商業(yè)智能（BI）的發(fā)展階段，當前能達成共識的是分為三代技術，每一代由解決方案提供的可訪問性、速度、數據集大小和洞察質量來定義。

BI 1.0-傳統(tǒng)商業(yè)智能

傳統(tǒng)商業(yè)智能被認為是最古老的 BI 版本，也是最不友好的。傳統(tǒng)的 BI 建立在需要 IT 專業(yè)人員聚合數據和構建 OLAP 多維數據集以進行分析，傳統(tǒng)的 BI 交付報告和靜態(tài)儀表板作為其主要輸出。從手動從數據庫中提取數據并手動清理數據，到構建模型、挖掘數據以及生成整個組織的部門和團隊所需的數據豐富的報告，即一切都由專家處理。

最大的問題是需要數周時間才能為業(yè)務提供關鍵洞察，因為需要 IT 來設計模型和報告。由于該系統(tǒng)僅提供查詢的回顧性視圖，因此無法提供預測性見解。因此，決策者最終只能“憑直覺”尋找新的機會和解決重大問題的方法。

BI 2.0-自助商業(yè)智能

自助式商業(yè)智能 (SSBI) 解決方案對傳統(tǒng)數據分析模型進行了重大升級。最值得注意的是，它們允許數據分析師和其他業(yè)務用戶使用 IT 構建的模型創(chuàng)建自己的報告和數據可視化。組織中的每個人都可以按需訪問，這種 BI 方法使用戶能夠創(chuàng)建臨時報告、提出后續(xù)問題，并手動更深入地挖掘洞察以獲得更有針對性的信息。

不幸的是，自助服務仍然無法解決最后一英里的問題，因為它用于數據探索的可視化界面使用傳統(tǒng)的拖放式度量和維度，這對業(yè)務用戶來說很復雜。隨著數據量和復雜性的增加，使用自助式 BI 工具手動分析數據的每個組合以找到重要見解變得不大現實，即使對于專家數據分析師也是如此。

BI 3.0-增強分析

作為下一代商業(yè)智能，增強分析以幾種不同的方式改進了自助服務模型。Gartner指出，增強分析是使用機器學習和人工智能等支持技術來協(xié)助數據準備、數據發(fā)現、洞察生成和洞察解釋，以增強人們在分析和 BI 平臺中探索和分析數據的方式。

Gartner這么解釋還是很抽象，因此我繼續(xù)網上搜集資料想理解到底是個什么東東，大家的解釋總結起來無非如下：

在數據準備階段，借助增強的分析工具，其可以借助算法檢測機制，自動對數據進行分析、標記、注釋并清潔以進行可靠的分析，自動將來自多個來源的數據整合在一起，自動生成數據目錄，元數據和數據血緣，所需時間僅為手動操作時間的一小部分。

在洞察發(fā)現階段，通過增強分析，普通人可以使用自然語言和語音輸入來進行查詢，增強分析通過算法自動找到數據中的規(guī)律，自動生成模型，自動從數據中找到模式和規(guī)律來針對性的回答問題。

在見解分享階段，通過增強分析，使用自然語言生成，增強分析平臺實時提供見解， 這些見解包括對自然語言查詢的直接回答和回答的推理，或者將決策直接傳入生產和辦公應用。

BI 4.0-ChatGPT

增強分析似乎很強大，但概念提出這么多年，有強大的產品出現嗎？沒有，為什么？

雖然早期的人工智能（AI）技術在數據分析和其他領域取得了一定的成就，正如增強分析中提到的那些能力，但它們在理解復雜的自然語言和生成有意義的文本方面的能力仍然有限，也就是說，人們使用增強分析的門檻其實挺高的。

老板要分析數據，還得直接找數據分析師提出問題，數據分析師再把老板的問題轉化成對BI增強分析的要求，這個轉化過程是漫長的，數據分析從端到端的全業(yè)務流程的角度來看，整個流程是割裂的，一會兒在線上，比如利用BI在線分析問題，一會兒在線下，比如提出問題，接收問題，輸出答案，數據分析這個業(yè)務的數字化轉型并不徹底，因此，AI對數據分析師的替代作用并不是很大。

然而，隨著GPT系列等自然語言處理（NLP）技術的不斷發(fā)展，ChatGPT這類先進的AI模型已經能夠在很大程度上理解自然語言，并生成連貫、準確的文本。

1、老板可以直接在線用自然語言向ChatGPT提出問題，ChatGPT可以很好地理解老板的要求，把問題轉化成需求和目標。

2、數據分析師在接到需求和目標后，可以充分利用ChatGPT的自動分析能力，提供有針對性的數據探索和分析建議，從而減輕自己的工作負擔。

3、ChatGPT可以根據數據分析結果生成詳細的分析報告，解釋關鍵發(fā)現、趨勢和預測，并且可以提供自然語言的方式，在線解答老板各種問題，完成數據分析的最后一公里，這種體驗是以前沒法想象的。

最近出了一個基于GPT的ChatPDF的應用，你只要導入PDF文檔，它就自動為你分析出結果，并且可以在線解答任何問題，顯然這是未來數據分析的一種形式。

這也許能解釋為什么人工智能剛出現的時候，少有人提出人工智能可以替代數據分析師，但ChatGPT出來后，這種聲音就多了的原因。

最近某乎列出了最容易被chatgpt替代的十大工作崗位，分別是客服、平面設計師、翻譯人員、教師、財務職位（財務分析師和個人財務顧問）、會計師、?技術工作（編碼員、計算機程序員、軟件工程師、數據分析師）、媒體工作（廣告、內容創(chuàng)作、技術寫作、新聞）、法律行業(yè)工作（律師助理、法律助理）及市場研究分析師，數據分析師赫然在列。

我并認為ChatGPT能替代數據分析師這個職業(yè)，因為數據分析師擁有的很多高級技能是ChatGPT還難以具備的，包括：

1、復雜型分析：很多復雜情況缺乏足夠的數據支撐，需要數據分析師具備深入的領域知識和技能才能做出判斷，這些能力目前超出了ChatGPT的范圍。

2、變化型分析：數據分析師需要應對不斷變化的業(yè)務需求和問題，這需要批判性思維、創(chuàng)新能力和對業(yè)務的理解，而這些能力尚不在ChatGPT的能力范圍內。

3、探討型分析：很多問題需要數據分析師與團隊成員、管理層和客戶進行有效溝通，在充分交互中解釋和展示分析結果，這種溝通和協(xié)作能力是AI難以替代的。

我曾經認為BI領域不再有什么發(fā)展前途，但ChatGPT給我上了一課，有了ChatGPT，也許數據分析的范式都會發(fā)生改變，ChatGPT，是數據分析數字化轉型的關鍵。