??小張：王總，我最近也研究了一些大模型相關的資料，其中有一個重要的應用場景叫“智能問數”，可以幫我們快速分析數據倉庫里面的數據，提取數據價值。我們可以試試用大模型做智能問數。

??王總：那咱們原來做的那么多可視化看板都白做了嗎？有了大模型，是不是就不需要那些可視化看板了？

??小張：我們可以充分利用原來的可視化看板成果，基于可視化看板做智能問數，這種智能問數方案有三個優勢，首先是改動小，在我們已有的可視化看板上建設智能問數場景，其次是投入少，相比重建分析體系，這種增量式改造可有效降低建設成本。第三點就是見效快，建設周期短，能夠滿足咱們原有業務需求，提升數據價值釋放效能和大家的使用體驗。是目前最為穩妥的一個大模型應用方案了！

??王總：我們的數據治理和BI可視化看板都是美林數據做的，他們最近在基于大模型的智能分析方面有沒有成熟的解決方案？

??小張：正是考慮到這點，我上周與美林技術團隊進行了專項技術對接，他們提出的 "智能問數 + 看板推薦 + 動態分析" 的智能問數解決方案正好能實現我們的訴求，滿足基于大模型對現有系統智能化升級的需求。

大模型驅動可視化看板智能升級

美林數據通過深度融合 DeepSeek 等前沿大模型能力，對現有Tempo商業智能平臺進行智能化升級，打造新一代智能BI數據分析方案。區別于通過編碼或自助式BI工具進行數據分析的模式，智能BI數據分析方案采用自然語言對話的方式，直接提問即可快速進行數據分析洞察，大幅降低企業數據分析門檻，讓企業數據分析指導經營決策的周期從以“日”計量變為“分秒”級別，進而提升企業的戰略決策效率和市場競爭力。

智能BI數據分析方案架構

美林智能BI數據分析方案核心構建了 "智能問數 + 看板推薦 + 動態分析" 三位一體的智能分析體系：

1、智能問數：讓數據查詢如聊天般簡單

通過語音或文本輸入問題，平臺自動理解業務需求，智能生成 SQL 查詢并提取數據，自動選擇最佳可視化圖表呈現結果，幫助企業員工無需技術背景即可快速完成數據查詢分析，顯著提升決策效率，降低數據使用門檻，實現數據驅動的高效運營，提升企業分析決策效率。

*場景示例：提問“幫我查詢一下今年每月銷售額同比去年的情況”，平臺將基于可視化看板內容給出對應的數值并選擇合適的圖表進行數據展示，還支持切換圖表、下載數據等功能。

2、看板推薦：發現數據資產隱藏價值

系統基于用戶查詢內容，通過大模型技術進行跨域關聯分析，在用戶智能問數的同時智能推薦和問數指標相關看板，這種主動式的數據資產推薦機制，實現了從“人找指標”到“指標自動找人”的變化，解決企業構建了大量可視化看板但還是無法高效查詢指標的問題，通過智能化手段盤活企業已有的數字化資產。形成 "提問 - 推薦 - 洞察" 的閉環價值鏈路。

3、動態分析：讓業務人員秒變分析師

平臺賦予業務人員強大的自助分析能力，讓業務人員無需編程即可自助調整分析維度、時間周期和篩選條件，平臺實時更新可視化圖表并自動生成可編輯的數據分析代碼。用戶既能直觀探索數據規律，也可直接修改底層邏輯，實現從數據洞察到決策執行的全流程自助化，顯著提升企業數據利用效率，推動企業由業務驅動變為數據驅動。

美林數據智能問數的核心優勢

01、深度融合數據治理體系，保障精準問答

和美林數據治理體系深度結合，基于數據治理體系提供的良好數據基礎（數據質量、元數據、數據標準、中臺寬表、指標表等），顯著提升問答準確度

02、智能激活可視化資產，提升BI應用價值

基于現有的BI可視化看板構建，而非另起爐灶。一方面利用智能問數很好的盤活了企業現有的可視化看板資產；另一方面看板為智能問數提供了具體應用場景，快速聚焦高價值業務場景。

03、多輪問答，賦能智能問數精準化

通過多輪對話逐步細化用戶需求，系統智能分析并實時優化可視化圖表，精準呈現業務核心指標，直觀展示數據規律，助力企業快速洞察業務痛點，提升數據驅動決策效率。

04、多維智能分析賦能，打造敏捷決策體驗

在智能問數的基礎上，引入了智能看板推薦、智能數據分析等能力，有效提升智能問數的靈活性，增強用戶的應用體驗。

現在，讓我們重新定義BI的價值邊界 —— 不是冰冷的數字展示，而是會思考、能對話、懂推薦的智能決策伙伴。