务提需求，IT 做需求”的传统模式。对于派生的计算指标，不需要进行数据的加工、处理就能直接使用，帮助企业实现构建自增长数据指标体系，进而沉淀企业数据资产，为释放数据资产的业务价值奠定基础。

业务和IT最佳协同，实现指标体系自增长，沉淀企业数据资产

第四、ABI平台提供全周期的安全和权限管控体系，以保证数据的安全性，同时降低维护成本。

在传统的数据管理模式下，由于需要在多个平台间导入导出数据，数据的安全性往往难以保证。而ABI平台将所有的数据管理工作集中在一个平台上，通过全周期的安全和权限管控体系，确保了数据的安全。与此同时，由于只需要维护一个平台，维护成本也大大降低。Smartbi V11版本在这一方面也有明显的提升，提供了更强大的安全防护能力，使得数据的安全性得到了全面保障。

吴华夫给数据猿举了一个具体的客户案例，来说明ABI平台的应用效果。

西藏药业，作为一个积极推行数字化转型的头部医药企业，面临着在快速发展的业务环境中，有效管理、利用大量分散在多个业务系统中的数据的挑战。他们的数据需求包括整合分散的数据，统一数据口径以增强数据质量，以及实现业务人员能高效自助用数。

为了满足这些需求，西藏药业与思迈特软件合作，构建以指标为中心的ABI系统。这个系统集成了“指标分析体系+指标管理+指标可视化”的解决方案，形成了医药行业共性指标与自有需求指标相结合的分析体系。在数据准备环节，思迈特通过集成多个业务系统数据，实现了数据的快速汇集和规范化管理。同时，也构建了一套统一的指标管理模型，帮助各个业务部门提供准确可信的指标数据。在数据模型层面，思迈特针对每个业务域的数据进行了汇总和关联，实现了数据模型的灵活承载。在数据呈现环节，思迈特提供看板与驾驶舱，实现了指标的可视化，使业务人员可以进行自助分析。

西藏药业以指标为中心的ABI建设

该解决方案的应用，使得西藏药业实现了从0到1的指标体系建设与应用，协助西藏药业完成战略发展、业务运营、管理支撑三层指标体系搭建，共计实现400+多个指标，解决了企业指标统一存放、分类管理的问题，满足了指标多场景灵活应用的需求。同时，西藏药业的数据时效性得到了显著提升，数据呈现从月度提升到“T+1”。目前，西藏药业已能够利用这个系统敏捷开发出满足经营、营销、财务、人力等需求的看板与驾驶舱，建设25张一级看板。未来，他们将继续深化与思迈特软件的合作，进一步提升数据产品应用和价值，实现全集团数据驱动业务决策提效，助力企业实现可持续高速增长。

大模型+ABI，更自然的人机交互，更强大的数据分析

吴华夫指出，ABI并不是一成不变的，而是处在快速发展进程中。吴华夫认为，大模型与ABI平台是相互成就的关系：大语言模型的引入，可以有效提升自然语言分析工具对“常识”语义理解的能力，提升语义理解的准确度，可有效避免BI系统对用户问题的“答非所问”；另一方面，ABI平台的指标系统，结合知识图谱等AI技术，可以提升AIGC内容的准确性、专业性，避免大模型可能存在的“一本正经胡说八道”的问题。

目前，思迈特在ABI平台基础更进一步，融入大模型的能力，打造更智能的ABI平台，这个平台在多方面实现显著的能力提升，具体表现在以下几个方面：

大语言模型能够处理更复杂的语言结构，可以让ABI平台实现基于人类自然语言的人机交互，并且让ABI平台的数据分析报告和解释更加符合人类语言习惯。例如，对于同一数据分析结果，大语言模型可以根据用户的需求和语境，生成不同风格和深度的解释和摘要，这对于不同背景和知识水平的用户来说是非常有帮助的。

更进一步，大语言模型在数据分析中具有更强的推理能力。在面对大量数据时，大模型可以快速找出关键信息，发现数据中的隐藏模式和关联性，进而生成有深度的数据分析结果。这在面对复杂业务场景时尤其重要，因为大模型可以比人类分析师更快、更准确地找出业务关联和数据规律。

此外，大语言模型可以提高数据治理效率。由于大模型对语言的理解能力，它可以更好地理解数据中的错误和不一致，进而提供有效的预处理、数据质量管理和数据一致性解决方案。此外，大模型还可以根据分析结果，自动生成数据治理策略和规则，这对于提升数据治理效率和质量是非常有帮助的。

随着科技的飞速进步，ABI平台颠覆了传统数据处理和分析方法，为我们带来前所未有的便捷与智能。尤其是融入大模型后的ABI平台，它的深度语言理解、强大的数据分析能力和高效的数据治理效率，均为产业的数字化升级和数字经济建设提供了坚实的技术支持。

然而，思迈特深知一个平台的力量在于其生态系统，所以其积极发展与各行业伙伴的合作。通过将ABI平台与行业伙伴的Know-how相结合，思迈特旨在为各个行业提供更加专业、高效的智能解决方案，共同推动行业的快速发展。为此，思迈特即将在8月8日举办的Smatbi V11新品发布会上，不仅将介绍V11的新能力，还邀请多个标杆企业分享ABI平台驱动其业务增长的创新实践。

正如《以指标为中心的ABI平台，重塑企业数字化经营》报告指出，在数字经济时代，企业需要依托指标驱动决策，进而迈向数字化经营。在提高竞争力、降低成本、创新业务模式以及提升客户体验等方面，指标的应用能力一定程度上决定了企业数字化经营效益的高低。未来，随着大数据、AI和大模型等技术的进一步发展，ABI平台会更加智能化、自动化和人性化。它不仅会成为企业的重要数据分析工具，更会成为推动产业数字化升级、数字经济建设的关键因素。

文：月满西楼/数据猿