这两天在和几家业界主流BI厂商沟通时，有人给我讲了一个非常值得深入探讨的事情：
现在有不少“先进”的企业老板遇到了一件烦恼事。AI来了，他们想数据驱动、想要从拍脑袋转为数据决策，因此要上数据分析、商业智能系统。这本来是个绝好的好事，但却没想到现在犯了难。因为有两派不同的专家给他洗脑，一派是让他直接上最AI、最时髦的ChatBI系统；另一派则相反，是让他先上BI系统，而后再上ChatBI。
这些专家都是业界的知名人物，都对BI和ChatBI有学深入了解。各说一词，听上去都很有道理。到底该信谁的？这些既想抓住机遇又怕踩坑的老板们不知道该怎么办了。
就此问题，中国软件网（www.soft6.com）采访了业界一圈，各派代表也炸开了锅。
1、“没有传统BI这一说”
我没有想到。别说观点探讨，光采访提纲就有人“不同意”了。
“我不同意传统BI这一说法。”针对我们采访提纲中提到的“贵司认为企业落地ChatBI 时，必须先做传统BI 吗”，衡石科技CEO刘诚忠对我们“传统BI”这个用词表达了“很大不满”。
衡石科技CEO刘诚忠
他认为没有传统BI。
在他看来，AI是BI必然要拥抱的，ChatBI只是BI拥抱AI能力的一个方面，是他们必须要达到的一个进步，是必然要实现的一个目标。BI作为一种能力和方法论，是持续进化的， ChatBI也只是其在特定历史阶段的具象化表现和能力升级。“因此没有所谓传统BI，因为所有的BI厂商都会非常积极地去拥抱AI。”
他的话确实也有道理，也有依据。因为Gartner等权威机构也有类似观点。
根据Gartner 的定义，“BI是一个涵盖应用程序、基础设施、工具和最佳实践的综合术语，旨在帮助企业访问和分析信息，从而改进和优化决策及绩效” 。
我查了相关资料，并没有发现Gartner直接了给出对话式商业智能(Conversational Business Intelligence, ChatBI)的独立正式定义。但其在2025年的分析与BI平台魔力象限报告中，已将“代理式AI、对话式分析、大语言模型支持和AI语义层”作为领先BI供应商（如微软、Qlik、Tableau、谷歌、Oracle、ThoughtSpot）积极整合的核心能力。
这表明，Gartner将对话式能力看成是现代BI平台不可或缺的一部分，甚至是它的核心竞争力。因此，从这个角度，可以说ChatBI就是BI的有机组成部分，而不一定是一个独立的“新物种”。
帆软品牌市场的负责人石阳也抱有类似的观点。但也有很多人对此的认知不一样。
并且，我发现一个比较有意思的现象。国内很多人将ChatBI直接称为Chat Business Intelligence，而不是Conversational Business Intelligence。一个是动词，一个是形容词，两个词语上的差异可能反映了对ChatBI是“一种对话行为”还是“一种对话能力”的不同侧重，也在一定程度上进一步反映了其与BI关系的不同视角。
国内对ChatBI的一个普遍接受的定义是，ChatBI是一种结合了自然语言处理（NLP）、机器学习（ML）和商业智能（BI）技术的智能对话系统，旨在通过自然语言交互的方式帮助用户进行数据分析和决策支持。
从这个定义来看，它并没有强调ChatBI是BI系统的一个高级属性。
接受我们采访的很多嘉宾，例如零一万物CEO李开复、奥威软件CEO邹斌、纷享销客CEO罗旭、科杰科技CEO于洋、思迈特市场总监陈翊源、普元信息智能数据中台产品线总经理李书超、百分点CTO刘译璟、泛微CMO刘志刚、薪人薪事CEO常兴龙、高速波CEO高波、数睿数据CMO董霜、网易数智CMO卡爷等，他们所在的公司多数都推出了ChatBI相关的产品或解决方案，也都对ChatBI和BI有着深入的认知和研究。
