教育行业做数智化，最痛的不是缺数据，而是数据 “用不起来”—— 一线查个班级名额要点 5 步以上，跨业务数据像 “孤岛”，分析师有很多时间被基础问数困扰，没法组织更多精力支撑教学精准决策。

作为从1993年走到现在的教育龙头，新东方也曾面对这些挑战，如今却靠AI+BI实现了 “问数即时出结果、一线自主用数据”。

「数智·渐进力——2025观远数据智能决策峰会暨产品发布会」现场，新东方教育科技集团总公司大数据产品专家李枫，以《AI+BI：新东方从效率提升到精准决策的数智化进阶》为主题，从业务背景与挑战、工具选型与实践、配套支撑与落地、成果总结与进化四大维度，拆解了新东方从 “用数据” 到 “用活数据” 的渐进式路径。分享既包含一线业务痛点的解决细节，也涵盖数智化建设的战略思考，为教育及其他行业企业提供了可复用的实践参考。

新东方教育科技集团总公司大数据产品专家 李枫

一、背景与挑战：从规模扩张到精细运营，业务战略迭代驱动数据能力升级

李枫开篇即明确新东方数智化建设的核心背景——业务战略的迭代驱动数据能力升级。作为成立于1993年的教育龙头企业，新东方集团业务目前已覆盖“教育服务、生活服务、文旅服务”三大领域，但教育板块依旧是其最先布局与最为人熟知的业务板块。推动新东方启动数智化转型的关键，即在于教育行业“双减”政策后的业务重心调整：2019财年时业务还是以“规模扩张”为核心，全年净增152家学习中心，教室总面积同比增长24%；2025财年时则转向“按需布局”教学空间，优先匹配业务增长与运营效率。

在此背景下，业务逐渐提出走向精细化和精准化的要求，对数据的精准度、响应速度也提出更高要求。但三大核心挑战成为了掣肘业务精细化运营的难题：

• 数据孤岛与信息滞后：各业务线数据未完全打通，跨部门取数需多方协调，常规分析无法快速响应业务“即时性需求”。如2019年新东方年会出圈歌曲中的一句歌词——“家长报名五个科目，有五个助教跟着，信息收集五遍家长要炸了”，直接体现了业务增多后数据割裂的问题。

• 传统分析方式费时费力：管理思路依赖分析结论进行验证，但分析师日常被大量的问数需求占用人力，无法聚焦高价值的深度分析，导致决策响应滞后。

• 工具使用门槛较高：尽管观远BI的易用性已经很大程度上降低了使用门槛，但对一些人员来说，查询数据需要经历定位看板、筛选维度、确认指标、设置过滤条件等步骤，还是需要一定学习成本。

“教育业务关联千家万户，若能为一线节省一分钟取数时间，便可将这一分钟投入教学服务优化。”李枫表示，解决上述痛点，释放数据价值，成为新东方数智化进阶的核心目标。

二、选型与实践：以“价值适配”为核心

ChatBI的落地路径

面对上述业务挑战，新东方将突破口锁定在“智能问数工具ChatBI”——通过自然语言交互进一步降低用数门槛，打通“需求-数据-决策”的快速链路。李枫详细拆解了新东方ChatBI工具选型的“三维评价体系”与落地实践细节，凸显“务实适配”的核心逻辑。

1. 工具选型：三大维度锁定观远ChatBI

2025年上半年，新东方启动智能问数工具考察，构建了涵盖“配置管理、数据查询与表达、产品细节打磨”的三级评价体系，最终观远ChatBI以领先优势在3家同期考察的厂商产品中胜出，核心原因聚焦“资产复用、能力适配、权限兼容”三大优势：

• 数据资产零成本复用：新东方已在观远BI积累大量数据资产，选择观远ChatBI可直接复用现有数据资产，无需额外迁移，降低建设成本。

• 复杂查询能力领先：在复杂的多表关联查询场景中，观远ChatBI的准确率与响应速度远优于其他厂商，适配跨业务深度分析需求；

• 权限体系无缝衔接：新东方的BI体系要服务于万名一线用户，权限管理体系十分复杂，观远ChatBI可直接复用现有观远BI的权限体系，避免重复配置。

2. 场景落地：两大典型场景验证ChatBI落地效果

工具选定后，紧接着就是落地实践。李枫首先分享了ChatBI在新东方的应用范围：在功能层，观远ChatBI提供了丰富的产品能力；在场景层，覆盖教育行业六大核心用数场景；在用户层，采用“先试点、后推广”的策略，选定三条业务线试点，覆盖多重用户角色。

