当前位置: 首页 > news >正文

从简单分析到智能问数,Smartbi AIChat让数据回归业务

a70b4e46310ce123afb52ad3d035bb1d.jpeg

7332cc3afc706a1da8ea849bfc35b275.jpeg

a8ae1734d8a52cdca5073d8820619d86.png




大数据产业创新服务媒体

——聚焦数据 · 改变商业


在某科技公司,资深数据分析师李晨(化名)正忙于分析新产品的市场表现。面对传统自助式BI工具,李晨在功能界面中手动设置各种查询条件,进行了一番复杂的拖拉拽操作,有时甚至还需要编写SQL语句。即便是像他这样经验丰富的分析师,也不得不耗费大量时间进行数据准备和手动分析。

其实,李晨遇到的情况很普遍。传统的自助式BI和报表工具虽然能够帮助用户自主查询数据,但操作复杂,要求用户具备较强的数据分析能力和技术背景。对于很多企业的业务人员来说,BI工具的高门槛让他们难以从数据中获取真正的价值。

随着大语言模型的引入,对话式BI工具应运而生。这类工具通过自然语言交互,让用户只需用简单的文字提问,系统即可自动生成数据分析结果。相比传统BI工具,大大缩短了数据与业务的距离,极大提高了数据的可用性和分析效率。

更进一步,用户不仅需要了解当前数据,还渴望通过归因分析找到问题根源,并通过预测分析掌握未来趋势。这些高级需求,正是未来对话式BI的发展方向。

为了满足用户更深层次的业务需求,Smartbi推出了基于大模型的新一代智能BI产品——Smartbi AIChat白泽。这款产品不仅解决了数据一致性、准确性和效率问题,还让对话式BI从简单查询迈向归因、预测等高级分析阶段,帮助企业深入挖掘数据背后的业务价值。

接下来,让我们看看Smartbi AIChat白泽能做些什么。

对话式BI那么多,Smartbi AIChat有什么不一样?

为了更加形象地了解白泽这款产品,我们不妨先对产品做演示测试。看它是否可以真正地帮助数据分析人员和业务人员实现快速地数据获取、数据分析和数据理解等目标。

我们首先用Smartbi AIChat对某公司的销售数据进行分析,看看能发现什么有趣的规律。在导入模拟数据后,首先查询2023年各月份的合同金额及同比状况,如下图所示。

9dc53a6baf295b5b4c50aa25523108b9.gif

(测试数据的展示,来源:数据猿制作)

从图中数据不难发现,在2023年10月,合同金额出现了比较大的下降,这里出现了一个异常值,Smartbi会如何解释、发现这个异常值呢?不妨先让Smartbi AIChat做分析,如下图所示。

965e9b1b3e699c56ed21eb145625c0ba.gif

(Smartbi AIChat对异常值的分析,来源:数据猿制作)

从图中的分析可以看出,模型先进行了多维度的计算,通过分析多个维度下指标的相关性,计算综合影响指标,并且将各个影响因子以图形化的方式展现,可以非常直观地看出数值下降的原因。这也是Smartbi AIChat的一个重要特征,其强大的归因分析能力,让用户不仅知其然,还能知其所以然。

a48a2331842dc3559d9cb69bfc392b01.png

在知道了问题的原因后,不妨让它预测一下未来三个月的合同金额变化。这就需要用到Smartbi AIChat的另一个技能,即预测分析,如下图所示。

3cf6fd8d6952f08dc5a9e40e59f7c7f0.gif

(Smartbi AIChat对未来增长预测的分析,来源:数据猿制作)

这里的分析方式与上一步的归因分析明显不同,在预测中,模型运用时间序列预测方式,对未来三个月的合同金额做预测。图中红线部分是模型的预测,粉色区间是预测的置信区间。

在上述测试中,最终生成的图表、数据和专业概念都比较多,对于有数据分析专业知识的人或许还可以理解,但是对于非专业人士可能就会略有难度。接下来,我们不妨让模型再解释一下这些数据指标,看它能不能“说人话”。

e7b89cfe4a1f3fb57cf1b7398f0f5e1e.gif

(Smartbi AIChat对数据指标的解释,来源:数据猿制作)