他们比较一致的看法是，对于不同厂商的产品或解决方案而言，ChatBI和BI存在着或多或少、紧密或相互解耦的关系，可以是两个不同的产品或方案。它们赖于实现的核心技术可以不同。它们所面对和目标客户、应用场景也有所不同，重点的功能也有所不同。
在有些应用厂商看来，不像BI那样紧密依赖底层数据架构、依赖独立的ETL工具、数据模型等，ChatBI是利用NLP、LLM+SQL等技术，在被“投喂或连接”到相关数据后，它会自动的学习、分类、查询、统计与分析，而后直接给用户提供数据分析的结果。
正是这种对ChatBI的不同认知，带来了“先BI再ChatBI，还是直接ChatBI？”的大讨论。
2、正方：必须先BI再ChatBI
这个观点是一些BI厂商们的坚守。
例如，国内BI市场份额占比最高的帆软就旗帜鲜明地提出，必须要先BI，然后再上ChatBI。否则无法解决AI、大模型带来的幻觉、数据不准确等问题。
据帆软石阳介绍，帆软正在和几百家客户共创ChatBI。从目前的实践情况来看，如果没有BI做基础，ChatBI不会带来好的效果。
衡石CEO刘诚忠也坚决认为，必须要有BI，否则ChatBI出问题。
据他介绍，就衡石目前落地比较成功的BI+AI项目来看，效果较好的都是那些前期数据工作和BI做的比较扎实的项目。如果说前面的数据工作打的不扎实，基本都会出现预期过高和结果匹配不上的尴尬情况。“现在大多数ChatBI项目，基本都处在这种比较尴尬的情况之中。问题不理解、查数查不准、答案胡乱说等情形经常出现。“
奥威软件CEO邹斌也认为，“从功能模块上来说，BI不是必选项，二者能力是解耦的；但是从企业内落地上，有一定的共通性。ChatBI问数、BI用数前都需要治理好数据。因此我们会建议先做BI再做ChatBI。有了BI数据资产沉淀之后，企业相对来说更容易推广和应用好ChatBI。”
奥威软件CEO邹斌
邹斌认为，目前ChatBI的技术路线大多是采取LLM+SQL的模式，也就是基于大模型的能力，生成SQL，然后再借助python或其他手段，执行SQL，并配合图表进行展现。这样的技术路线，理论上是不需要先做BI的。“当然这还得有一个先决条件，就是企业先要有数仓或数据中台。”
他进一步解释，如果不做传统的BI，仅使用ChatBI就会有许多瓶颈。“比如，对于经常用到、相对固定的需求，如果每次都需要问AI的话，会显得有点傻。像零售企业每天都会问‘昨天的销售情况如何’这些同样的问题，为什么不将他们的答案固化为报表，以后只需要查询就可以了呢？另外，对于复杂的场景，可能需要对话很多次才能得到答案，但如果用BI，只要做一张复杂一点的报表就可以了。”
因此，邹斌建议用户要“先BI再实施ChatBI”。他认为，这样的好处也有不少：1、除了通过问答式获取数据，还可穿透到BI现有其他报表，进行追溯分析；2、可基于现有BI报表，进行深度解读，还可推送；3、通过问答得到的报表，可另存为BI报表，形成知识积累；4、如果用SQL，需要用存贮过程实现的计算，比如本年累计再同比，借助BI则可轻松实现；5、数据权限自动继承BI权限，无须重复维护，让更多的用户体验AI价值。
更悲观的是，他认为，“独立于BI，采取第一种技术路线的ChatBI，由于性能、数据准确性等原因，可能还需要走较长的路，才能真正实用。”
3、反方：可直接部署ChatBI
这个观点显然是大多数应用厂商、非BI厂商们的热爱。
在他们眼里，“要先上BI才能再上ChatBI”，有点“屁股指挥脑袋”，是为了不让现在的BI系统过时。因为直接部署ChatBI不仅在产品技术可以做到，在资源配备上也能同样做到。
例如，用友BIP数据智能专家就认为，ChatBI具有多种应用方式，如直接上传Excel、对接数据源等，通过NL2SQL的方式直接“问数”“生图”。这些都可以是直接部署ChatBI。
