在2023年，到目前为止，生成式AI一直是主要分析趋势。而今年上半年标志着人们如何使用生成式人工智能来改变数据分析的开始。

虽然很多供应商已经宣布在整个平台上集成生成式AI的计划，但很少供应商提供预览阶段。

人们都在讨论生成式人工智能将如何彻底改变分析，这将使除数据专家外的其他员工可以访问分析，并减轻负责监督企业分析操作的人员的负担。但目前很少有工具被推向市场。

那些已经推出的基本上仍处于保密状态。

Constellation Research公司分析师Doug Henschen表示：“到目前为止，分析/BI市场中的生成AI公告大多仍处于开发或私人预览阶段。总的来说，我想说我们已经超越想法/理论阶段。但我们没有看到经过市场验证的生产力和洞察力的收益。”

但到 2023 年，生成式 AI 并不是唯一的分析趋势。

随着企业将更多的数据和分析操作迁移到云端，云计算的成本已成为一个问题，因此企业迫切需要找到控制这些成本的方法。此外，随着数据量和数据复杂性的增加，强调数据质量变得越来越重要。

生成式AI的现状

2023年到目前为止，生成式 AI 已成为分析领域的主导趋势，因为它有可能改变企业处理数据的方式。

长期以来，在很大程度上，数据只是企业内一小群专家的领域。

数据很复杂，分析不仅仅是看基本数字，还需要培训。然而，培训既耗时又昂贵。因此，很多企业缺乏数据素养。

同时，分析平台很复杂，大多数都需要代码来查询和操作数据。即使是那些针对自助服务用户的分析平台也需要一定程度的专业知识，包括低代码/无代码功能和增强智能功能（例如自然语言处理）的用户。

因此，根据多项研究（包括Eckerson Group 在 2022 年的一项研究）显示，即使技术已经发展到包括无代码功能并理解自然语言中的一些命令和查询，几十年来，企业内的数据用户数量一直保持在所有员工的四分之一左右。

如果执行得当，生成式AI可以改变这一点。

大型语言模型 （LLM） 具有广泛的词汇表，可以理解自由形式的自然语言，而不仅仅是特定的业务术语和命令。此外，它们的自动化功能可以将书面文字翻译成计算机可以理解的代码，然后将代码翻译回任何业务用户都可以理解的自然语言。

因此，生成式人工智能有可能使任何业务用户能够处理数据，并通过减少他们执行工作所需的代码量来提高数据专家的效率。

但据业内人士称，进入 2023 年中期，分析中的生成式人工智能仍处于潜在阶段，而不是生产阶段。

Qlik公司首席战略官James Fisher说：“在目前的炒作下，我们看到很多产品公告。但是，当你查看细节时会发现，其中大部分尚未提供给客户。也就是说，事情进展迅速，客户渴望探索各种可能性。”

继 OpenAI 于 2023 年 11 月推出 ChatGPT 之后，这代表着LLM功能的重大飞跃，很多分析供应商都宣布计划将生成式 AI 纳入其平台。

Sisense 是最早的公司之一，于 2023 年 1 月推出了与 ChatGPT 的集成，因此它可以开发由生成式 AI 驱动的工具。从那时起，Amazon QuickSight、Microsoft Power BI、Qlik、Tableau和ThoughtSpot公布了添加生成AI的计划。

此外，在等待供应商普遍可用的工具时，有些BI用户已经找到方法整合生成式AI。

例如，Fisher 指出，Qlik 客户 Harman International（一家全球汽车、音频和照明技术公司）使用 ChatGPT 和 Qlik 构建了一个应用程序，该应用程序使用自然语言通过 Qlik 的分析引擎推动见解。与此同时，据ThoughtSpot公司首席数据战略官Cindi Howson说，他们的客户正在使用Sage（该供应商的生成式人工智能搜索平台）进行beta测试，并看到了好处。

Henschen补充说，很多企业正处于自己的测试阶段，以弄清楚他们想要从生成式人工智能中获得什么，以及哪个供应商的工具可能最适合他们的需求。

他表示：“我看到与我们交谈的高管既兴奋又谨慎。每个人都在制定战略，并仔细检查各种供应商的产品。初始测试往往侧重于面向内部和开发人员的能力。人们对开发特定于企业并保护企业专用的定制模型非常感兴趣。

趋势中的趋势

虽然生成式 AI 总体上是 2023 年迄今为止的主要分析趋势，但趋势正在渗透整体趋势。

TreeHive Strategy公司创始人兼负责人Donald Farmer表示，供应商正在采取两种方法来整合生成人工智能，。

有些人正在与ChatGPT和Google Bard等LLM集成，并使用LLM作为自然查询接口和创建数据叙述的途径。

例如，Sisense公司也许是第一家公布计划向其平台添加生成人工智能功能的分析供应商，该公司正在通过与ChatGPT的集成来实现这一点。同样，拥有现有LLM功能的ThoughtSpot正在与OpenAI的GPT-3集成之上构建Sage。

与此同时，其他人正在构建自己的LLM，他们计划将其用作自己的生成AI能力的基础。

例如，Salesforce正在开发Einstein GPT以产生新见解。其他供应商包括AWS的Bedrock、Google的Bard和Microsoft的Copilots。

Farmer 称：“这个市场已经开始细分，这很重要。这表明这是真正的市场。。”

那些开发自己的LLM的人往往是更大的供应商，其中包括科技巨头，他们不仅可以在分析和数据管理工具中使用生成式AI，还可以在云计算平台上使用。

此外，Farmer指出，ThoughtSpot和Domo等其他公司所做的不仅仅是与LLM集成，而是没有完全开发自己的LLM。

他指出：“你会看到那些实际上可以建立LLM的供应商与那些使用第三方LLM的供应商之间的细分。中间的某个地方是ThoughtSpot，他们试图在不创建LLM的情况下思考LLM的含义。Domo正在做类似的事情。这些迹象都表明生成式AI是真正的市场。”