如上图所示,我们发现,其实它解读的内容,已经超越了一般业务人员的水平,而且对于其中的很多专业概念,比如:置信区间、波动性、显著峰值等,它都给出了非常完整、专业、通俗的解释,即使没有接触过数据分析的业务人员,也可以通过这些解释理解数据的内涵和未来的预测趋势。

经过此番测试后发现,Smartbi AIChat确实可以成为连接人与数据的桥梁,让普通人也能清楚地了解数据背后的含义和深层的业务逻辑。

完成测试之后,很多人的内心不禁会问:为什么Smartbi AIChat能懂我,它背后的运作原理是什么,优势又在哪里?

Smartbi AIChat是如何做到的?

在数据分析的世界里,对话式分析就像是为数据“开了一扇聊天窗口”。用户通过自然语言提问,系统则像一位聪明的助手,将复杂的数据库查询转换成易懂的结果。但别以为这就是简单的问答游戏!背后可藏着不少技术玄机。

目前市场上常见的对话式分析工具主要有几种技术路线,各有各的“招数”,但也各有短板。

83741b8edee65fbbcc0429aa4483d6f0.png

(常用对话式分析技术路线对比,来源:思迈特软件)

NL2SQL 就像是一个超级聪明的服务员。你说:“我想要看看今年第二季度华东和华北的销售数据。”这位服务员就会立刻去厨房(数据库)为你下单,送上你要的数据,简单高效,尤其适合日常的查询任务。然而,面对复杂的分析请求,比如数据间的深层关系或者预测分析,这位服务员就有点“力不从心”了。SQL语句一复杂,系统就可能应付不过来,再加上安全性问题,这位服务员可能还会让你担心信息泄露。

接下来,我们看看DSL,这是一个更为“专业”的对话助手。你可以把它想象成某个领域的专家,你提问时,专家用专业的术语和方法为你解答。这位专家精准且可靠,能够处理更复杂的请求。但培养一位真正的领域专家并不容易,需要大量的训练和维护。这个过程就像是精心培养一位高水平的顾问,既费时又费力。

还有指标库+ChatBI,它就像是为你准备了一份详尽的菜单,你只需从中挑选合适的指标,系统便能快速给出答案。这种方法在准确性和权限管理上表现不俗,但其灵活性不足。如果你的问题超出了菜单范围,系统就可能无从下手。而且,如果你想要更动态的数据分析,指标库的限制也让人有些无奈。

ff0029f27984211887e6a6f06b25992c.png

这时,Smartbi AIChat则是一个全新的智能分析助手。它不再只是“服务员”或“某领域专家”,更像是一位拥有“超级大脑”和“超强眼睛”的数据魔法师。

当你提出复杂问题时,Smartbi AIChat通过规划器将问题拆解成多个子任务,然后由代码解释器将这些任务转化为系统可以理解的指令,最后由代码执行器完成任务。整个过程就像一部精密的机器,不断调整和优化,确保最终结果的准确和可靠。

2f813a22da4f7c5d1e79320db85273d9.png

(Smartbi AIChat实现原理,来源:思迈特软件)

更酷的是,Smartbi AIChat能够“自我纠错”。如果某个环节出错,系统会自动调整策略,重新执行任务,就像一位灵活的项目经理,不断调整计划以确保目标的达成。而且,用户也可以随时参与进来,提供反馈和修正,让分析结果更加符合实际需求。