在某种程度上，这是典型的反方观点。数睿数据CMO董霜、高速波CEO高波等人也同意这一判断。他们认为，用户不一定非要先上BI再上ChatBI。ChatBI的落地路径并非“非此即彼”，而是取决于企业的数据基础、业务目标和技术储备。金蝶还特别提到，云原生企业可一步到位直接部署ChatBI。
薪人薪事CEO常兴龙提到，ChatBI能够通过自然语言处理技术，让业务人员无需复杂操作即可快速获取数据洞察，降低了数据分析门槛。对于一些数据基础较好、业务场景相对简单的企业，或者对数据分析实时性和灵活性要求较高的企业，可以直接尝试落地ChatBI。
百分点CTO刘译璟则认为，BI和ChatBI其实有不同的场景和客户群体。ChatBI更加灵活，但因为大模型的不确定性，可能获得一个不那么精确的结果。这对于一些应用场景来说，不精确也是可以接受的。“这两个产品不是必须相互依赖，一定要做完BI再做ChatBI。用户可以直接做ChatBI。它可以根据自己的场景来决定。”
科杰科技CEO于洋也认为，“尤其是对于那些准备直接在财务、供应链、CRM、HR等企业运营和管理系统上构建商业智能系统，也就是几十万元的数据分析类项目，我觉得可以直接部署ChatBI。”高速波CEO高波也持同样观点，“对于非复杂业务应用所需的数据分析，就不需要开发报表工具等BI了，直接应用ChatBI即可。”
同时，于洋还进一步认为，现在有些BI在用户中的价值就是做“报表”。“对于这样的项目，在数据质量有保证的前提下，也可以考虑直接采用ChatBI。ChatBI在某种程度上可以替代很多报表。”
就这个问题，我还特意向AI的权威专家、零一万物CEO李开复博士请教。他们刚刚发布万智企业大模型一站式平台2.0版本以及零一万物企业级Agent（智能体）。其实，ChatBI某种程度上也是一个AI智能体。这位对AI、大模型和Agent有着深入洞察和实践的资深人士也认为，BI不是ChatBI的必要条件。没有BI，在很多场景也可以直接上ChatBI。
总之，和BI相比，ChatBI的用户体验更加友好，业务人员再也不用麻烦数据分析师、直接就能随时进行数据查询和数据分析，并及时获得相关数据分析结果；它比BI系统上线更简单更快捷。在反方看来，直接上ChatBI真是百分百可以，既先进又好用。
4、共识：高质量、可治理的数据是关键
截然不同的观点，又都显得那么有道理，难怪让本身对AI、对IT技术了解不深的“甲方爸爸”犯难。
不过，采访完这些嘉宾，我也发现，虽然正反两派交锋激烈，但如果仔细品味他们的观点，深度思考他们的出发点与目标，他们表面看似矛盾的背后，其实是有非常强的共识。
例如，金蝶和数睿数据都表示，虽然BI 是ChatBI落地的“可选基础”而非“必选项”，但实施ChatBI的核心在于数据是否具备“可对话”的条件（如结构化程度、业务关联性）。如果客户坚持“直接ChatBI”，金蝶则建议，一定要先做数据健康度扫描，并采用MVP 敏捷交付，构建数据飞轮持续迭代。
普元信息智能数据中台产品线总经理李书超也说，企业落地ChatBI，不是必须先做“搭建BI系统”这个“动作”，但必须先完成BI所承载的“核心工作”——也就是构建一个高质量、可治理的数据资产体系。
在他看来，BI系统的搭建就像是为企业的数据资产建立“图书馆的目录和索引卡片”。这个过程虽然繁琐，但它强迫企业去思考：哪些数据是重要的？指标（KPI）的统一定义和计算口径是什么？数据的来源、质量和血缘关系是否清晰？
而ChatBI，就像是为这个图书馆聘请了一位天赋异禀、能言善辩的“超级图书管理员”。如果您直接把他请到一个数据杂乱无章、目录缺失的“仓库”里，即便他再聪明，也无法保证找到的信息是准确的，甚至可能因为理解错误而“创造”出看似合理但完全错误的答案，这就是我们常说的AI“幻觉”。
