一家致力于简化企业如何从数据中获取洞察力的初创公司DataGPT，今天正式推出了其新的AI分析师，这是一个对话式聊天机器人，可以通过自然语言交流来帮助团队理解他们的数据集的内容和原因。

从今天开始，这个AI工具将自主部署的大型语言模型的创造性和理解能力与DataGPT专有的分析引擎的逻辑和推理能力结合起来，执行数百万次查询和计算，以确定最相关和最有影响力的洞察力。这几乎包括了一切，从某件事情如何影响业务收入到为什么会发生这件事情。

“我们致力于让任何人、任何公司都能直接与他们的数据对话，”DataGPT的首席执行官兼联合创始人Arina Curtis在一份声明中说。“我们的DataGPT软件，以对话式AI数据分析为基础，不仅提供即时、分析师级别的结果，而且提供了一个无缝、用户友好的体验，弥合了僵化报告和明智决策之间的鸿沟。”

然而，有趣的是看看DataGPT如何在市场上脱颖而出。在过去的一年里，许多数据生态系统的参与者，包括数据平台供应商和商业智能（BI）公司，都已经做出了他们的生成式AI举动，以使用户更容易消费洞察力。大多数数据存储、连接、仓库/湖屋和处理/分析公司现在都在转向允许客户使用生成式AI与他们的数据对话。

DataGPT AI分析师是如何工作的？

DataGPT成立于两年多前，针对传统BI工具的静态性质，其中一个人必须手动深入定制仪表板来获取对不断变化的业务问题的答案。

“我们的第一个客户Mino Games投入了大量资源来建立一个ETL过程，创建了许多定制仪表板，并雇用了一个分析团队。”Curtis告诉VentureBeat。“尽管探索了所有可用的分析解决方案，他们仍然难以快速、清晰地获得关于关键业务问题的答案。DataGPT使他们——以及所有客户——能够更高效、更有效地获取深入的数据洞察力。”

在核心上，该解决方案只需要一个公司设置一个用例——一个为特定业务领域或一组预定义KPI配置的DataGPT页面。一旦页面准备好了，最终用户就会得到两个元素：AI分析师和数据导航器。

前者是聊天机器人体验，在那里他们可以用自然语言输入问题，立即获取洞察力；后者是一个更传统的版本，在那里他们可以得到显示关键指标性能的可视化，并可以手动深入了解因素的任意组合。 

对于对话式体验，Curtis说，在后端有三个主要的层次：数据存储、核心分析引擎和由自主部署的大型语言模型驱动的分析师代理。

当客户向聊天机器人提出一个业务问题（例如，为什么北美的收入增加了？），核心分析引擎中的嵌入模型在数据存储架构中找到最接近的匹配（为什么<月度复现收入>在<国家>[‘美国’，‘加拿大’，‘墨西哥’]增加了？），而自主部署的LLM则接受问题并创建一个任务计划。

然后，计划中的每个任务由分析引擎的数据API算法执行，在广泛的数据集上进行全面的分析，具有超越传统SQL/Python函数的能力。分析的结果以对话式格式传递给用户。

“核心分析引擎做所有的分析：计算影响，进行统计测试，计算置信区间等。它在闪电缓存（数据存储）中运行数千个查询并得到结果。同时，自主部署的LLM使回应人性化，并将其发送回聊天机器人界面。”Curtis解释道。

“我们轻量而强大的LLM是成本效益高的，这意味着我们不需要昂贵的GPU集群来实现快速响应时间。这种灵活性给我们带来了竞争优势。这导致了快速的响应速度。我们投入了时间和资源来创建一个广泛的内部训练集，专门为我们的模型定制。这不仅确保了无与伦比的准确性，而且确保了对任何架构变化的鲁棒性。”她补充道。

对企业的好处

虽然Curtis没有透露有多少公司与DataGPT合作，但该公司的网站表明多个企业正在利用这项技术获得利益，包括Mino、Plex、Product Hunt、Dimensionals和Wombo。

这些公司能够使用聊天机器人加速他们获取洞察力的时间，并最终更快地做出关键的业务决策。它还节省了分析师们更紧迫任务的时间。

首席执行官指出，DataGPT的闪电缓存数据库比传统数据库快90倍。它可以比标准商业智能工具快600倍地运行查询，同时将分析成本降低15倍。

“这些新获得的洞察力可以为企业解锁高达15%的收入增长，并为忙碌的数据团队每季度节省近500小时，让他们专注于更高收益的项目。DataGPT计划在不久的将来开源其数据库。”她补充道。

提前规划

到目前为止，DataGPT已经在种子轮和Pre-A轮融资中筹集了1000万美元，并建立了产品，覆盖了80%的数据相关问题，包括关键指标分析、关键驱动因素分析、细分影响分析和趋势分析等。未来，该公司计划在这方面的经验上进行更多的分析能力扩展，以尽可能覆盖更多的领域。这将包括诸如群组分析、预测和预测分析等内容。

然而，首席执行官没有透露这些能力具体何时推出。话虽如此，分析能力的扩展可能会给DataGPT在一个每个数据生态系统供应商都在引入或寻求引入生成式AI的市场中带来优势。

在最近几个月里，我们看到了像Databricks、Dremio、Kinetica、ThoughtSpot、Stardog、Snowflake等许多公司投资于基于LLM的工具——无论是通过内部模型还是集成——来改善数据的访问。几乎每个供应商都传达了相同的信息，即确保所有企业用户，无论技术水平如何，都能够访问和从数据中获取价值。

DataGPT方面声称，其与众不同之处在于其分析引擎的实力。

正如Curtis在一份发给VentureBeat的声明中所说：“流行的解决方案分为两大类：具有简单数据接口的LLM（例如LLM+Databricks）或集成生成式AI的BI解决方案。第一类处理有限的数据量和源集成。它们也缺乏对数据的深度分析和对数据业务背景的意识。与此同时，第二类利用生成式AI适度地加速传统的BI工作流程，创建相同类型的狭窄报告和仪表板输出。DataGPT提供了一种新的数据体验……LLM是右脑。它非常擅长语境理解。但你也需要左脑——数据API——我们用于逻辑和结论的算法。许多平台在将深度数据分析和解释等逻辑性‘左脑’任务与LLM结合起来时会出现问题。”