马太效应，是社会学和经济学常用理论之一，通常指强者越强、弱者越弱的两极分化现象。如今，这股效应也在国内企业级数据洞察市场蔓延：

一方面，部分企业尚未意识到数据对于自身发展的价值，或者缺乏高效便捷的数智化产品/工具将庞杂数据变得“可看”“可用”，导致难以及时把握市场行情、做出科学决策，最终发展受限；另一方面，深谙数据驱动的企业，则积极把握数字化时代飞速发展的红利，持续加码企业数智能力，将数据消费贯穿业务推进、管理决策、规划调整等多场景，保障业务健康、快速成长。

如何尽量缩小马太效应影响，帮助更多企业实现数据洞察领域的数字化升级，享受普惠式数据消费，正在成为现阶段的重要课题。

9月19日，2023火山引擎数据驱动科技峰会发布数据产品大语言模型应用：DataWind-分析助手、DataLeap-找数助手、DataLeap-开发助手，为企业提供从数据资产层到业务应用层的全链路AI能力，让企业数据消费更便捷、更普惠。

数据消费已经成为大多数企业数据驱动的基础——从互联网行业的APP改版发布，到金融行业的用户资质审核，再到零售行业的精准营销……数据消费无处不在，但要实现普惠数据消费，企业需要拥有一套更低门槛的产品。

火山引擎智能数据洞察DataWind此次推出的大模型应用——DataWind-分析助手，通过自然语言对话的方式，为用户提供了可视化查询的自然语言取数、可视化图表生成、表达式生成，仪表盘分析探索、IM消息订阅等全流程的智能化自助分析服务。

1. 字段表达式生成

在进行业务数据分析时，分析人员经常需要自定义一些分析维度。以往都需要强依赖分析人员人工编写代码逻辑，来实现分析维度的生成。

代码语言成为了大部分业务人员无法进行灵活、个性化分析的屏障。DataWind-分析助手可以通过对话式方式，自动生成符合用户诉求的表达式，直接生成新的字段，就能帮助没有代码语言背景的人员，实现更自助的个性化分析。

2. 仪表盘的生成与搭建

用户在自助分析的过程中，针对业务场景，可能需要创建大量仪表盘，从而构建一个完整的业务专题分析体系。

DataWind-分析助手可以帮助用户快速进行仪表盘的生成与创建，仪表盘配色主题生成与切换，以及仪表盘的进一步探索分析等。

针对并无数据分析基础的用户来说，通过自然语言描述，就能快速生成仪表盘，节省大量时间。

3. 仪表盘分析探索

基于已有的仪表盘，用户可以随时唤起分析助手，针对该仪表盘的数据通过会话式方式，提出问题，快速得到解释。同时，分析助手本身也会基于该数据，提供一系列问题提示，减少用户问题输入的时间。

分析助手利用对用户自然语言的理解，可以洞察背后的诉求，及时自动地更新图表。它还支持多轮问答/追答，输出理解和分析逻辑，同时用户可通过界面观察完整的操作过程，并支持用户的人为干预和调优。

4. IM消息订阅

此外，基于用户常见的IM工具（如飞书等），DataWind-分析助手不仅可以实现订阅提醒、消息推送、监控提醒等，在与 DataWind 分析助手的对话过程中快速实现查询，同时该功能也支持自然语言自由提问。

DataWind此次推出的分析助手是在此前拖拉拽即可实现可视化分析的基础上，进一步降低使用门槛，帮助更多没有数据分析基础的人快速自主进行 BI 分析，有效减少繁琐的取数与图表制作等工作，缩短数据分析周期。

以零售企业双11大促为例，数据分析师可以通过DataWind为运营岗位员工搭建所需的数据仪表盘，以满足看数需求；但如果运营人员想要针对仪表盘内的某项数据做深入了解，由于缺乏代码输入能力，往往需要依赖数据分析师或数据开发岗位员工的协助。

但现在，基于DataWind-分析助手，运营人员可以直接在对话框内以自然语言输入需求，即可返回所需的数据内容。

这种近乎0门槛、极速式的数据体验，使得数据分析思考周期大幅缩短，极大保障了数据的准确性和时效性，可以高质量满足大促期间前线业务对数据的多方面需求。

另外，基于与IM工具的全面贯通，DataWind-分析助手提供的IM消息订阅等功能，企业员工打破原来在移动办公场景下只能通过仪表盘“看数”的局面，实现更多延展性分析，让原本只能“看”的静态数据“活”起来，随时随地用活数据。

在大语言模型应用的加持下，DataWind-分析助手进一步降低企业员工用数门槛，实现从图表制作、到图标分析、再到订阅与监控等全流程的自助化，让企业内部的看数、用数，从原本小部分人的“高精尖”（高级﹑精密﹑尖端）事变成在获得数据权限条件下，人人都能享受并依赖的“普惠”事，帮助企业真正践行数据驱动。

文章纠错