在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多挑战。近期，数势科技数据智能产品总经理岑润哲受邀参加了DataFunSummit 2024，并探讨了大模型技术如何为数据分析领域带来革新。从企业高管对即时洞察的渴望，到业务人员对高效分析工具的期盼，再到技术团队对数据一致性和灵活性的追求，这期我们先来聊聊在数据分析领域各职位常见的痛点：

管理团队之痛：现有数据产品无法快速产生深度结论
 

从管理团队视角来看，尽管企业耗费大量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能提供“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得系统的结论性回答，这是大模型技术结合数据所能提供的价值。

业务人员之痛：缺乏高效的数据分析工具

从业务人员视角来看，他们面临的主要痛点是缺乏高效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅增加了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。

技术团队之痛：数据分散与指标口径不一致

技术团队也面临着诸多挑战，包括数据开发，数仓工程师等。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了大量临时ADS表，并维护了多种临时性口径。这不仅使数据变得分散，还导致了指标口径的不一致。为了应对这些痛点，我们提出了利用大模型Agent架构来改变原有范式的解决方案。

大模型的Agent架构结合指标语义层 加速数据民主化进程

如下图所示，原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到困惑，难以有效利用数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以迅速响应并满足业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。

最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以高效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中。

关于“数据分析领域各职位常见的痛点问题”就分享到这里。下期我们将带来“智能分析产品常见设计思路以及如何针对痛点进行路径优化”的相关内容。

延伸阅读：

提数难、分析难、解读难、权限难

企业数据分析常见的四大痛点

对数势科技SwiftAgent智能分析助手

应用场景感兴趣的读者

欢迎扫码添加小助手了解更多信息

关于数势科技

数势科技专注于为全球客户提供高效、精准的数据智能解决方案。公司凭借在大金融、高科技制造和泛零售等领域的深厚技术积累和行业经验，已成功推出基于大模型增强的智能分析助手（SwiftAgent）、智能指标平台（SwiftMetrics）、智能标签平台（SwiftXDP）及智能营销平台（SwiftMKT）等一系列创新产品，有效提升了企业的数字化决策效率和运营能力。

目前，数势科技已服务众多行业头部客户，代表客户有民生银行、江苏银行、中原银行、中金、平安、中信建投、国信证券、海通证券、沃尔玛/山姆、胖东来、永辉、绝味食品、书亦烧仙草、霸王茶姬、益禾堂等。助力企业实现数字化升级，打造业务增长新引擎。

— END —

点击“阅读原文”了解数势科技