2025年对话式分析如何成为企业智能增长的加速器报告-

数据加速理解对话式分析如何成为企业智能增长的加速器。Gogle

摘要多年来，企业一直在努力整合日益增长且日趋多样化的数据，以期快速访问、共享数据，并依据数据洞察采取行动。对话式分析标志着一个战略转折点的到来。当任何员工都可以用自然语言询问公司数据时，您就从根本上改变了组织的运营模式。为员工提供准确、以数据为支撑的答案并非终点，而是起点。当我们从沉睡在报告中的滞后洞察，转向能够即时呈现的实时对话时，会发生什么？你将创造一种数据探索文化。能够即时提出“为什么”和“如果”

的能力会引发新的问题，并缩短从问题到行动之间的时间差。借助对话式分析，我们终于实现了商业智能长期以来的承诺。企业现在可以从被动应对过去事件或预测未来结果，转变为主动塑造未来，打造引领市场所需的灵活性。Yasmeen

AhmadGoogle

数据与

AI云业务总经理为员工提供准确、以数据为支撑的答案并非终点，而是起点。23.构建统一可信数据源第1

阶段：第2阶段：第3阶段：让数据洞见惠及突破瓶颈，实现创激活全员数据全员新跃迁探索热情通往数据成熟之路1.

数据领的关键导者：速度制胜2.对话式新格局分析：重塑行业4.AI

正在加速数据转型Google

cloud

31.

数据领导者：速度制胜的关键1.

2.

3.

4.4

数据分析市场领军者与追随者的分水岭，在于将信息转化为行动的速度。企业产生的数据量比以往任何时候都要多，但有意义的分析洞见对多数人而言仍是难以企及的稀缺资源。从库存到营销再到销售，企业各环节对数据分析的需求都非常旺盛。但掌握关键信息的数据分析师，始终是有限资源。依赖数据团队解答每个问题的模式，不仅速度慢、效率低，且难以持续——导致分析需求积压日益严重。与此同时，市场对实时数据驱动决策的期待持续攀升。传统业务流程因软件障碍、耗时培训及团队技能差异，形成“洞见瓶颈”——让宝贵的数据价值在流程中枯萎。在数据分析专家的队列中滞留一两周，纵是新锐的洞见，也难免沦为错失的商机。而这一切的前提，是决策者最初就提出了正确的问题。如何解决尚未识别的问题？主动发掘数据洞见是企业抢占先机的关键。1.2.3.4.

Google

c。·d5数据领导者面临的最大挑战。海量数据。宏伟目标。与破局挑战。•统一可信数据源如何确保各部门使用一致的定义与指标，使数据洞见真正有意义？•信任新工具AI的引入和应用可能会引发人们对其来源、安全性、保密性和责任归属的质疑与不理解。•数据民主化困境如何在开放企业数据访问权限的同时，确保安全性与合规性？•数据瓶颈数据分析师经验宝贵，但资源有限。•数据价值挖掘企业如何最大化数据投资回报，并快速响应市场动态？重塑数据分析团队价值——从服务支持职能升级为战略赋能中枢释放全员洞察力——赋能企业各层级基于数据决策，推动业务发展突破现状创造新增量——开拓前所未有的数据洞见层级与收入来源对话式分析可以助力企业跨越数据成熟度的三个阶段。

4.1.2.3.62.对话式分析：重塑行业新格局1.

2.

3.

4.长期以来，商业智能(BI)

始终掌握在少数精通

SQL

与专业BI

工具的技术专家手中。对话式分析改变了数据访问方式，将静态信息转变为全员可交互的战略资源。1.

2.

3.