也正是这些技术创新,让Smartbi AIChat能在归因分析、预测分析等方面做出差异化,这让它在众多对话式BI工具中脱颖而出,为数据分析带来了全新的可能性。

让数据真正服务于业务

数据分析早已成为企业运营的标配,但随着市场环境的飞速变化,如何满足用户不断升级的需求仍然是行业面临的难题。试想一下,如果文章开头那个场景中,李晨手中有了Smartbi AIChat,他的工作方式将发生怎样的变化?过去,他需要花费大半天的时间手动处理数据、编写代码,只为得到一个初步的分析结果。

5519351ac343ae0fffa761f80b9caf9c.png

现在,有了Smartbi AIChat,这些繁琐的过程被大大简化。几分钟内,李晨就能获得精准的答案。他可以将更多的时间用于战略性思考和决策。这种效率提升,犹如为他配备了一位智慧助手,从单调乏味的工作中彻底解放出来。

近年来,如ChatGPT这样的AI工具掀起了一股热潮,个人和企业用户都在积极拥抱数智化转型。然而,能真正将AIGC和大模型应用于商业场景的工具却屈指可数。Smartbi AIChat这类对话式BI工具,正是其中的佼佼者。它不仅能迅速回答用户的问题,还能将AIGC的潜力深度融合进商业智能,打破传统BI的局限,提供全新的数据交互方式。

这一切的背后,都是思迈特多年行业积累、技术钻研和不断创新的成果。作为商业智能领域的老牌玩家,思迈特可不是一夜成名的“流量明星”,而是经过了多年的沉淀和磨练。多年来,思迈特在BI技术的深海中不断探索,不仅积累了大量行业经验,还锻造了处理复杂数据的能力。从最初的BI工具开发到今天的智能分析平台,思迈特一直走在技术前沿,致力于将最先进的技术转化为实际应用的利器。

在这个过程中,思迈特也从不忽视对产品的精细打磨,与各行各业的客户深度合作,真正将客户真实的业务需求融入到产品功能升级中,确保Smartbi AIChat不仅是一个“聪明的工具”,更是一个“好用的工具”。经过无数次的实战检验,Smartbi AIChat在准确性、易用性和用户体验上都表现出了超群的实力。这种“工匠精神”不仅让它能够快速响应复杂的数据分析需求,也赢得了众多客户的青睐。

Smartbi AIChat这样的数据分析工具,不论是对业务分析还是企业管理,都将带来深远的影响。

对于数据分析师来说,Smartbi AIChat就像是一个得力的助手,帮他们摆脱了繁琐的工作,直接进入数据分析的核心战场。分析师们终于可以放开手脚,专注于真正的“头脑风暴”——发现数据中隐藏的宝藏。Smartbi AIChat不仅能做因果分析、预测分析,还能帮你揭示那些埋藏得最深的商业洞察。

在企业管理层面,Smartbi AIChat不仅是一个工具,更像是为每位员工配备了一位智能的“数据助理”。无论是一线员工还是高层管理者,都可以随时查询和解读数据。这种数据分析能力的普及,不仅降低了门槛,还在企业内部建立起统一的数据理解基础,实现了真正意义上的“统一思想”。各部门之间的沟通更加顺畅,整体运营效率也随之提升。这种变化,就像为一个大型作战团队建立了统一的语言,每个成员都能高效、准确地执行任务。

值得关注的是,AI大模型与BI的融合创新才刚刚起步,接下来的旅程将更加激动人心。以思迈特的Smartbi AIChat为例,现在肯定不是它的终极形态,接下来我们将见证它的不断成长。这类工具将变得越来越强大,其在推动企业数智化升级甚至数字经济建设方面,将发挥越来越重要的作用。

扫描下方二维码立即申请试用

6388c9b2af8d43097f724fab5439b23c.png

81db046526cfb587b5de1f8425aead17.jpeg

文:赢家 / 数据猿
责编:凝视深空 / 数据猿

43e0d88ebd60c9de576ecc475bdac0d3.jpeg

717e1adde76dc2c50a8723ef8ef9258e.png

0eeeb1b12d5d27cdb522d24a4d7658c0.png

f14ed51bc4a72566589897c92ac7ffe6.png

相关文章:

从简单分析到智能问数,Smartbi AIChat让数据回归业务

大数据产业创新服务媒体 ——聚焦数据 改变商业 在某科技公司,资深数据分析师李晨(化名)正忙于分析新产品的市场表现。面对传统自助式BI工具,李晨在功能界面中手动设置各种查询条件,进行了一番复杂的拖拉拽操作&#…...

