AI最主要的实现方式是机器学习，而机器学习的本质是通过大量的数据分析挖掘

当今大数据时代，三分技术，七分数据，得数据者得天下，数据是新的原油。而即使获得相同的原油，但是不同的企业由于技术的差异，能够从原油中萃取出来的价值也是不一样的。

一般对大数据的价值来说，大家耳熟能详的主要是数据化管理、数据驱动精细化运营等，这些主要还是以分析应用的场景为主，除此之外，大数据还可以借助AI的能力，把价值更加极致地发挥出来。

一、大数据与AI的关系

我们知道AI最主要的实现方式是机器学习，而机器学习的本质是通过大量的数据分析挖掘、模型训练后，让机器具备人的学习能力或思辨能力，也可以理解为数据是原材料，AI是生产工具，AI与数据结合，创造新的生产力。

当然这个过程也离不开云计算提供强大的算力资源支持，很多人也把这种结构关系称之为ABCI，即：AI、BigData、Cloud、IOT。

二、AI助力数据分析

对于一直做数据可视化产品数据产品经理同学，是否遇到过这样的困惑“自己所做的事情抽象一下，其实就是指标+维度+可视化图表，做来做去只是业务场景的变化”，如果想要有创新的突破该何去何从呢？

同样，做自助BI产品，是不是就是数据建模、拖拽式分析、配置化的可视化Dashboard或大屏的构建，随着产品基础功能的逐步完善，新增的基本上都是些小众的或边边角角的需求，此次，产品的下一步该如何规划？

在“数据可视化怎样才有灵魂”一文中，详细地分享过，数据可视化从数据是什么、为什么、怎么做的三个层次，对于数据是什么是基础的大数据处理、计算、查询、展示，而对于为什么、怎么做，则需要将更多人的分析思路和流程融入到产品中。

比如对于指标波动除了业务可以明确确定的规则外，当业务波动受时间周期、天气等多种因素影响时，如何确定合理的监控阈值，判定了指标异常后，又要如何进行自动化的归因分析，找出关键影响维度或指标? 此时，就需要更多的借助AI的能力了。

在2018年的时候，结合WolframAlpha（国外的一款基于知识图谱的搜索引擎）的思想，尝试过将业务经营指标、维度构建数据知识图谱，通过NLP技术对用户输入内容进行解析，如用户输入“华东大区昨日毛利”，可以直接返回指标数值、同环比、下一级维度拆分等等。

后来阿里QuickBI推出智能小Q，百度Sugar推出AI数据问答，其他BI厂商比如亿信华辰，也有智问功能。后期可以扩展结合语音识别的能力，想象一下，老板在开车的时候，想知道今天的业务经营情况，打开移动端的智能分析平台，语音输入“今天经营状况如何”，想知道的相关数据，从主要到次要，都可以直接语音播报了。

现阶段来说，智能问答属于最高层次的需求，但可以借助AI的能力，把智能分析的过程做的更深入一些，未来在资源允许、场景明确，则可以尝试更多数据机器人的能力。