4.商业智能(BI)

的未来已超越静态数字面板，提供与数据的深入、细致对话。

数据分析这种BI

范式革新，让企业全员能够快速实现数据驱动决策。对话式分析重塑数据分析价值：从成本中心升级为增长引擎，帮助你深度理解客户与业务、提升运营效率并推动新增长。而这仅仅是个开始。当每个人都能与公司数据进行对话时，将自然引发后续追问、深入探讨及全新的问题类型。对话式分析会激发企业级数据好奇心和参与度——解锁全新思维方式、运营模式与价值创造路径。这正是创新的引擎。实现BI

跨越式升级的第一步，是激活现有数据资产的对话式分析能力。在本白皮书中，我们将详解企业需要经历的数据洞见成熟度三大阶段。首先，我们来探讨一个先决条件：确保全员认知对齐。借助对话式分析，用户可以按照自己的想法、以通俗易懂的语言提问，进行数据探索、分析并与数据互动。Google

Cloud

对话式分析是基于Looker平台、融合Google的Gemini大模型能力打造的

AI

赋能BI

解决方案，可根据企业专属的数据集、治理策略和监管考量提供有依据的答案。1.2.3.4.

Google

c。·d910构建统一可信数据源Looker

语义层深度解析3.1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.我们的目标不是更快地获取不准确的答案。更快获得可信答案才是范式革新。”RichardKuzmaGoogle生成式

AI

产品经理准确性至关重要。而企业级数据与分析洞见的信任体系是基石。如果你向

AI

应用咨询护肤建议，模型给出90%准确率的建议，你的皮肤就可能会变得更好。但如果您是要查询企业数据生成收入报告，那么得到的回复只有90%的正确率则会造成严重问题。语义层可确保每位用户都能基于可靠数据源，使用统一指标并获得一致结果。1.

2.3.

第1阶段

第2阶段-第3阶段4.

Google

c。·d11

数据分析数据是企业的燃料。如何确保公司全员使用统一的业务语言？Looker

的语义层通过以下特性确保所有人都基于单一可信来源开展工作：

集中化定义与指标，确保整个企业内数据的一致性和准确性

数据治理：建立清晰的数据安全与访问边界

基于事实的答复，减少模型“幻觉”

深度业务语境，让员工获得与分析师同等质量的业务分析洞见简化数据访问，让员工无需具备特定的数据库或

SQL专业知识即可访问并分析数据

可扩展性：通过自助工具，让数据分析能力覆盖全员借助Looker的语义层，用户可以在可信的基础上获得数据洞见。什么是语义层？语义层作为底层数据的业务映射层，可将复杂的数据转化为直观的业务术语。数据工程师和分析师可以定义数据关系、构建业务逻辑，并将上下文信息融入数据中，供企业内的每个人使用和复用。由此实现一致性和单一可信来源。1.

2.3.

第1阶段

第2阶段-第3阶段4.

Google

c。·d

12我相信大家都见过两个信息中心的数据不一致的情况。因此，用户不禁要问：“我能相信这个吗？”这迫使团队反复调试信息中心，以确定数据不同的

原因并进行修复。随着数据使用者的增加，这一问题呈指数级增长。”Adam

WilsonGoogle

Cloud

组合产品经理不要相信大语言模型(LLM)

编写的没有语义层的

SQL。有许多概念众所周知难以被LLM

转换成原始

SQL，且容易导致不准确或用

户间结果不一致。语义视图本质是表上元数据层，最终依赖LLM生成SQL。Looker

从根本上将

SQL生成责任从LLM

转移到自身。LLM

通过

API与语

义层交互。这意味着，为了回答用户问题，Looker

基于LookML内置的SQL

构造和可用字段来执行查询，而不是直接编写

SQL。这些可复用的

API

调用

确保每次都能选择正确的指标，且计算逻辑完全一致。此外，Looker的语义层意味着它还可以处理复杂度更高的用例。1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.13AI与BI的融合有望带来智能、可信、对话式分析洞见。Looker的语义

层让您能够在与数据交互的所有界面中享受这些技术革新。Looker

将持续扩展对各种数据源的支持，增强智能体智能性，优化对话式分

析功能，让数据交互如同与最信赖的业务顾问对话般直观高效。分析“去年各年龄段30

天复购率”查询。这个查询涉及多个元素，如果交给LLM

处理，容易导致不准确或用户间结果不一致。•“年龄层”：LLM需要理解并应用CASE语句，然后“猜测”适当的分层标准（例如，10年、20年或自定义）。•“30

天复购率”是一个复杂的指标，LLM

很难用原始

SQL准确编写。•“去年”存在多种时间窗口解释。LLM

有时可能使用滚动年，有时又使用完整年定义。这个查询的每一步都可能为LLM

埋下隐患，导致其向不同用户提供不一致的结果。Looker

会确保每次输出完全一致。Looker的语义层将生成式

AI自然语言查询中的数据错误率降低66.7%。了解Looker

如何实现可信

AI

1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.14当代奢侈品的核心在于精准触达、时机把握与情感共鸣。Google