ThoughtSpot公司的Howson同样指出，供应商拥抱生成AI的方式存在差异。大多数情况下，这与供应商的关注点有关。

例如，ThoughtSpot的平台一直建立在自然语言搜索的概念之上。因此，该供应商正在使用生成式AI来使其搜索平台更直观、更易于使用。

Howson指出，除了分析之外，供应商正在开发特定于行业的LLM。Bloomberg正在为金融服务开发LLM；Truveta正在为医疗保健建造LLM。

Howson说：“供应商正在采取截然不同的方法。”并指出供应商也专注于他们的细分市场，例如用于分析和见解的ThoughtSpot，用于元数据创建的Atlan和 data.world 以及用于数据访问的SnapLogic / GPT。

其他分析趋势

虽然今年的大部分产品开发都集中在生成AI上，但也有其他趋势。

Henschen表示，一个关键的上升趋势是强调成本控制。

云服务提供商倾向于按使用量收费。客户必须为他们使用的计算能力和使用所花费的时间付费。虽然看起来每分钟只有几美分，但当企业处理大量数据，并有数百名员工（甚至数千名员工）处理这些数据时，云计算成本会迅速增加。

因此，一个重要的发展是客户希望控制分析成本。

Tibco等供应商已经推出治理功能，使企业能够看到他们何时使用最多的计算能力，以便他们可以减少他们在停机期间支付的电量。

其他供应商使企业能够实施更严格的访问控制，以便用户无法运行即席查询并增加企业的成本。还有供应商启用数据库内分析，因此用户不再增加数据出口成本。

Henschen说：“在2023 年上半年，排名第一的非生成式AI趋势是云成本优化的兴起。这一趋势的起点是云数据仓库成本。客户要求其平台提供商提供更好的成本和工作负载管理见解和分析。”

他补充说，一些用户正在将他们的部分数据移回本地以降低成本。

同样，Howson将强调控制云计算成本作为重要的分析趋势。

她表示：“其中一些正在改变云世界中的行为，例如限制服务器，而且，这是关于供应商为客户提供更好的可见性和控制。”

Fisher表示，除了成本控制之外，对数据质量和其他分析基础需求的持续投资也是关键趋势。

数据质量至关重要，因为企业需要准确的数据来做出准确的决策。如果决策是基于错误的数据做出，根据决策的重要性，结果可能是灾难性的。

历史上有很多糟糕数据导致意想不到的后果的例子。在企业中，基于不良数据的决策可能导致意外费用、错失机会，以及总体上缺乏对数据用作可靠决策的信任。

随着企业收集比以往更多的数据以推动实时决策，并且来自更多样化和更复杂的来源，例如物联网设备，确保数据质量至关重要。

Fisher 称：“企业一直在解决他们在云端访问和转换数据的方式，以消除实时决策的更大障碍。这需要继续投资于数据管道、数据集成和数据质量解决方案。随着企业将这些构建块落实到位，他们正在利用它们来作出更接近实时的决策。”

下半年展望

专家们表示，正如2023年上半年的情况一样，生成式AI将成为今年剩余时间的主要分析趋势。但它还会发展。

今年上半年我们看到各种产品开发计划。Henschen表示，在下半年，第一波生成人工智能能力可能会冲击市场。反过来，这将导致模仿，因为供应商看到竞争对手正在做的事情，并将快速成为追随者。

Henschen说：“随着新功能的发布，在很多类别的软件中，随着每一波功能的引入，我们将看到模仿和创造性的扩展。这将是一个快节奏的环境，开发人员和精通数据的分析师是第一批看到生产力提高和更深入见解的用户群体。”

Howson同样表示，今年剩下的时间将以生成式AI创新为标志。

有些企业已经在考虑如何部署生成式AI，并规划何时发布支持这些部署的工具，这些企业将比那些在提出生成式AI战略之前等待看到工具运行的企业更具优势。

Henschen 称：“我们将看到很多创新，这是激动人心的时刻。那些积极学习并明智地部署的客户将具有先发优势。这里的区别将在于哪些可以大规模运行以及哪些可以可信方式运行。”

与此同时，根据Fisher的说法，随着生成式AI工具的发布，生成式AI治理将成为重点，鉴于LLM建立在数据之上，本质上是数据治理。

他说：“虽然生成式AI有能力为广泛的业务带来价值，但它必须以保护你的数据资产的方式部署。”

Fisher继续说道，这可能会导致很多企业停止使用公共LLM，而是开发仅使用自己的数据训练的定制LLM。

他表示：“在防火墙后面或私有云端运行的大型和小型语言模型是我们将看到生成AI的长期使用的地方，因为在这种情况下，企业可以确保数据质量、治理和数据沿袭到位。”

Farmer预测，2023年的最后几个月也将出现第一次重大的生成AI失败。因此，由此产生的分析趋势将是对生成式AI的现实检查。

LLM有“幻觉”问题。换句话说，并非所有提供的响应都是准确的。还有安全问题。供应商和企业将采取治理措施来保护专有数据。但是，当数据被移动时，可能会发生错误。同时，数据可能会泄露。

Farmer 称：“生成AI将面临一些失败，可能会很严重。由于AI所做的事情，可能会导致企业遭受重大声誉受损。”

他继续说，有些生成AI用户已经感到不满，对其文本生成功能和自动生成图像的局限性。

Farmer 称：“生成式AI的光环会消失是完全自然的事情。这意味着到今年年底和明年初，我们将专注于真正的用例。然后，我们将更好地了解生成AI的未来方向。”