excel学习库

2022年2月25日数睿数据召开了“了解更深 懂得更多”nextionBI产品发布会，36氪、CSDN、甲子光年等媒体线上联合发布。从无代码到BI，从新风口到老行业，为什么选择在这个时候进入BI赛道，我们对下一代BI的思考和设计又是怎样的...

01

价值驱动的下一代BI

专注知识的积累、发现与应用

发布会的开场数睿数据总裁刘超谈到了公司初期是做大数据平台的，在大数据技术之上提供 BI 能力这件事情顺理成章，因为早前大数据概念进入企业落地的第一步往往就是 BI，通过对数据分析查看业务运行情况，二者的联系十分紧密。如果说无代码做的是数字矿脉的探知和数字矿山的建设，那BI做的是数字矿产的挖掘和输出，实现价值从地下到手中的流转。

工具负责好看、工作靠人来干、知识难以沉淀

首先，目前BI分析的数据大多数来源于各类业务系统，使用这些数据的时候会遇到很多质量、安全、标准等方面的问题。问题出自于机器，但却需要靠人去治理，这既不合理也产生了很多不必要的工作量，因此下一代BI应该让机器做机器该做的事，让人做人该做的事。

融汇贯通

最后，是对环境的依赖。我们相信数据积累到一定规模，结合企业的知识历史数据，就能实现智能化的知识共享。但是运用知识的环境是纷繁复杂的，如何让基于一个系统分析形成的知识能够快速分享到另一个系统中产生价值，这是目前的BI缺少的能力，解决这个问题，企业才真正具备动态学习和积累的能力。

“按照‘DIKW’模型理论，BI不能停留在数据阶段，做统计与可视化，而要专注于把数据转变为知识。下一代BI与人的关系，应该是BI工具去数据中总结知识，人把知识和业务结合，产出智慧，创造价值。”刘超说道。

这就是nextionBI的产品设计理念。

02

增强分析与机器学习算法

nextionBI的隐形巨擘

AI能力，我们的设计是“当用户感知不到时，就是它无处不在的时候

我们在nextionBI的很多功能组件里都封装了AI 算法，在看不到的地方，有更多的自动化和智能化。比如数据分析模型提供了时序分析、预测、分类、聚类这些通用算法，用户过去想做一些预测或分类，都需要机器学习的一些模型训练，现在用户只需要开箱即用，很快的一键操作就可以完成三维/时序/图谱等分析。

数据分析仪的另一大亮点是基于NLG（自然语言生成）的智能数据解读，解读也是自然语言式的，让枯燥乏味的数据自动说人话，对于数据不敏感人群可以提供友好的数据解读辅助。当数据量和维度都比较繁多的时候，智能数据解读可以快速告诉你数据的分布是什么样的，有哪些特征，特征之间是否有隐形关联？关联程度怎么样？整体数据分布是否有空值？

商业智能的表象是可视化分析报表的呈现，但它的本质还是业务问题、管理问题。总而言之，增强分析就是尽量减少数据工程师的工作，释放数据分析师的能力，让机器替代开发者去完成很多事情。

03

数据取之于民

分析的自主权也要还之于民

把AI融入nextionBI 的能力引擎，绝不是为打造功能而打造，而是让产品设计的各个细节都让用户觉得非常舒服。比如nextionBI的导航式入口让用户花数十秒就可以完成从数据接入、数据准备到简单的数据分析。

日常生产中像生产/销售/库存类数据都带“时间”属性，因此时序数据在BI分析领域非常重要。“nextionBI在持续预测的准确度方面表现卓越，在各个不同维度里都可以很好地拟合过去的数据，得到一个完全拟合好的、肉眼可见的预测结果。我们调研的有些产品只在数据颗粒度比较小的才能预测出来，颗粒比较大就有可能就变成直线了。” 数睿数据AI科学家车文彬博士介绍到。

对业务非常友好

nextionBI做到了

04

如何应对“中国式复杂报表”

重视复杂性问题的系统解决方案

在满足业务人员进行灵活但规则的自助分析的同时，支持复杂报表的开发和处理，让

例如在报表中将城市通过地区来进行分组，并将不同商品类别的销售额再根据购买用户类型进行细分。设置过滤条件，对数据单元格和合计单元格分别进行字体、颜色、高亮等样式配置，方便直观发现和突出数据。

如果横纵坐标体现的维度过于单一，用户在分析的时候很有可能会被动忽视隐藏在报表中的重要知识或事实。而nextionBI支持汇总多个报表的不同维度，在一张表里体现，提供颜色、标签、大小三类标记能力，帮助用户更充分地理解业务关系，更容易地识别数据特征、发现数据价值。

05

同舟之道

渠道政策与服务模式

发布会的最后环节，数睿数据副总裁李争辉先生介绍了nextionBI的渠道合作政策。我们相信未来BI市场一定会切分得越来越细，擅长的人做擅长的事，数睿数据擅长的是大数据技术和产品研发，我们是产品型公司，不是项目型/方案型公司。因此我们不签直客，将线索商机免费分配给渠道伙伴。

一套奔赴数字创新蓝海的理念、方法论、工具平台已经展开全图景。如果你愿意“了解更深 懂得更多”，