基于SpringBoot+Vue+MySQL的考编论坛网站

系统展示 用户前台界面 管理员后台界面 系统背景 在当前信息化高速发展的时代,考编已成为众多求职者的重要选择。然而,备考过程中信息获取、经验交流及资源分享的需求日益凸显。基于SpringBoot、Vue.js与MySQL构建的考编论坛网站应运而生,旨在…...

SpringSecurity剖析

1、SpringSecurity 入门 1.1、简介 Spring Security是一个功能强大且高度可定制的身份验证和访问控制框架。它是用于保护基于Spring的应用程序的实际标准。Spring Security是一个框架,致力于为Java应用程序提供身份验证和授权。与所有Spring项目一样,Sp…...

一文搞懂 Flink Graph 构建过程源码

一文搞懂 Flink Graph 构建过程 1. StreamGraph构建过程1.1 transform(): 构建的核心1.2 transformOneInputTransform1.3 构造顶点1.4 构造边1.5 transformSource1.6 transformPartition1.7 transformSink 1. StreamGraph构建过程 链接: 一文搞懂 Flink 其他重要源码点击我 e…...

【spring】IDEA 新建一个spring boot 项目

参考新建项目-sprintboot 选择版本、依赖,我选了一堆 maven会重新下载一次么?...

LeetCode[简单] 搜索插入位置

给定一个排序数组和一个目标值,在数组中找到目标值,并返回其索引。如果目标值不存在于数组中,返回它将会被按顺序插入的位置。 请必须使用时间复杂度为 O(log n) 的算法。 思路:类似与二分查找 唯一需要注意的是,搜索…...

(代码可运行)Bootstrap框架的HTML示例

Bootstrap&#xff1a;一套流行的前端开发框架&#xff0c;基于HTML、CSS和JavaScript&#xff0c;适用于快速构建响应式Web应用。 以下是一个使用Bootstrap构建的简单响应式Web应用的HTML示例&#xff1a; <!DOCTYPE html> <html lang"en"> <head&…...

IntelliJ IDEA 2024创建Java项目

一、前言 本文将带领大家手把手创建纯Java项目&#xff0c;不涉及Maven。如有问题&#xff0c;欢迎大家在评论区指正说明&#xff01; 二、环境准备 名称版本jdk1.8idea2024 1.4操作系统win10 jdk的安装教程 idea的安装教程 三、创建项目 首先我们点击新建项目 然后我们…...

Python之 条件与循环(Python‘s Conditions and loops)

&#x1f49d;&#x1f49d;&#x1f49d;欢迎来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;希望您在这里可以感受到一份轻松愉快的氛围&#xff0c;不仅可以获得有趣的内容和知识&#xff0c;也可以畅所欲言、分享您的想法和见解。 推荐:Linux运维老纪的首页…...

C++学习,多态纯虚函数

多态字面意思是多种形态&#xff0c;当类之间存在层次结构&#xff0c;并且类之间是通过继承时&#xff0c;就会用到多态。多态允许通过基类指针或引用来调用派生类中的成员函数。这种机制允许函数&#xff0c;在运行时根据对象的实际类型来确定执行哪个函数&#xff0c;从而实…...

飞速(FS)与西门子联合打造交换机自动化灌装测试生产线

2024年9月&#xff0c;备受信赖的信息通信技术&#xff08;ICT&#xff09;解决方案提供商飞速&#xff08;FS&#xff09;与工业自动化领域的领先企业西门子公司正式宣布&#xff0c;双方共同打造的ILTP&#xff08;智能灌装测试平台&#xff09;和自动化生产线将正式启动。此…...

