诸葛智能CTO文革：以自助式数据分析，帮助企业释放业务价值丨数据猿专访
数据智能产业创新服务媒体
——聚焦数智 · 改变商业
作为数据分析领域的重要玩家，诸葛智能近期再次升级了其产品技术体系。3月22日，诸葛智能举办主题为“数聚变 新经营”的2023春季发布会，重磅发布三大核心产品新版本：诸葛CDP 2.0、诸葛io 3.0、诸葛CEP 2.0。尤其值得关注的是诸葛io已经升级到3.0版本，并带来了诸多新的数据分析思考。
那么，诸葛智能切入数据分析的核心逻辑是什么，如何看待数据分析领域的发展态势，诸葛io 3.0又有哪些显著的技术、功能升级，如何赋能企业的业务？带着这些问题，数据猿专访了诸葛智能CTO文革，探讨新形势下数据分析的发展思路和诸葛智能的实践经验。
数据分析的全新阶段：自助式业务分析文革认为，按照技术和分析主体两个维度，可以将数据分析划分为三个阶段，分别是传统商业分析、数据驱动的业务分析和自助式业务分析。
数据分析本身已经发展了较长时间了，数据分析技术也处于快速发展过程中。大体来看，统计分析、数据挖掘、机器学习、深度学习等技术，对推动数据分析的发展起到重要作用。其中，数据挖掘帮助用户从大规模数据中发现潜在的模式和规律，机器学习和深度学习可有助于从数据中学习知识，进一步提高数据分析的准确性和效率。近期，ChatGPT大火，让我们见识到了大规模预训练模型的巨大潜力，如何将大模型的能力应用到数据分析上，成为业界探索的热点。
此外，从计算层面，分布式计算、云计算也极大的推动的数据分析的发展。随着数据量的不断增大，单台计算机已经无法满足数据分析的需求。分布式计算技术的出现，使得多台计算机可以协同工作，大大提高了数据分析的效率和准确性。云计算技术的发展，使得用户可以通过互联网使用数据分析软件和服务，无需购买和维护昂贵的硬件和软件设备，降低了数据分析的门槛。
总体上看，数据分析技术的不断迭代进化，让数据分析能力极大提升的同时，还大大降低了数据分析的门槛。这为数据分析行业从传统商业分析、数据驱动的业务分析向自助式业务分析演进奠定了坚实的基础。
自助式分析，最核心的特征就是业务人员、管理人员能够不通过技术人员的协助，按照业务需求来自助式的进行数据分析，拿到分析结果。以往，业务和数据分析是割裂的，由不同的人来完成。业务人员和技术人员看待问题的视角、话语体系往往存在很大的差异，业务人员不懂技术，技术人员不懂业务，在沟通过程中可能存在“驴唇不对马嘴”的情况。
与之相比，自助式业务分析，将业务分析与数据分析“合二为一”，业务人员自己就可以做数据分析，省去了跟技术人员的沟通过程，完全可以按照自己的业务诉求来进行数据分析，大大提升了分析效率。
在文革看来，相对于以前的分析手段，自助式分析有多方面的价值，主要体现在：
降低人工成本。如果数据分析高度依赖技术人员，企业尤其是大中型企业，往往需要配备相应的数据分析技术团队，这是一笔巨大的人力成本支出。实现业务人员自助式数据分析之后，可以大幅压缩相关技术团队，省去相应的成本开支。
提升业务反映效率。相对于人力成本的节省，自助式分析更大的价值在于减少数据分析时间，提升数据分析效率。以往的数据分析链路是：业务人员整理数据分析需求，把需求给到技术人员，技术人员进行数据处理，然后将数据分析结果返回给业务人员。如果给的结果不满足需求，往往还需要多次沟通。市场瞬息万变，时间就是效率，时间就是金钱，如果由于业务和数据分析的割裂而拉长整个反馈链条，数据分析对业务的支撑作用就会大打折扣。然而，用数据赋能业务是数据分析的核心要义，如果不能有效支撑业务发展，数据分析的价值就不能得到有效释放。
