近年来，ChatBI（聊天式商业智能）成为AI时代数据分析的重要方向。其核心是通过自然语言处理（NLP）技术，将用户的提问转化为数据查询（如SQL），以此来降低数据分析门槛。然而，其技术路线和应用效果存在非常明显差异。
为了理清主流技术趋势和市场发展现状，ITPUB特发起专项白皮书调研活动，通过对ChatBI主流厂商的深度沟通，探索数据分析在AI时代的进化路径。
目前，主流产品形态有三种，包括：独立对话框模式、插件式Copilot和 IM集成机器人模模式。大多数厂商可以同时支持三种模式，但也有部分企业只支持其中的一种。
从用户体验来看，ChatBI又有很多细分赛道。虽然，从产品的名字上看，都叫智能问数，但在服务体验上会有明显区别，比如：交互式分析，主要服务于基础问数场景（如查询客户数量），无需依赖传统BI；假设性分析，模拟变量影响（如原材料价格波动对成本的影响），需借助模型计算和传统BI能力；预测性分析，包括销售预测、库存优化等，结合历史数据与外部趋势；专家经验性分析，利用非结构化数据打标签，辅助战略决策。
从技术路线来看，最重要的包含 Text2DSL（自然语言到领域特定语言）、Text2Code（自然语言到代码）以及最为广泛采用的 Text2SQL（自然语言到结构化查询语言）。每种方式都有其适用场景和局限性，在构建对话式数据分析工具ChatBI的过程中，如何将用户的自然语言问题转化为可执行的数据分析指令，是系统模块设计的核心挑战之一。围绕这一目标，大家都进行不同程度的技术路线优化。
第一阵营：互联网大厂。这类企业产品的特点是，矩阵完备，生态驱动布局。很多互联网行业头部企业，如腾讯、阿里、火山引擎、网易、百度等。这一些企业在AI和大数据技术方面拥有深厚积累，并具备完整的产品生态体系。他们以产品矩阵丰富、功能齐全取胜。
第三阵营：数据领域新兴势力。这类企业是智能问数的特殊参与者。比如：艾体宝（原来的虹科，提供数据存储、数据智能、安全合规、网络监控与优化等服务）、数新智能（大数据和AI基础设施服务提供商），它们并非传统意义上的BI厂商，也不属于互联网大公司，而是来自于数据产业链的上下游企业，他们围绕大数据和人工智能提供基础设施服务，包括指标平台、数据中台、数据编织等。他们在完成底层数据建设后，亟需一个能够将数据“用起来”的工具，而不单单是“建起来”，这就催生了他们对ChatBI能力的强烈需求。
第四阵营：原生ChatBI厂商。像北极九章这样的原生ChatBI厂商，主要专注垂直赛道，从零构建智能分析能力。这类公司从成立之初就专注于对话式数据分析领域，致力于通过自然语言处理、NL2SQL、RAG、多轮对话等核心技术，打造真正意义上的“人机对话即分析”的智能数据分析平台。原生ChatBI厂商的优点是聚焦垂直场景、技术架构先进、使用者真实的体验极致。他们不需要背负历史包袱，能快速响应市场需求，专注于打磨自然语言理解、复杂查询生成、上下文管理等核心能力，从而在细分市场中占据领头羊。
