AI 在 BI 领域的发展前景

https://www.fanruan.com/bw/article/182753
可以看看帆软的这篇

AI 分析必须在经济比较好的时候才能发现那种潜在的关联问题

就现在经济一眼差，怎么分析都是差，AI 能干嘛

@murmur 倒也没有期望去做这些事，目前就是感觉如果在日常报表定制这类方面能够让用户自助，不要老来找我们给出数，就已经不错了

咨询一下 op bi 的实际使用场景。我是学生，最近可能导师要我调研一下 bi 加 ai 。我好奇的公司或者会计事务所里用 bi 的时候，需要手动调整的东西多吗（比如数据怎么处理，可视化参数）。我了解到似乎其实很多东西都是固定的？很多时候只要数据进来一下就搞好了？

上面说的是固定的情况，如果是需要变化的情况。下面哪种情况会多一些：1.任务相同，只是数据有些不同，所以有些地方要小调整一下 2.任务不同，全都要重新搞

@huc2 我们这方面目投入少，只能跟你说说现况，公司是金融行业，它会有很多很多报表需求，有对监管部门的信息披露，有机构客户的报表需求，也有公司内外各类数据分析业绩考核。对于信披这一类的通常有制式的模板，例如 xbrl ，这一类报表通常都是一段时间出一份，例如季报、年报，逻辑也相对固定，市面上就有不少辅助生成报表工具，集成预定义的指标来辅助报表制作，这个应该对应你说的任务相同、数据不同的场景。对于其它的没有严格标准的数据那就是什么样的都有了，几乎是每有一个需求就会有一些不同的维度需要组合，视公司的建模和数据治理情况，需要设计和调整的东西可以说非常多，每年年底是这类事项的高发期，部门负责这类事务的同事真的是焦头烂额，但就算如此也会有很多因为各种阻碍难以满足的出数需求

你举的这俩事，数据处理和可视化，一方面显然我们这里是处理方面要难整得多，其实要说的话可视化也不大是我们的职责，这种创造性的工作也是附于数据基础之上的，"数据进来" 还有 "数据处理" 这俩，应该在各种地方都是最头疼的问题

至于是固定指标比较多还是个性化需求比较多，不大好从数量上来看，标准化报表指标多，但一劳永逸，只需要增量维护。个性化需求就看造化了，你所拥有的任何数据都可能成为新的维度，有的时候不满足还需要加维度，但单论数量上是没有报表那么多的

@jydeng 看了挺中肯，感觉宽表和指标层确实相对于 nl2sql 是更实际的方案