馬太效應，是社會學和經濟學常用理論之一，通常指強者越強、弱者越弱的兩極分化現象。如今，這股效應也在國內企業級數據洞察市場蔓延：
一方面，部分企業尚未意識到數據對于自身發展的價值，或者缺乏高效便捷的數智化產品/工具將龐雜數據變得“可看”“可用”，導致難以及時把握市場行情、做出科學決策，最終發展受限;另一方面，深諳數據驅動的企業，則積極把握數字化時代飛速發展的紅利，持續加碼企業數智能力，將數據消費貫穿業務推進、管理決策、規劃調整等多場景，保障業務健康、快速成長。
如何盡量縮小馬太效應影響，幫助更多企業實現數據洞察領域的數字化升級，享受普惠式數據消費，正在成為現階段的重要課題。
9月19日，2023火山引擎數據驅動科技峰會發布數據產品大語言模型應用：DataWind-分析助手、DataLeap-找數助手、DataLeap-開發助手，為企業提供從數據資產層到業務應用層的全鏈路AI能力，讓企業數據消費更便捷、更普惠。
數據消費已經成為大多數企業數據驅動的基礎——從互聯網行業的APP改版發布，到金融行業的用戶資質審核，再到零售行業的精準營銷……數據消費無處不在，但要實現普惠數據消費，企業需要擁有一套更低門檻的產品。
火山引擎智能數據洞察DataWind此次推出的大模型應用——DataWind-分析助手，通過自然語言對話的方式，為用戶提供了可視化查詢的自然語言取數、可視化圖表生成、表達式生成，儀表盤分析探索、IM消息訂閱等全流程的智能化自助分析服務。
1. 字段表達式生成
在進行業務數據分析時，分析人員經常需要自定義一些分析維度。以往都需要強依賴分析人員人工編寫代碼邏輯，來實現分析維度的生成。
代碼語言成為了大部分業務人員無法進行靈活、個性化分析的屏障。DataWind-分析助手可以通過對話式方式，自動生成符合用戶訴求的表達式，直接生成新的字段，就能幫助沒有代碼語言背景的人員，實現更自助的個性化分析。
2. 儀表盤的生成與搭建
用戶在自助分析的過程中，針對業務場景，可能需要創建大量儀表盤，從而構建一個完整的業務專題分析體系。
DataWind-分析助手可以幫助用戶快速進行儀表盤的生成與創建，儀表盤配色主題生成與切換，以及儀表盤的進一步探索分析等。
針對并無數據分析基礎的用戶來說，通過自然語言描述，就能快速生成儀表盤，節省大量時間。
3. 儀表盤分析探索
基于已有的儀表盤，用戶可以隨時喚起分析助手，針對該儀表盤的數據通過會話式方式，提出問題，快速得到解釋。同時，分析助手本身也會基于該數據，提供一系列問題提示，減少用戶問題輸入的時間。
分析助手利用對用戶自然語言的理解，可以洞察背后的訴求，及時自動地更新圖表。它還支持多輪問答/追答，輸出理解和分析邏輯，同時用戶可通過界面觀察完整的操作過程，并支持用戶的人為干預和調優。
4. IM消息訂閱
此外，基于用戶常見的IM工具(如飛書等)，DataWind-分析助手不僅可以實現訂閱提醒、消息推送、監控提醒等，在與 DataWind 分析助手的對話過程中快速實現查詢，同時該功能也支持自然語言自由提問。
DataWind此次推出的分析助手是在此前拖拉拽即可實現可視化分析的基礎上，進一步降低使用門檻，幫助更多沒有數據分析基礎的人快速自主進行 BI 分析，有效減少繁瑣的取數與圖表制作等工作，縮短數據分析周期。
以零售企業雙11大促為例，數據分析師可以通過DataWind為運營崗位員工搭建所需的數據儀表盤，以滿足看數需求;但如果運營人員想要針對儀表盤內的某項數據做深入了解，由于缺乏代碼輸入能力，往往需要依賴數據分析師或數據開發崗位員工的協助。
但現在，基于DataWind-分析助手，運營人員可以直接在對話框內以自然語言輸入需求，即可返回所需的數據內容。
這種近乎0門檻、極速式的數據體驗，使得數據分析思考周期大幅縮短，極大保障了數據的準確性和時效性，可以高質量滿足大促期間前線業務對數據的多方面需求。
另外，基于與IM工具的全面貫通，DataWind-分析助手提供的IM消息訂閱等功能，企業員工打破原來在移動辦公場景下只能通過儀表盤“看數”的局面，實現更多延展性分析，讓原本只能“看”的靜態數據“活”起來，隨時隨地用活數據。
在大語言模型應用的加持下，DataWind-分析助手進一步降低企業員工用數門檻，實現從圖表制作、到圖標分析、再到訂閱與監控等全流程的自助化，讓企業內部的看數、用數，從原本小部分人的“高精尖”(高級﹑精密﹑尖端)事變成在獲得數據權限條件下，人人都能享受并依賴的“普惠”事，幫助企業真正踐行數據驅動。(作者：邱鎮鑫)