所以，问题的关键不在于是否要先搭建BI软件、画几张报表，而在于是否建立了一个可信的数据基座。只有在这个坚实的数据基座上，无论是BI还是ChatBI，才能发挥出最大的价值。因此，“在普元看来，路径可以不是‘BI →ChatBI’，但一定是’高质量数据基座 → 智能分析应用（包括ChatBI）’”。
事实上，不仅李书超这么认为，中国软件网所采访的嘉宾，90%以上都持有类似观点。无论是科杰科技于洋、还是百分点刘译璟，都和李书超一样，特别强调数据治理和数据质量的重要性。而衡石科技刘诚忠、帆软石阳、思迈特陈翊源、奥威软件邹斌所强调的，也正是企业搭建BI之后，数据治理和数据质量就有了基本保障。
看出来了吗？！不管是BI，还是ChatBI，不管是正方还是反方，他们都出奇地一致认为，数据治理和数据质量都是基础。只有在这个前提下，数据分析才可能出来科学的和正确的结果。否则，都会面临“垃圾数据输入垃圾分析输出”的失败境地。更重要的是，争论的焦点不在于“工具”的先后，而在于“数据基座”的坚实与否 。
我觉得，不管是正方还是反方，我们真应该都为双方有这种共识而高兴。正是有这种一致，也让我更加对BI市场的未来充满了期待。
5、影响：市场竞争格局将出现变化
有意思且不一致的是，不同厂商对ChatBI将会给BI市场带来的影响，有着不一样的预判。
帆软石阳认为，当前用户正对ChatBI表现出较大的热情。从帆软的用户来看，他估计已有5%左右的用户开始尝试上马ChatBI的项目。而奥威软件邹斌透露，他们的用户在ChatBI的投入更为热情，他估计所占比例能达到10%。
更进一步，邹斌认为，ChatBI会大幅度的降低开发与解读报表的成本。它的诞生有利于BI的市场推广。高速波高波、数睿数据董霜等人也有同样观点，ChatBI的核心价值在于通过大模型降低数据消费门槛，使得大部分业务系统都可以标配BI应用，客户也无需额外付费或只需要少量付费。这让BI系统开发成本更低了，会加速BI应用的普及。
不过，衡石科技刘诚忠的看法却不太一样。在他看来，ChatBI是现有BI市场的一部分，由于它的成熟度还存在一些问题，它不会马上对市场起到明显推动作用。
海比研究院也有类似观点。因为他们研究人员在调查中发现，现在有很多用户在BI投资方面，开始从原来的立项投资状态，变为暂且观望状态。他们想稍等一段时间，等ChatBI成熟之后搭建更先进的BI系统。因此，海比研究院预计，BI市场在2025年不会ChatBI而提升增长率，相反可能会因为它而拉低增长率。但从长期来看，只要走出这段犹豫期，BI市场将迎来新一轮的快速增长。
但不管未来市场增长率怎样，接受中国软件网采访的嘉宾都认为，ChatBI对于未来BI市场的竞争格局会产生较大的影响，甚至会重塑现有市场帆软一家独大的竞争格局。
普元信息李书超认为，他们预估BI市场将出现三个显著的变化。
第一，市场的重心将从“前端展现工具”转向“后端数据基座与治理能力”。 过去，BI市场的竞争焦点在于报表的酷炫程度、拖拽体验的流畅度。但随着ChatBI的兴起，前端的交互变得越来越“轻”，对话成为新的入口。这时，决定应用成败的关键，就变成了后端数据的质量和模型的准确性。谁能提供高质量、可信赖的数据，谁就掌握了市场的核心价值。
第二，市场玩家将出现分化与融合。首先，现有的主要BI厂商将面临巨大压力，如果不能快速融入AI能力并向下延伸到数据治理，就会有被“管道化”的风险。其次，新兴的ChatBI工具厂商虽然在算法和交互上领先，但很快会碰到企业复杂数据环境的“天花板”。他们缺乏深入企业进行数据治理的能力和经验，交付质量难以保障。
他认为，平台型厂商，特别是像普元这样拥有“数字基座”的厂商，将迎来巨大机遇。“普元不仅提供“易数”智能数据中台来解决最根本的数据治理问题，还通过智能低代码平台赋能上层的应用开发。”李书超认为，这种“数据治理+指标管理+智能分析”的一体化能力，将成为市场的主流。
