商业智能（BI）的发展阶段，当前能达成共鸣的是分为三代技术，每代由解决方案提供的可访问性、速度、数据集大小和洞察质量来定义。

BI 1.0-传统商业智能

传统商业智能被认为是最古老的 BI 版本，也是最不友好的。传统的 BI 建立在需要 IT 专业人员聚合数据和构建 OLAP 多维数据集以进行分析，传统的 BI 交付报告和静态仪表板作为其主要输出。从手动从数据库中提取数据并手动清算数据，到构建模型、发掘数据和生成全部组织的部门和团队所需的数据丰富的报告，即一切都由专家处理。

最大的问题是需要数周时间才能为业务提供关键洞察，由于需要 IT 来设计模型和报告。由于该系统仅提供查询的回顾性视图，因此没法提供预测性见解。因此，决策者终究只能“凭直觉”寻觅新的机会和解决重大问题的方法。

BI 2.0-自助商业智能

自助式商业智能 (SSBI) 解决方案对传统数据分析模型进行了重大升级。最值得注意的是，它们允许数据分析师和其他业务用户使用 IT 构建的模型创建自己的报告和数据可视化。组织中的每一个人都可以按需访问，这类 BI 方法使用户能够创建临时报告、提出后续问题，并手动更深入地发掘洞察以取得更有针对性的信息。

不幸的是，自助服务依然没法解决最后一英里的问题，由于它用于数据探索的可视化界面使用传统的拖放式度量和维度，这对业务用户来讲很复杂。随着数据量和复杂性的增加，使用自助式 BI 工具手动分析数据的每一个组合以找到重要见解变得不大现实，即便对专家数据分析师也是如此。

BI 3.0-增强分析

作为下一代商业智能，增强分析以几种区别的方式改进了自助服务模型。Gartner指出，增强分析是使用机器学习和人工智能等支持技术来协助数据准备、数据发现、洞察生成和洞察解释，以增能人们在分析和 BI 平台中探索和分析数据的方式。

Gartner这么解释或者很抽象，因此我继续网上搜集资料想理解究竟是个甚么东东，大家的解释总结起来不过以下：

在数据准备阶段，借助增强的分析工具，其可以借助算法检测机制，自动对数据进行分析、标记、注释并清洁以进行可靠的分析，自动将来自多个来源的数据整合在一起，自动生成数据目录，元数据和数据血缘，所需时间仅为手动操作时间的一小部份。

在洞察发现阶段，通过增强分析，普通人可使用自然语言和语音输入来进行查询，增强分析通过算法自动找到数据中的规律，自动生成模型，自动从数据中找到模式和规律来针对性的回答问题。

在见解分享阶段，通过增强分析，使用自然语言生成，增强分析平台实时提供见解， 这些见解包括对自然语言查询的直接回答和回答的推理，或将决策直接传入生产和办公利用。

BI 4.0-ChatGPT

增强分析仿佛很强大，但概念提出这么多年，有强大的产品出现吗？没有，为何？

虽然初期的人工智能（AI）技术在数据分析和其他领域获得了一定的成绩，正如增强分析中提到的那些能力，但它们在理解复杂的自然语言和生成成心义的文本方面的能力依然有限，也就是说，人们使用增强分析的门坎其实挺高的。

老板要分析数据，还得直接找数据分析师提出问题，数据分析师再把老板的问题转化成对BI增强分析的要求，这个转化进程是漫长的，数据分析从端到真个全业务流程的角度来看，全部流程是割裂的，一会儿在线上，比如利用BI在线分析问题，一会儿在线下，比如提出问题，接收问题，输出答案，数据分析这个业务的数字化转型其实不完全，因此，AI对数据分析师的替换作用其实不是很大。

但是，随着GPT系列等自然语言处理（NLP）技术的不断发展，ChatGPT这类先进的AI模型已能够在很大程度上理解自然语言，并生成联贯、准确的文本。

1、老板可以直接在线用自然语言向ChatGPT提出问题，ChatGPT可以很好地理解老板的要求，把问题转化成需求和目标。

2、数据分析师在接到需求和目标后，可以充分利用ChatGPT的自动分析能力，提供有针对性的数据探索和分析建议，从而减轻自己的工作负担。

3、ChatGPT可以根据数据分析结果生成详细的分析报告，解释关键发现、趋势和预测，并且可以提供自然语言的方式，在线解答老板各种问题，完成数据分析的最后一千米，这类体验是之前没法想象的。

最近出了一个基于GPT的ChatPDF的利用，你只要导入PDF文档，它就自动为你分析出结果，并且可以在线解答任何问题，明显这是未来数据分析的一种情势。

这或许能解释为何人工智能刚出现的时候，少有人提出人工智能可以替换数据分析师，但ChatGPT出来后，这类声音就多了的缘由。

最近某乎列出了最容易被chatgpt替换的十大工作岗位，分别是客服、平面设计师、翻译人员、教师、财务职位（财务分析师和个人财务顾问）、会计师、 技术工作（编码员、计算机程序员、软件工程师、数据分析师）、媒体工作（广告、内容创作、技术写作、新闻）、法律行业工作（律师助理、法律助理）及市场研究分析师，数据分析师赫然在列。

我其实不认为ChatGPT能替换数据分析师这个职业，由于数据分析师具有的很多高级技能是ChatGPT还难以具有的，包括：

1、复杂型分析：很多复杂情况缺少足够的数据支持，需要数据分析师具有深入的领域知识和技能才能做出判断，这些能力目前超越了ChatGPT的范围。

2、变化型分析：数据分析师需要应对不断变化的业务需求和问题，这需要批评性思惟、创新能力和对业务的理解，而这些能力尚不在ChatGPT的能力范围内。

3、探讨型分析：很多问题需要数据分析师与团队成员、管理层和客户进行有效沟通，在充分交互中解释和展现分析结果，这类沟通和协作能力是AI难以替换的。

我曾认为BI领域不再有甚么发展前程，但ChatGPT给我上了一课，有了ChatGPT，或许数据分析的范式都会产生改变，ChatGPT，是数据分析数字化转型的关键。

• 美团存储云原生探索和实践
• 北京大学在图数据库和知识图谱上的探索与实践
• 破与立，科技助力汽车保险迎接汽车行业大变革
• 加码数据安全，微盟数据安全落地方案
• 货拉拉王海华：大数据安全部系建设实践和思考
• 单一网络多集群实践
• 云原生无服务器和实时数仓下降数据分析门坎