提升企业数据安全水平。数据分析链条越长，环节越多，接触的人也就越多，数据泄露的风险就越大。通过自助式分析，可以缩小数据权限范围，避免非相关人员接触到敏感的业务数据，有助于保护数据安全。
诸葛io3.0，以最新产品践行自助式分析理念既然自助式业务分析这么好，那为什么以前不这样做呢？
要想实现自助式业务分析，需要具备一定的基础。首先，企业高层要有业务自助分析的理念，并在企业中推动落地。并且，企业要建立完备的数据权限管控体系，确保数据安全。有了这些基础之后，关键就是要有性能强大、简单易用的自助式业务分析产品。
基于这样的理念，诸葛智能持续迭代诸葛io产品，在产品性能、易用性方面持续提升，并迭代到3.0版本。
据文革介绍，诸葛io 3.0在以下几个方面持续突破，并取得显著成效：
更易用
降低数据分析产品的操作门槛，是实现业务人员自助分析的关键前提。学习门槛低、易上手，业务人员才可以摆脱对技术人员的依赖，独自完成数据分析闭环。因此，诸葛智能通过诸多功能优化，持续降低数据分析门槛。比如，以引导式操作，来帮助业务人员进行数据分析；数据可视化、业务看板等方式，让数据分析更加直观；灵活的用户分群管理和洞察，360°用户视图；支持多个平台移动协同办公，实现数据实时共享，让多个业务人员可以联合分析等。
更丰富的分析模型
在文革看来，通过数据分析模型，可以将一些有效的分析方法、分析思维产品化。借助分析模型，可以有效引导业务人员进行自助式数据分析。因而，分析模型是数据分析关键的功能模块，不同的业务分析诉求需要不同的分析模型来满足。为此，诸葛io产品配备了二十余种分析模型和工具，并持续扩充模型库，涵盖整体分析、事件分析、漏斗分析、页面分析、留存分析、用户分群、用户粘性分析等等。
一个分析模型可以实现特定场景的业务分析需求，比如通过收入分析模型，可以分析总收入、ARPU、ARPPU、支付用户等指标，为营销决策提供全面数据支持；用户粘性分析，可以直观了解周期内用户到底有多少天在使用企业自身产品，甚至可以更准确的分析用户使用产品的某个功能的相关数据，为提升用户粘性、优化产品功能提供决策支撑。
搭积木式构建复杂业务分析模型
单个分析模型往往只能满足单一或者简单的业务分析诉求，然而，很多业务场景往往是复杂的、复合性的，单一模型已经不能满足需求，这就需要依据不同行业客户具体的应用场景，来将多个分析模型进行合理的组合，形成更完善的分析模板。
例如，一个汽车行业客户有“保客”、售后等业务需求，在这个业务场景中，需要先分析到客率、到店率，之后要分析客户转化率，接着分析利润率，这些不同的指标共同组成了一个具有行业应用场景属性的分析模板——4S店售后服务分析模板。
为了更好满足行业客户复杂的业务需求，诸葛io可以实现以搭积木方式将多个模型进行组合，形成更加复杂的业务分析体系。例如，可以将用户画像、留存分析、粘性分析、用户分群、收入分析、漏斗分析等模型结合，系统性分析用户的行为偏好，了解用户属性，找到导致用户流失的关键环节，进而为提升客户满意度奠定数据基础。
多产品融合，构建全链路数据分析服务体系
上面的模型组合，还只是停留在诸葛io产品内部。在诸葛智能的客户服务实践过程中发现，客户需要搭建采集+分析+营销闭环。为此，诸葛智能构建全链条数据分析服务体系，将数据分析产品诸葛io与诸葛智能的CDP、CEP产品高度融合，提供一站式解决方案。