第三，“产品+咨询”的服务模式将成为主流。 交付一个成功的ChatBI项目，绝不仅仅是安装一个软件。它需要深入理解客户的业务，帮助客户梳理指标、治理数据。因此，具备深厚行业咨询能力和强大产品平台能力的厂商，将构筑起难以逾越的竞争壁垒。
李书超的观点和科杰科技于洋、百分点刘译璟的看法不谋而合，他们都认为，拥有数据基座的厂商将在ChatBI时代占据重要位置。
和他们不同，网易数智CMO卡爷面对ChatBI的未来，还是更为关注两类厂商，即市场上现有的主流BI厂商，以及新兴的ChatBI厂商。在她看来，现有主流BI厂商具有多年的数据可视化积累，在原有BI产品上叠加AI对话层，ChatBI 更像是其业务的自然延伸。这类厂商核心优势在于企业级数据连接、权限管理和复杂建模能力，但在对话交互等方面的体验，可能会受到原有产品架构和基础功能的一定限制。
而像亿问、北极九章等新兴的ChatBI厂商，他们从零构建AI优先的对话分析架构，做AI 驱动的数据分析，把大模型能力深度植入产品内核。这类ChatBI产品的对话交互方面会更流畅，但当要处理的企业数据规模增大时，可能会力不从心。
中国软件网还注意到，在ChatBI时代，市场上还多了一类强有力的竞争对手，即各种细分领域的应用厂商。薪人薪事、纷享销客、金蝶、用友等很多应用厂商推出了自己的ChatBI；鼎捷数智、泛微等应用厂商虽然没有专门的ChatBI产品，但也在他们的智能助理中集合了相关“智能问数”等ChatBI的基本功能。
薪人薪事常兴龙、科杰科技于洋都认为，应用厂商的ChatBI产品将对现有BI厂商产生巨大的竞争压力。他们的市场份额会受到挤压。于洋更是明确表示，未来报表工具的市场将会大幅缩小。
值得关注的是，衡石科技刘诚忠并不认为应用厂商推出ChatBI是个好事情。在他看来，“应用厂商基于NPL及大模型技术推出类似ChatBI的数据分析和智能问数等产品，这并不是严格意义上的BI产品。”他认为，这只是应用厂商在他们应用软件和解决方案范围内的延展，是应用厂商必须要具备的一部分分析功能。更重要的是，他认为应用厂商不该将这部分功能列为单独产品，“因为从我们团队对应用厂商们推出的智能问数等类ChatBI产品的评测来看，目前这个市场的PMF是不可靠的。”
6、未来：AgentBI成为主流？
ChatBI给BI带来的不仅仅是市场竞争格局的变化。有些厂商认为，它的本质是AI将重塑BI，它将对BI产品技术的未来也造成极大的改变。
例如，在用友看来，以报表工具、可视化等为代表的BI市场已经非常接近饱和状态，ChatBI的出现，将BI升级到了“另外一个新赛道的竞争，即从数据可视化到数据认知智能赛道。”
而在零一万物CEO李开复看来，从2025年开始，AI将通过Agent改变一切。零一万物现在虽然没有推出ChatBI等相关产品，但他相信，Agent也将给BI带来新的生机。
这也正是思迈特CMO陈翊源所关注的。据她介绍，SmartBI AIchat在业界率先接入了Agent能力，其独有的专家模式甚至可以指导业务人员如何进行下一步分析，Agent可以以业务专家身份对使用者进行指导。
她说，“在未来，我们更愿意称其为AgentBI。在IDC的ChatBI技术评估报告中，也明确AgentBI是BI下一步的‘进化’方向。”
我相信，不管是BI、ChatBI还是AgentBI，未来仍然都会有很好的发展空间。正如纷享销客CEO罗旭所说，他们都不一定“非得是完全替代”的关系，会各自获得巨大发展。“在我们的实际应用中，纷享还没有遇到一个客户，说只要ChatBI，不要现在的BI。如果他真要这样做，我会觉得：这客户也太轴了吧！”
