在AI与数据深度融合的新纪元，一场针对企业智能核心的重塑运动正悄然推进。随着人工智能技术的日益精进，企业正逐步将AI引入数据治理领域，以期降低高质量数据的生产成本。同时，LLM大模型的普及预示着智能BI时代即将到来，人人都有望成为数据消费者，这一转变的临界点已然显现。
近日，瓴羊在上海阿里巴巴徐汇滨江园区成功举办了「数据荟」MeetUp城市行活动，聚焦“AI x Data——大模型时代的数据治理与BI创新应用”主题。活动汇聚了众多技术领域的专家，通过实战案例分享与前沿理念探讨，深入剖析了企业智能基因重构的实践路径。
中国信通院华东分院数据事业部主任崔晓君在活动中指出，人工智能正逐步从“模型中心化”向“数据中心化”转变，数据已成为AI时代的核心生产资料。在政策推动下，人工智能与数据要素的顶层设计日益完善，并进入实质性落地阶段。国家数据局的成立进一步强化了数据要素的统筹管理与协调发展机制。数据治理与人工智能技术的协同创新，正以前所未有的方式相互促进。
然而，AI技术的快速发展也带来了数据质量、安全与隐私、偏见与歧视等方面的挑战。大模型与数据治理的结合，为这些问题的解决提供了新的思路。借助AI的自然语言理解与生成能力，用户能够以自然语言与数据交互，实现数据治理的升级。这一趋势正推动高效数据治理框架、数据安全与合规以及数据质量管理与提升的发展。同时，BI分析在企业决策中的重要性日益凸显，它能够将数据转化为有价值的信息，减少决策的盲目性。企业正积极探索将AI与BI相结合，通过AI增强分析，使数据真正支撑决策、优化业务流程，推动大模型在企业内部的落地与应用。
阿里云智能瓴羊的高级技术专家刘少伟分享了BI领域的最新进展。他指出，自2010年传统BI兴起至今，行业已迈向敏捷BI阶段，并有望借助大模型实现数据民主化，让每个人都能成为数据消费者。Quick BI凭借其智能化和开放性的优势，连续五年入选Gartner ABI魔力象限，成为国内唯一入选该象限的产品。企业级智能BI并非简单地将BI工具与大模型结合，而是融合BI工具、大语言模型与企业私域数据的“三位一体”模式，沿着智能助理、智能问数和洞察分析三个方向演进。
以Quick BI的智能问数为例，它采用了更适合企业级场景的Text2DSL技术，而非适用于个人或小型团队的Text2SQL。这一过程中，Quick BI调用了大量丰富的算子和函数，既简化了SQL，又支持了复杂分析。其落地产品“智能小Q”具备智能搭建与智能问数两大能力，支持一键生成报表、美化及批量配置。用户可以通过自然语言交互快速获取数据，同时智能小Q还具备智能洞察能力，能够自动生成报表摘要、检测异常并进行归因诊断，快速发现数据问题和原因。
阿里云智能瓴羊的另一位高级技术专家周鑫，针对数据治理的痛点提出了体系化、可落地的方法论。他以业务模型为起点，梳理数据标准，基于数据标准落地开发规范，通过标准化手段实现自动化质量监控与安全分类，最终构建技术与业务的统一语言，助力消费场景的落地。AI技术在数据治理中的应用，从提效阶段走向自动化、智能化，对数据治理的执行效果产生了深远影响。例如，在智能找数场景，瓴羊Dataphin的“智能小D”能够快速定位所需数据；在元数据自动补全场景，能够自动生成并归类字段名称、描述及口径；在智能数据识别场景，能够自动识别敏感数据，无需人工编写。
