以下基于演讲内容整理，enjoy：
过去一周，有两个重要的科技消息引起了大家的广泛关注，除了马斯克的星舰火箭发布之外，每个人都在时时刻刻刷的恐怕是Sam Altman的去留问题。从来没有一个CEO的去留问题，引起如此广泛的关注。这从另一个侧面反映出了大语言模型在今天有多火。
自从OpenAI在去年11月底发布了它的GPT 3.5之后，很多公司雨后春笋般出现，大家在各个领域寻找大语言模型的应用，常用的一些场景，包括智能客服、知识问答之外，我们也看到了大家在探索如何把大语言模型跟数据分析结合起来。
到今天为止，很多客户在投入了很多的精力，准确率从10%、20%提高到80%。但是，数据分析如果没有100%的信心，是不可以拿到生产环境去做应用的，因为我们任何的决策不可以基于错误的数据分析。
那么，是不是大模型和数据分析的结合，我们还要再等一段时间，让子弹飞一会儿？有没有一些其他方面可以结合起来？
北极九章从2018年成立以来，一直专注在去模拟一个有经验的数据分析师，帮助大家更方便地使用。去年GPT 3.5发布之后，我们在今年年初就整合到了我们的产品里面。
在过去大概15年的时间里面，大家在数仓、数湖、数据中台等数据建设基座方面投入了很多的精力，很多企业已经在这方面取得了不错的成绩。如今，另外一个问题显现出来：我们已经有了数据，应该如何使用？
我们发现，实际上存在着一个数据和使用者之间的供需矛盾。大量企业内部的人员对数据分析有需求，同时这些数据的使用又严重依赖于有经验的数据分析师，也就是说，我们普通的员工不懂这些数据库的这些专业知识，在使用这些数据的时候，必须要先把需求提供给数据分析师，而数据分析师根据优先级或者任务的多少，反应的时间有可能是一天，也有可能是一个月甚至更长的时间。
我们知道数据是有生命周期的，一旦过了时效性，数据的价值就不会那么大。就像刚刚过去的双11，我的双11市场的情况过了一个星期再分析出来的话，这个数据报表就已经过期了。而同时大量数据需求还源源不断地提交给分析师，我们的分析师每天都在加班加点地满足来自于各个部门的数据分析需求。
如何解决我们数据和数据使用者之间的矛盾？
我们现在有了一个数据的金矿，如何去让更多的人不用具备专业的技能就可以更方便地挖掘这些金矿，也就是我们所谓数据使用的最后一公里的问题，已经成为很多企业迫在眉睫的事情。
今年Gartner发布了一个报告，对将来的数据分析做了一些预测，其中很多发现与北极九章产品设计的初衷不谋而合。
第一，对数据提供自动的洞察，而不仅是一个简单结果。一个数字代表什么意思，到底是增长了还是降低了，这里面包含了哪些好的因素、哪些坏的因素，我们应该如何去改善……这些进一步的洞察，帮助我们进一步做决策。
第二，数据的可视化。不同的结果、不同的分析内容，以不同的方式去表现出来，让大家更方便地理解。
第三，可管理性、可分享性。获得洞察结果之后，很容易地去把这些结果分享给不同的业务部门、职能部门。
第四，产品的可应用性。我们有了数据金矿之后，不是非要学开挖掘机，才能够挖矿。是不是可以很方便地使用这些数据，真正让这些数据为我所用，变得非常的关键。
北极九章的使命一直以来就是让企业内部的数据变得简单。
从产品形态来讲，这体现在三个方面。
第一个方面，使用极其简单。您可以通过语音或打字的方式，我们的产品可以把您的输入自动转换成数据库的查询语义，不需要任何的专业技能。
第二个方面，非常智慧。当你在搜索一个结果的时候，我们会自动理解你为什么要问这个问题，举一反三的做更多的数据洞察。
第三个方面，尤其轻快。我们不仅可以通过电脑端去使用，还可以在企微、钉钉、飞书，或者是企业自己开发的IM工具中使用，做一些很方便的整合。
所以，不仅仅是数据分析师可以去使用数据了，企业里面的每一个人都可以像一个具备了3~5年经验的数据分析师，对我们的数据决策进行支撑。在刚刚过去的双11，我们的一个客户反馈，使用了DataGPT的门店销售额相比于没有使用的门店提高了100%。
北极九章希望模拟一个人的完整的思维，就像人的大脑一样。左脑通过我们的自然语言查询和AI算法，帮助大家对数据进行准确而有逻辑的分析。同时结合右脑的大语言模型，对分析结果进行解读，对重点进行提示，让大家更加的容易理解、不会漏掉中间的重点，让数据可以真正帮到我们的业务。
通过这样一个产品，降低了大家数据使用的门槛，不管是专业团队还是业务团队、管理团队，企业里面的每一个人都可以很方便地使用和访问数据，通过自动的洞察，提供决策依据和参谋。在企业的数字化转型中，让数据发挥到它最大的作用和应有的作用。
最后简单总结一下我们的优势：
第一，NL to Insight。从自然语言自动转换成数据洞察，成为你的数据参谋。
第二，Fast Time To Value，立竿见影。每一个人都可以很方便地使用数据，从而应对今天千变万化的市场。