李枫以总公司业务运营管理老师、一线校区负责人的用数场景落地价值，呈现了观远ChatBI在新东方的落地效果：

场景1：总公司业务管理运营老师的“高效用数”场景

• 过去：多个用数团队不定期找到数据分析师，分析师找到看板，再发给用数团队，或者需要明确告诉用数团队看板上的查询口径。

• 现在：分析师打开ChatBI主体，用自然语言直接提问，如2025财年每月服务人数和各月占比是多少，即可直接获取数据结果，也可将主题的权限开放给用数团队。

• 价值：减少依赖数据团队，自主完成数据查询，降低沟通成本；快速获取所需数据，支撑即时业务决策。

场景2：一线校区负责人的“简化操作”场景

• 过去：需在观远BI中查找对应看板，且完成正确的筛选，操作步骤需点击5次以上，操作路径较长。

• 现在：找到ChatBI主题，通过ChatBI自然语言提问，如“今年秋季XX校区服务人数是多少”，数据获取路径大幅缩短。

• 价值：无需学习复杂看板操作，降低用数门槛；减少数据查询耗时，将精力更多投入业务执行；简介解放数据团队精力，使其减少基础取数工作。

三、配套支撑：三大核心动作

确保ChatBI“真用起来、用出价值”

工具落地不是终点，让业务团队“持续用、高效用”才是关键。李枫分享到，为了让问数场景真正在业务中落地，新东方数据团队通过“知识库建设、用户赋能培训、系统迭代优化”三大配套动作，构建起ChatBI落地保障体系：

1. 知识库建设：明确边界、梳理规范，奠定用数基础

知识库是ChatBI精准响应的核心，新东方从“工具边界明确、知识字典梳理、问答模板沉淀”三方面推进建设：

• 工具边界明确：通过主题的名称和默认提示词推荐，向用户传达该ChatBI主题的可回答范围，减少超出边界的提问，保障用户对回答结果的信任。

• 知识字典梳理：观远ChatBI能够自动学习数据集的表名、字段的枚举值等，可以让用户将主要精力放在业务知识的维护上。将业务知识分为业务通识、指标口径、维度注释、展示习惯四类，分类梳理维护。

• 问答模板沉淀：收集业务端高频提问案例，在测试问题和错题集进行有效覆盖，提升响应效率。

2. 用户赋能培训：从“授人以鱼”到“授人以渔”

除传统操作手册和沟通群之外，新东方针对不同角色设计了差异化培训内容：

• 针对业务对接人：一般是有观远BI经验的业务分析师，面向其讲解ChatBI的工作原理，以及后台配置用法和技巧，鼓励他们自行搭建业务主题，深化对工具价值的认知。

• 针对一线用户：讲解数据查询场景和案例，演示具体操作，降低学习成本，确保“人人会用”。

3. 系统迭代优化：协同观远团队，构建“问题-迭代”闭环

新东方与观远数据建立定期沟通机制，收集用户使用中的问题并推动系统迭代优化。例如在初期维护知识库时发现多人维护时易出现内容冲突，反馈到观远团队后，通过迭代优化，让AI智能校验知识冲突，问题得以解决。

四、成果与进化：效能提升与人力解放后

AI+BI的两大未来进化方向

经过半年试点，新东方ChatBI落地在效能提升与人力解放方面均取得较大成效，并在四个层面取得核心成功：

• 效率层面：缩短业务端数据获取路径，减少对数据团队的依赖，提升用数便捷性；

• 用户层面：试点用户可自主完成基础数据查询，逐步适应“自然语言问数”的使用模式；

• 团队层面：数据团队逐渐从“重复基础取数”中部分解放，可投入更多高价值业务分析工作；

• 合作层面：与观远数据的合作进一步深化，基于现有BI基础拓展AI能力，实现平稳落地。

在未来进化方向上，李枫结合现阶段实践成果与未来场景期望，提出两大进化方向：

方向一：从“基础问数”到“智能归因”

当前ChatBI已具备“回答数据是什么（问数）”的能力，下一步将向“分析为什么（归因）、建议怎么做（行动）”延伸。但需优先确保数据准确性，保障能100%准确回答用户问题，才能建立用户信任。因此要先聚焦把“问数”做准、做对，夯实基础后再推进“归因与行动建议”能力落地。

方向二：从“试点试用”到“逐步推广”

李枫表示，推广将遵循“从试点信任建立到逐步扩大范围”的思路。当前新东方ChatBI仅在试点业务团队中使用，规模较小。未来将在持续优化系统准确性与稳定性，赢得业务端信任，试点验证成熟后，逐步扩大覆盖范围，向更多业务团队开放。

在未来进化的愿景上，李枫强调，“我们从未想过用工具取代分析师，而是希望让ChatBI成为分析师与一线用户的得力助手”。

五、结语：AI+BI落地并非短期工程

以标杆力量打好数智化持久战

分享的最后，李枫表示，AI+BI不是“一键上线”的短期工程，而是需要跟着业务成长持续打磨的“持久战”。但这场“战役”并不缺少推进的力量，新东方期望以已经落地的标杆场景，让其他业务线直观看到数智化不是技术概念，而是能真正解决业务运营痛点。

未来，新东方将携手观远数据，进一步联动总公司、分校及各子机构，将在试点场景中沉淀的经验与价值“渐进式地复制推广到更多业务线，推动数智化能力走向全业务场景渗透。最终让数据真正成为教学优化、服务升级、决策精准的核心支撑，走好教育行业数智化的每一步。