其中，诸葛CDP 2.0是升级推出全场景动态实时的客户数据管理平台，诸葛io 3.0是深入业务场景的数据分析平台，诸葛CEP 2.0 是以用户为中心的用户互动平台，三项产品相互配合，实现从数据采集、数据分析到数据应用（营销）的闭环。
最后，数据猿与文革深入探讨了数据分析行业的未来发展态势，包括：图像、语音等多模态数据分析将进一步发展；自动化数据分析平台、可视化数据分析工具、自然语言处理等技术的应用将有望进一步降低数据分析门槛，推动业务人员自助数据分析的普及；数字孪生与数据分析将深度融合；ChatGPT等大模型将推动数据分析的变革等。
具体来看：
数据分析技术将逐渐向多领域和多维度发展，图像、语音数据分析比例持续提升。
数据分析技术的未来发展趋势是多样化和智能化。数据分析技术将逐渐向多领域和多维度发展，例如自然语言处理、图像处理、语音处理、传感器技术和物联网等领域：图像处理技术已经逐渐成为数据分析的一个重要领域，图像处理技术可以从图像中提取有价值的信息，例如人脸识别、图像分类和目标检测等；语音处理技术可以将语音转换为文本或者指令，为用户提供更加便捷的交互方式。
数据分析门槛进一步降低，推动自助式业务分析快速普及。
文革认为，技术的不断发展，不断降低了用户的使用门槛，持续推动业务人员自助分析的发展。例如，自动化数据分析平台可以自动化地完成数据预处理、特征工程、模型选择和模型训练等过程，大大降低了数据分析的门槛。这种平台通常具有友好的用户界面和易于使用的工具，使业务人员可以快速轻松地进行数据分析。
可视化数据分析工具可以将数据以图表、表格、地图等形式呈现，使业务人员可以直观地理解数据。这种工具通常具有易于使用的拖放式界面和可定制的可视化选项，使业务人员可以快速地创建自己的数据可视化。
自然语言处理技术可以将业务人员提出的问题或需求转换为机器可以理解的指令，使业务人员可以使用自然语言进行数据查询和分析。这种技术通常与自动化数据分析平台或可视化数据分析工具相结合，使业务人员可以通过语音或文字进行数据分析。
这些新兴的技术可以大大提高业务人员进行数据分析的效率和准确性，降低数据分析的门槛，使更多的业务人员能够参与到数据分析中来。
数据分析与数字孪生深度融合，帮助业务人员实现自助式数据分析。
数字孪生可以提供大量的数据，这些数据可以用于分析和优化实际对象或系统的性能、运行情况和故障等。数据分析可以通过分析数字孪生提供的数据来优化产品设计、提高生产效率、减少运维成本等。
数字孪生和数据分析的结合可以帮助业务人员实现自助式数据分析，例如：数字孪生模型通常可以以图形或模型的形式展示，使业务人员可以直观地了解物体或系统的状态和运行情况。数字孪生技术可以与可视化数据分析工具相结合，将数字孪生模型与实时数据相结合，以可视化的形式展示数据结果，帮助业务人员更好地理解数据。数字孪生可以提供大量的实时数据，数字孪生技术可以与自动化数据分析平台相结合，通过算法和机器学习技术来完成数据分析，自动化地完成数据预处理、特征提取、模型训练等过程，从而减少业务人员对复杂数据分析过程的依赖。
数据分析敏捷化，为快速变化的业务提供数据分析支持。
随着自动化数据准备、自动化建模等技术的发展，数据分析敏捷化程度将进一步提升。例如，数据清洗、数据集成、数据转换等技术等自动化数据准备技术可以帮助业务人员快速准备数据，减少数据准备的时间和工作量；机器学习、深度学习技术等自动化建模技术可以帮助业务人员快速构建模型，并自动完成模型训练和优化过程。
