3月21日，數據智能搜索引擎廠商北極九章舉辦了「數據驅動 全景變革」DataGPT暨產品3.0發布會。會上，北極九章正式發布3.0版本“DataGPT”，全面升級了自然語言、智能洞察、多場景應用等核心功能，以及結合大語言模型能力的產品探索。

展望全新的數據驅動路徑

北極九章創始人兼CEO劉沂鑫在主題演講中談到，隨著企業采集數據和儲存的數據量越來越大，70%的數據從來沒有被分析和使用，導致數據潛在的價值與實際發揮的價值之間有巨大落差。數據分析工具的交互方式已經沿用數十年，學習門檻高，只有少量專業的IT人員或數據分析師能夠自如運用，導致75%的企業員工不愿意和數據打交道，甚至有36%的人在決策時故意繞過數據。

過去幾年，北極九章打造了行業領先的數據智能搜索引擎，使用自然語言交互的方式，幫助非技術背景的業務人員輕松分析數據，讓普通員工獲得專業分析師一樣的數據洞察力，將企業內數據分析的效率普遍提升20倍以上。在某頭部保險公司，業務人員獲得數據的時間從2個月縮短到幾分鐘；在某知名服裝零售企業，過去因為無法提前準備數據而不了了之的會議討論，現在有90%的靈感都能立刻得到數據支持；在某百貨零售龍頭企業，過去沒有專人支持一線店長的數據需求，現在他們可以主動分析數據提升服務品質。

北極九章創始人兼CEO劉沂鑫認為，DataGPT致力于革新數據分析的體驗，這將打破傳統的數據分析模式，更加貼合用戶的工作方式，實現數據洞察智能化、知識平民化。北極九章不只是發布一款產品，更希望與廣大客戶和伙伴一道展望一種全新的數據驅動路徑，探索數據驅動在企業中生根、發芽、落地。

北極九章3.0產品DataGPT，首發大語言模型輔助數據洞察

北極九章發布3.0產品DataGPT，能力全面升級。

圍繞“不斷降低數據分析門檻”這一原則，此次北極九章DataGPT產品功能升級主要體現在三方面：

更易用的自然語言交互。北極九章DataGPT在原有自然語言解析引擎基礎上，不斷沉淀行業知識，打造“更懂業務的語義解析引擎”。目前，DataGPT能夠理解更接近自然語言的靈活問法和復雜問題，并完成復雜運算。支持用戶連接企業內部的知識庫，配合機器學習，讓產品更理解業務的語言。升級搜索推薦模型，基于推薦算法自動解析用戶問題意圖，推薦和引導用戶問出合適的問題；同時也提供了人工校準能力，讓產品越用越好用、越用越智能。針對私有化部署的客戶，北極九章還內嵌了用戶行為分析模塊，建立IT和業務的橋梁，讓數據部門更懂業務。新的版本支持英語自然語言搜索，幫助出海企業更好地走向全球市場。

更方便的智能洞察。很多業務人員面對數據結果，不知道數據表現好不好，不知后續會有怎樣的發展、如何進一步分析。為幫助非技術背景的用戶快速從數據中獲得洞察，北極九章DataGPT基于AI技術，給用戶提供多角度的分析結果和智能的數據洞察，不僅回答這個數據是什么，還主動回答這個數據怎么樣、為什么會這樣、下一步要怎么辦。升級的智能洞察有助于用戶更快地從海量數據中精準定位有價值的信息、提煉洞察，輔助決策。

更豐富靈活的使用場景。過去，日常辦公和數據分析需要在多個軟件窗口之間切換，體驗非常割裂。北極九章DataGPT將為用戶提供更加流暢的使用體驗，使數據分析融入日常工作流程。DataGPT支持嵌入飛書、釘釘、企業微信，用戶可以在對話和群聊里直接向智能機器人提問。同時，北極九章還首創了嵌入國產信創辦公軟件WPS，用戶在撰寫報告時，能夠直接在文檔窗口里查詢、分析數據，并將圖表和表格插入文檔；數據有更新時，可以一鍵更新文檔中的圖表，提升工作效率。

首發大語言模型輔助數據洞察。北極九章DataGPT通過AI輔助建模，自動配置數據模型并拓展同義詞，大大提升數據準備階段的工作效率。AI輔助語義理解，使產品更準確地理解用戶的模糊問題、復雜問題，基于對用戶習慣和意圖的理解反饋個性化答案。AI輔助數據解讀，從用戶提出的問題出發，自動生成數據洞察、解讀，進一步降低業務用戶理解數據的難度。AI建議決策行動，系統自動分析數據維度之間的關聯，結合積累的最佳實踐，給出優化業務表現的操作建議。

做真正賦能人的工具，打造企業數據驅動基因

發布會邀請到兩位數字化轉型領域的資深專家：畢馬威管理咨詢數字化業務合伙人季剛和優閱達數據引導師鄭偉，分享了企業如何走向數據驅動的思考。

季剛提到，2020年以來，數字化時代下的企業競爭力已不同以往。過去，企業以經驗判斷為主，數據分析只是事后統計；立足當下和未來，企業應該重視數據應用，結合業務專家經驗和領先的技術，協同優化提升管理水平。數字化能力提升不僅需要好的工具，還需要提升全員數據素養。但是，僅僅是戰略宣貫、引入人才、組織培訓是不夠的，企業應從大處著想、小處著手、快速推進，通過體系化的數字化戰略重塑，不斷迭代打造數字化組織。

鄭偉談到，企業中存在兩類數據驅動場景：企業級的共性需求集中，服務少量決策者，以年為周期更新；更長尾的需求在于局部的管理改善，數據相對分散，以月或季度為周期更新。這兩類場景的價值是等量齊觀的。過去由于技術局限，企業主要滿足共性需求，而在數據平民化等概念越來越深入人心的今天，數據驅動的長尾需求場景也可以被深入發掘，通過北極九章DataGPT這樣的產品用提問構建數據創造力，發揮企業的數據價值。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：