Cloud帮助我们构建智能解决

方案，让我们实现数据实时感知。在保持人文创意核心的同时以真诚且智能的方式与客户沟通。这就是施华洛世奇创造喜悦的方式。”Fabrizio

Antonelli施华洛世奇副总裁兼数据与

AI

全球负责人Google

cloud

15施华洛世奇：让数据大放异彩除了精准切割的水晶、永恒传承的工艺与独特的设计，施华洛世奇还构建了统一数据源作为企业创新平台。至今，这家奢侈品牌已将其所有孤岛化、分散的数据整合至BigQuery上的集中式数据湖仓中。通过Looker

构建客户数据平台，整合电子商务、CRM、营销和零售领域的客户触点。并且扩大了

AI

应用规模，利用Gemini

和

Vertex

AI

构建门户，使生成式

AI

工具的使用在全业务范围内普及。拥有130年历史的品牌在140多个市场拥有

2300家精品店通过BigQuery、Looker、

Gemini

和

Vertex

AI扩展数据与

AI战略1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.SWAROVSKI第

1

阶段：让数据洞见惠及全员借助对话式分析，获取分析洞见如同询问同事般简单，赋能全员做出更智能的数据驱动决策。对话式分析将BI

从需要专业技能的单点解决方案转变为企业全员都可以使用的工具。摆脱预构建的信息中心和复杂的SQL

查询，赋予自助数据探索能力，与数据对话，实现秒级数据洞见与深度分析。对话式分析以Looker可信的语义层为基础，并以可复用的智能体上下文为指导，确保指标准确一致并维护数据治理，同时根据用户访问权限控制运行查询。对话式分析帮助用户在现有工作环境中使用数据。实现企业级变革的关键在于近乎普及的采用率，复杂工具或孤立应用对此毫无帮助。Looker

将对话式分析功能集成到员工日常工具中，包括

Google

Chat、WhatsApp、Slack、Google表格和BigQuery。当全员都能与数据对话时，整个公司的实力都将得到提升。由此创造出双赢局面：决策者即时获取答案，分析师释放更大价值。更快获得准确的数据洞见。传统BI工具会进行数据提取或生成副本。Looker的库内架构意味着它不会创建并行副本。新数据入库后，用户和信息中心可立

即使用——实现零延迟实时数据查看。1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.详细了解Looker

161.通过语义层建立信任：

Looker

语义层提供保护机制，确保所有回答都来自统一、受治理的可信数据源，并符合预定义业务逻辑。2.

通过细粒度访问权限控制保障安全：普及化不等于开放所有权

限。Looker

在设计时充分考虑了企业各层级的安全需求。1.

2.3.

第1阶段

第2阶段-第3阶段4.

Google

c。·d

17全员数据访问引发一个核心问题：如何在赋能的同时避免指标混乱与安全风险？答案是构建信任的基础。作为数据守护者，分析师不应开放他们自己都不信任的功能。用户与角色权限自动执行底层数据库角色与访问控制。这样，根据角色设置，Antonio可以查看某些行和列，而Sofia

可以查看更多内容。对话权限与数据访问权限分离。企业可以允许用户查看数据但限制他们的对话交互能力。智能体共享权限让企业可以选择将智能体的创建和共享权限限制给最受信赖的数据管理员。对话式分析通过双向管控实现治理。治理数据，为员工赋能。如何在