借助数据敏捷分析，可以快速响应业务需求，通过灵活、迭代、快速的数据分析流程，快速探索数据，发现洞察，并在业务中应用。在实现业务人员自助式分析方面，数据敏捷分析可以发挥以下作用：加速分析速度，传统的数据分析需要耗费大量的时间进行数据采集、处理和清洗等工作，而敏捷分析采用迭代开发的方式，可以快速构建分析原型，快速验证业务需求；简化分析流程，数据敏捷分析强调实现业务人员对数据的快速访问和理解，可以帮助业务人员快速掌握分析技能，简化数据分析流程；提高数据分析效果，数据敏捷分析通过多次迭代分析，逐步提高数据分析的准确性和可信度，最终可以提高分析效果；改进数据治理，数据敏捷分析的方法可以在整个数据分析流程中提供实时反馈，这有助于发现和纠正数据质量问题，改进数据治理。
文革认为，未来数据敏捷分析将更加普及，同时将更加注重实现业务人员的自主分析，以提高业务效益。
ChatGPT 与数据分析结合，提供更自然的人机交互方式。
ChatGPT 可以应用于自助式业务分析，提供自然语言的交互方式，帮助业务人员更加方便地获取和理解数据分析结果，减少对专业分析人员的依赖，提高分析效率。具体来看，ChatGPT 可以在数据探索、分析结果解释、数据报表生成等方面帮助业务人员实现自主数据分析：数据探索，ChatGPT 可以帮助业务人员快速进行数据探索，比如根据关键词或问题描述搜索相关数据，或者根据自然语言输入来过滤数据；分析结果解释，ChatGPT 可以将数据分析结果翻译成易于理解的自然语言，帮助业务人员快速理解分析结果，并作出决策；数据报表生成，ChatGPT 可以基于业务人员的自然语言需求，自动生成数据报表和图表，提高业务人员的数据理解和使用效率。
举一个例子，假设某电商公司想要了解其销售额的变化趋势和影响因素，一个自助式业务分析的流程可能如下：业务人员使用 ChatGPT 提交自然语言查询：“最近几个月的销售额变化趋势是什么？”ChatGPT 根据输入的自然语言进行数据查询和处理，生成相应的数据分析报告，包括销售额的变化趋势和主要影响因素等。ChatGPT 将分析结果翻译成易于理解的自然语言，比如“销售额最近几个月呈上升趋势，主要原因是促销活动的增加。”业务人员根据分析结果做出相应的决策，比如增加促销活动的力度，以进一步提升销售额。
谈到诸葛智能的未来技术产品规划，文革告诉数据猿，诸葛智能将紧跟最新技术发展趋势，将新技术有机融入到诸葛智能的数据分析产品中，让其更强大、更易用、更敏捷、更智能。
在数据猿看来，诸葛智能这样的数据智能服务商，与各个行业的企业紧密配合，对于推动我国产业数字化进程具有至关重要的战略意义。
通过更强大、易用的数据分析平台，可以帮助企业优化业务流程和决策过程、提升产品质量。通过数据分析，可以对业务流程进行深入挖掘和优化，提升效率和质量。同时，业务人员通过自助式数据分析可以获取实时、准确的数据，帮助他们在决策过程中更加精准地判断业务趋势和市场需求，从而制定更合理的战略和方案。数据分析可以帮助业务人员深入了解用户需求和行为，从而优化产品和服务的质量。此外，通过自助式数据分析，业务人员可以快速获取用户反馈，及时调整和改进产品和服务，提升用户满意度和口碑。
进一步的，自助式业务分析，将有助于提高产业创新能力。通过自助式数据分析，业务人员可以快速了解市场和行业动态，发现新的机会和趋势，从而及时进行产品和服务创新。同时，数据分析还可以帮助企业深入了解竞争对手的情况和策略，从而及时调整自身的战略，提高市场竞争力。
数据分析可以帮助企业更好地了解市场和用户需求，为数字经济的发展提供支撑和指导。自助式数据分析可以降低数据分析门槛，让更多的业务人员参与到数据分析中来，从而推动数字经济的发展。
文：月满西楼 / 数据猿