Vue组合式API:setup()函数

1、什么是组合式API Vue 3.0 中新增了组合式 API 的功能&#xff0c;它是一组附加的、基于函数的 API&#xff0c;可以更加灵活地组织组件代码。通过组合式 API 可以使用函数而不是声明选项的方式来编写 Vue 组件。因此&#xff0c;使用组合式 API 可以将组件代码编写为多个函…...

Redis底层数据结构(详细篇)

Redis底层数据结构 一、常见数据结构的底层数据结构1、动态字符串SDS&#xff08;Simple Dynamic String&#xff09;组成 2、IntSet组成如何保证动态如何确保有序呢? 底层如何查找的呢? 3、Dict(dictionary)3.1组成3.2 扩容3.3 收缩3.4 rehash 4、ZipList连锁更新问题总结特…...

树和二叉树基本术语、性质

总结二叉树的度、树高、结点数等属性之间的关系&#xff08;通过王道书 5.2.3 课后小题来复习“二叉 树的性质”&#xff09; 树的相关知识 叶子结点的度0 层次默认从1开始 有些题目从0 开始也不要奇怪 常见考点1&#xff1a;结点数总度数&#xff0b;1 常见考点2&#xff1…...

FEDERATED引擎

入门 MySQL引擎主要有以下几种&#xff1a; MyISAM&#xff1a;这是MySQL 5.5.5之前的默认存储引擎&#xff0c;不支持事务、外键约束和聚簇索引&#xff0c;适用于读多写少的场景。InnoDB&#xff1a;这是MySQL 5.5.5之后的默认存储引擎&#xff0c;支持事务、外键约束、行级…...

Android NDK工具

Android NDK工具 Android NDK Crash 日志抓取及定位 NDK-STACK 定位 NDK Crash 位置 只要执行如下代码就行&#xff1a; adb logcat | ndk-stack -sym /yourProjectPath/obj/local/armeabi-v7aPS: 必须是带symbols的so&#xff0c;也就是在’\app\src\main\obj\local\下面的…...

使用 Docker 进入容器并运行命令的详细指南

Docker 是一款开源的容器化平台&#xff0c;它可以将应用程序和依赖环境打包到一个可移植的“容器”中&#xff0c;以保证应用不受运行环境的影响。使用 Docker 容器化应用后&#xff0c;有时需要进入容器内部执行一些命令进行调试或管理。 一、Docker 基础命令 在开始进入容…...

【人工智能】OpenAI最新发布的o1-preview模型,和GPT-4o到底哪个更强?最新分析结果就在这里!

在人工智能的快速发展中&#xff0c;OpenAI的每一次新模型发布都引发了广泛的关注与讨论。2023年9月13日&#xff0c;OpenAI正式推出了名为o1的新模型&#xff0c;这一模型不仅是其系列“推理”模型中的首个代表&#xff0c;更是朝着类人人工智能迈进的重要一步。本文将综合分析…...

Spring Boot-版本兼容性问题

Spring Boot 版本兼容性问题探讨 Spring Boot 是一个用于构建微服务和现代 Java 应用的流行框架&#xff0c;随着 Spring Boot 版本的更新和发展&#xff0c;它在功能、性能和安全性上不断提升。但与此同时&#xff0c;Spring Boot 的版本兼容性问题也逐渐成为开发者必须关注的…...

Java原生HttpURLConnection实现Get、Post、Put和Delete请求完整工具类分享

这里博主纯手写了一个完整的 HTTP 请求工具类,该工具类支持多种请求方法,包括 GET、POST、PUT 和 DELETE,并且可以选择性地使用身份验证 token。亲测可用,大家可以直接复制并使用这段代码,以便在自己的项目中快速实现 HTTP 请求的功能。 目录 一、完整代码 二、调用示例…...