AI时代制定前瞻性的数据治理。相比以前，您现在拥有更多数据。在发掘宝贵数据洞

见的同时，保障数据安全和遵循法规，其难度日益增

加。主动式、自动化的数据治理能充分发掘数据资产

的价值。帮助您从数据中洞察业务先机、推动创新，

并长期获得投资回报。详细了解数据治理双向管控是破解普及化难题的关键。您既能获得自然语言提问的速度和便捷性，又能拥有银行、电信公司或全球零售商所需的稳健安全保障。这不仅是普及化，更是全场景治理的普及化。1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.18Servicios

Orienta

构建数据优先决策文化Servicios

Orienta

是一家墨西哥公司，致力于通过尖端技术和创新流程提升员工福利

和业务效率。Orienta部署了多种Google

Cloud解决方案，包括DataFusion、Dataproc、BigQuery

和Looker，旨在更高效地整合分析大数据，提供有关其服务使用情况和有效性的详细

定制报告。这彻底改变了该公司的运营方式，使客户与员工双向受益。BigQuery

和Looker

助力团队识别趋势、评估在线讲座与咨询效果，并优化用户体验。

通过描述性、预测性和相关性分析，甚至AI

技术，Orienta现在能够理解结果并据此提

供客户体验优化建议。Orienta的最终用户也可以通过自然语言提交查询，并利用他们自己的数据分析和数

据洞见，从而提升决策质量与业务战略执行力。Google

cloud

191.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.数据洞见的价值始终难以充分释放，其瓶颈在于一个长期存在的困境：数据分析团队的持续超负荷运转。即使配备了强大的BI

工具，分析师们仍深陷于报告请求、临时查询和信息中心更新的循环中。从数据查询到分析往往需要数天或数周的时间，而非几分钟——整个企业

的运转速度都会被这个队列拖慢。对话式分析打破了这一循环。通过让任何人都能用自然语言提出数据问题并立即获得可信的答案，整个工作流程得以重塑。这不仅意味着更快地生成报告——更是从根本上改变企业利用数据创造价值的方式。将分析师从临时需求的繁琐工作中解放出来，他们便能将精力投入到具有重大影响的战略性工作中。1.

2.3.

第

1阶段

第2阶段-第3阶段

4.

Google

c。·d

20第

2

阶段：突破瓶颈，实现创新跃迁

数据分析将分析师从繁琐的日常请求中解放出来，让他们能够专注于高影响力、可扩展的工作。他们的角色从数据服务台转变为提升企业数据素养的战略伙伴。而这正是因为对话式分析能够帮助分析师实现：•

自动化重复查询。日常大量的简单数据请求交给

AI

处理，释放分析师最宝贵的资源——时间。•普及专业知识。工作流程从响应单次请求，转向构建和管理强大的

AI智能体。•转向高影响力工作。简单任务自动化后，分析师现在可以专注于为企业挖掘更深层的数据洞见，例如优化数据模型的

AI

兼容性，提升数据体验。最终形成一种主动的数据驱动文化。通过简化获取答案的途径，对话式分析让整个企业都能轻松访问并利用数据。它将数据团队转变为效率倍增器，赋能业务用户做出更智能、更快速的决策。工作流程不再是提取旧报告，而是主动与数据对话，推动业务发展。规模化解决问题。对话式分析将分析师的角色从信息守门人转变为战略伙伴，使其专业能力在整个公司范围内扩展。对话式分析不仅能帮助您更深入地理解数据、提出更丰富的问题，还能加速个人贡献者的价值创造。当员工能够自主生成数据洞见时，数据分析师便能支持更多用户——形成数据价值的倍增效应。你更愿意成为一个团队的明星分析师，还是10

个甚至100

个团队的明星分析师？”RichardKuzmaGoogle生成式

AI

产品经理第1阶段第2阶段第3阶段3.1.2.4.Google

cloud21GameBear

从数据请求到实时决策GameBear

是一家总部位于中国香港的移动

游戏开发商和发行商，专注于开放世界多人科幻游戏，服务全球超1000

万用户。GameBear

利用Looker

在内部会议中可视化数据并提供数据分析。在使用Looker之前，GameBear的数据团队需要全程参与决策会议，随时响应临时数据调取需求。Looker的

直观界面让GameBear的员工可轻松自行检索任何数据，并当场进行深度数据分析。这样一来，GameBear团队就能在短时间内快速提取数据洞见，从而做出更高效的业务决策。使用BigQuery

