多维表格最近非常火，Quick BI团队也收到了一些客户问题，比如“Quick BI支持接入飞书多维表格嘛”、“多维表格以后是否会代替数据分析工具”等等......但其实，Quick BI在24年就已经支持接入飞书多维表格。今天这篇文章将聊聊AI x Data 时代，多维表格与BI 产品的关系，以及数据产品的发展趋势。
什么是多维表格
多维表格是通过类Excel的“视图”界面配合仪表盘、工作流、填报表单和AI能力搭建系统并实现轻量化数据管理，用“表格即应用”的思路解决传统业务系统整体成本更高和其他零代码工具学习成本更高的问题。
多维表格是基于用户使用门槛更低和大模型应用产品更快落地两个方面思路去重构了零代码工具。从核心定位和应用场景来看，多维表格实际还是一个aPaaS工具，一个表单驱动的零代码aPaaS工具，而非数据分析工具。
多维表格和商业智能BI的各专所长
不论是飞书多维表格还是钉钉AI表格，都有仪表盘，那有了多维表格，是不是就不需要BI了，数据分析可以在多维表格内一站式完成么？
实际上，今天各类大型垂直业务系统如CRM、ERP内，均有数据分析板块，用于统计分析垂直系统的相关数据，如客户拜访情况统计、会员等级分布、订单数量趋势等。
而BI工具的作用则是将垂直的业务系统的数据打通，比如不同等级的客户或会员订单情况如何？投入了更多售后服务资源的会员，满意度是否有提升？订单量是否有变化？私域互动是否有加深？更进一步，需要通过BI+数仓将多平台的数据打通、清洗并提前计算好复杂逻辑，保证数据口径的一致性与更快的数据查询分析效率。
所以，不管是中小型组织或是大型组织，不管是多维表格还是其他系统，都适合用BI将数据打通，将碎片化信息整合为系统性数据并进一步深度分析，从而实现一个组织或企业的商业智能。
多维表格 x Quick BI，1+1>2
总结来说，在数据分析方面，多维表格可以快速进行数据填报和分析，比如搭建一个简单的人事管理系统并根据表内数据进行分析，但多维表格无法连接多种数据源，导入各类数据进行深度分析。比如将人事投入成本与业务增长关联分析、对销售投入效能精细化分析等，也无法支持用数据大屏、数据门户等更多数据展示形式表达串联的业务逻辑。此外，在协作人员较多的情况下，如果要兼顾数据消费的安全与效率、嵌入集成等企业级数据需求，也需要专业BI工具来支持。
每个产品都有自己的定位和优势，多维表格和BI工具不能互相替代，但可以实现1+1>2。
以飞书为例，企业可以把飞书多维表格作为数据源，在Quick BI中管理形成相应的数据集，再进行可视化分析，实现高效的数据协作和实时的业务洞察。一方面，在Quick BI中创建数据集完成数据准备和数据建模的过程，能帮助企业梳理多维表格或其他系统的数据。另一方面，专业的数据分析产品也能够提供更简单、更丰富、更深度的分析体验，如使用Quick BI的Agent“智能小Q”，用户并不需要自己搭建仪表板，小Q会帮助用户生成仪表板、调整仪表板、解读仪表板，获取问数结果和数据报告。
AI时代，数据应用产品的三大发展方向
从“类Excel”到“类系统”，多维表格+AI的进化其实也代表了数据应用产品的一些发展趋势。
首先是低门槛趋势。AI正在替代原本必须的代码工作和开发过程，给予了新形态产品功能不断降低使用门槛的技术条件。同时AI也提高了所有用户的预期，我们在服务客户的过程中也发现，很多用户可以接受他们原本的系统是传统方式，但是很难接受AI功能还需要很多数据配置或者技术知识才能使用。在这样的趋势下，即使是ToB产品，也需要比以往任何时刻都更加重视产品易用性。
以小Q问数（ChatBI）为例，一开始小Q只支持对数据集进行问数，数据集的配置实际上阻碍了部分业务用户使用问数的脚步。因此Quick BI在7月29日上线了Excel问数，让业务用户可以告别等待，登录、上传、问数三步开启数据获取。事实上这也是一大部分中小客户的核心需求，不需要那么多配置、调优，只需要快速、好用。瓴羊即将推出的小Q报告，也是继承了简单好用的核心理念，希望把智能BI打造成开箱即用的产品。
其次是多场景趋势。尽管由于产品定位不同，每个产品的智能化思路也不尽相同，但整个行业一定会“卷起来”，朝着多场景多功能发展。举例来说，多维表格的思路更偏向于头脑风暴所有能快速提效又能快速实现的AI场景，比如文案、翻译以及各种批量处理场景，将这些AI解决方案产品化以后封装到多维表格里。
Quick BI的思路是用AI能力革新整个BI的分析流程，将会陆续推出更多AI功能。目前还是会将重点放在帮助数据分析的AI功能上。从我们目前的探索来看，搭建助手、智能问数、洞察分析是AI数据分析的三大方向。其中，搭建助手类可以帮助用户自动化完成数据集构建、报表美化等重复性工作；智能问数类支持自然语言交互进行取数和分析；洞察分析类不仅可以做到描述型分析，也可以向用户提供更深度的智能报告，包括业务诊断、数据预测、优化方案，实现从效率到深度的跃迁。
很多人会将智能BI和ChatBI划等号，认为BI产品的智能化就是自然语言交互问数。这其实是个狭隘的观点，有点像是知道了其中一个答案，就把答案当成了唯一解法。但其实，新一代的智能BI，包括ChatBI，绝不止于ChatBI。下个阶段，Quick BI将会推出小Q报告功能，将传统的人肉找数据、手工分析、截图整理等繁琐且耗时的报告编制流程，转变为智能数据获取、自动数据洞察、动态数据引入的智能化报告生成体验。
最后是实用性趋势。在刚刚落幕的WAIC世界人工智能大会上，围绕AI讨论的重心从技术参数逐渐迁移到了千帆竞发、百舸争流的落地场景。企业不会再为“大厂光环”付费，需要的是实打实可以带来价值的产品。以ChatBI为例，前端功能其实并不复杂，所有厂商都会说自己的ChatBI具有几大丰富功能，但是大部分“有形无质”，团队配置甚至没有AI工程和算法，只有前后端开发，根本无法保证生成效率和通用性、准确性，完全依赖人力配置数据和问题。而在初步跨越了准确性的障碍之后，问数功能推广更大的挑战在于实用价值。我们会发现，如果问数的实用价值无法明显超过变动成本（比如替换原产品成本、用户学习成本、企业配置成本），就很难在企业内部大规模落地。这个问题的解法，一定是指向更强的产品力（比如用低成本实现高准确率）与更实用化、更场景化的发展方向。
工具无形，价值流动
我们正在经历AI重塑产业变革的时代，也在亲手创造新一代数据产品。
在数据应用产品突破传统形态的过程里，我们隐约看到了一个更本质的变革：AI正在消融工具的形态，让业务价值像水一样自然流动。或许不久的将来，不会再有人疑问多维表格能否替代BI工具——因为所有数据产品都将进化成"无形有质"的业务伙伴。
这场数据革命的里程碑，或许就藏在客户的真实场景里——当生产线主管对着手机说出"查上周良率的波动原因"，5分钟后自动生成的归因报告已推送到工作台；当财务总监走进会议室时，现金流预测助手将会自主完成原本需要手动配置的取数过程、数据看板并给出决策建议......这些正在发生或即将发生的改变，终究会回答我们AI x Data 产品的发展方向。
来源 | 瓴羊Quick BI公众号