和

Looker为我

们带来的好处是无法估量的。我

们不仅能以最少的人力实现近

乎实时的数据分析，还能从数据

中获得分析洞见，帮助我们及尽

早发现运营问题并及时采取有

效措施。”Yuan

ChenGameBear

首席执行官Google

cloud

221.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.阅读完整案例依赖[被动模型]就像用六个月前的数据驾驶飞机；你甚至不知道自己正驶向风暴。”RichardKuzmaGoogle生成式

AI

产品经理1.

2.3.

第1阶段

第2阶段-第3阶段4.

Google

c。·d

23现代组织需要的不仅仅是准确的数据洞见。领先企业正在利用

AI

发现隐藏模式、预测趋势并驱动智能行动。然而，对许多企业而言，BI

仅扮演“后视镜”角色，报告已发生的结果，这种被动姿态限制了公司对未来的掌控力。通过实时数据即时触达，对话式分析推动从“被动响应过去”

到“主动塑造未来”

的根本性转变。通过消除数据查询的技术门槛，对话式分析培育数据探索文化，提升整个企业的数据素养。对普通用户而言，工作流从“数日等待”压缩为“实时对话”。用户无需再提交工单等待，而能直接在日常工具中提问，并在几秒钟内获得答案。这实现了流畅探索——从“发生了什么？”

到“为什么发生？”

的无缝衔接。第

3

阶段：激活全员数据探索热情

数据分析对话式分析是打造数据分析驱动型企业的催化剂。当普通用户能与公司数据进行流畅的来回对话时，将自然引发后续追问并促成即时深入探讨。这种交互的速度和便捷性不仅提升了效率，更是从根本上改变了企业的运营方式，让企业变得更智能、更具创造力。业务用户现在都可以突破预构建信息中心的限制，随着问题的演变，进行更深入、更丰富的数据分析。在当今快速发展的商业环境中，敏捷性是最核心的竞争优势。更快、更高效利用数据的能力，让企业更具创新力，能够发现隐藏模式并挑战长期固有的假设。数据对话从“上季度销售如何”升级为“下季度战略如何部署”。用户可以探索情绪与销售额之间的相关性，甚至开始预测库存——将企业从季度级的被动响应，提升到分钟级的主动行动。1.

2.3.

第

1阶段

第2阶段-第3阶段

4.

Google

c。·d

24Q将数据转化为产品。Looker

在构建新一代数据解决方案和产品方面担任核心角色。LookerEmbedded

通过嵌入式分析功能推动业务增长，并通过稳定的实时指标加快实现嵌入式应用的价值，同时保持对用户体验的全面掌控。数据洞见与智能体商业化。也许突破BI

现状的最重要方式，是重新定义分析本身的角色——从成本中心转变为收入驱动因素。对话式分析使之成为可能。企业可在此技术基础上构建产品与服务，让客户也能够用自然语言提问有关其自身数据的问题。例如：一家HR软件公司嵌入智能体，让经理提问：“本季度工程部门的离职率是多少？”

或者，一个物流平台允许客户提问：“我的哪些运输线路表现低于平均水平？”这将创造强大的新收入流和难以撼动的竞争优势。通过提升数据的速度、深度与可及性，对话式分析不仅优化现有流程，更解锁全新的思维、运营与价值创造模式。出售数据是一回事，但出售数据洞见才是真正的力量。”RichardKuzmaGoogle生成式

AI

产品经理详细了解LookerEmbedded

1.

2.

3.

第

1

阶段

第

2

阶段-第

3

阶段

4.Google

cloud

25通过LookML

控制和整理数据叙事、创建数据字典并即时通知所有用户字段名称与计算变更，这种能力极具影响力。这是

Tableau无法实现的。”Joe

VargasNABCBI

总监Google

cloud

26NABC

收获更丰富的数据洞见和显著的成本节约北美蓝莓协会为国内种植者和全球供应商打造了一个数据与分析平台，通过预测、整合作物和生产销售数据，节