生成xcframework

打包 XCFramework 的方法 XCFramework 是苹果推出的一种多平台二进制分发格式&#xff0c;可以包含多个架构和平台的代码。打包 XCFramework 通常用于分发库或框架。 使用 Xcode 命令行工具打包 通过 xcodebuild 命令可以打包 XCFramework。确保项目已经配置好需要支持的平台…...

JVM垃圾回收机制全解析

Java虚拟机&#xff08;JVM&#xff09;中的垃圾收集器&#xff08;Garbage Collector&#xff0c;简称GC&#xff09;是用于自动管理内存的机制。它负责识别和清除不再被程序使用的对象&#xff0c;从而释放内存空间&#xff0c;避免内存泄漏和内存溢出等问题。垃圾收集器在Ja…...

学习STC51单片机31(芯片为STC89C52RCRC)OLED显示屏1

每日一言 生活的美好&#xff0c;总是藏在那些你咬牙坚持的日子里。 硬件&#xff1a;OLED 以后要用到OLED的时候找到这个文件 OLED的设备地址 SSD1306"SSD" 是品牌缩写&#xff0c;"1306" 是产品编号。 驱动 OLED 屏幕的 IIC 总线数据传输格式 示意图 …...

3403. 从盒子中找出字典序最大的字符串 I

3403. 从盒子中找出字典序最大的字符串 I 题目链接&#xff1a;3403. 从盒子中找出字典序最大的字符串 I 代码如下&#xff1a; class Solution { public:string answerString(string word, int numFriends) {if (numFriends 1) {return word;}string res;for (int i 0;i &…...

【C++从零实现Json-Rpc框架】第六弹 —— 服务端模块划分

一、项目背景回顾 前五弹完成了Json-Rpc协议解析、请求处理、客户端调用等基础模块搭建。 本弹重点聚焦于服务端的模块划分与架构设计&#xff0c;提升代码结构的可维护性与扩展性。 二、服务端模块设计目标 高内聚低耦合&#xff1a;各模块职责清晰&#xff0c;便于独立开发…...

LRU 缓存机制详解与实现(Java版) + 力扣解决

&#x1f4cc; LRU 缓存机制详解与实现&#xff08;Java版&#xff09; 一、&#x1f4d6; 问题背景 在日常开发中&#xff0c;我们经常会使用 缓存&#xff08;Cache&#xff09; 来提升性能。但由于内存有限&#xff0c;缓存不可能无限增长&#xff0c;于是需要策略决定&am…...

计算机基础知识解析:从应用到架构的全面拆解

目录 前言 1、 计算机的应用领域&#xff1a;无处不在的数字助手 2、 计算机的进化史&#xff1a;从算盘到量子计算 3、计算机的分类&#xff1a;不止 “台式机和笔记本” 4、计算机的组件&#xff1a;硬件与软件的协同 4.1 硬件&#xff1a;五大核心部件 4.2 软件&#…...

React从基础入门到高级实战:React 实战项目 - 项目五:微前端与模块化架构

React 实战项目&#xff1a;微前端与模块化架构 欢迎来到 React 开发教程专栏 的第 30 篇&#xff01;在前 29 篇文章中&#xff0c;我们从 React 的基础概念逐步深入到高级技巧&#xff0c;涵盖了组件设计、状态管理、路由配置、性能优化和企业级应用等核心内容。这一次&…...

[USACO23FEB] Bakery S

题目描述 Bessie 开了一家面包店! 在她的面包店里&#xff0c;Bessie 有一个烤箱&#xff0c;可以在 t C t_C tC​ 的时间内生产一块饼干或在 t M t_M tM​ 单位时间内生产一块松糕。 ( 1 ≤ t C , t M ≤ 10 9 ) (1 \le t_C,t_M \le 10^9) (1≤tC​,tM​≤109)。由于空间…...

【大模型】RankRAG:基于大模型的上下文排序与检索增强生成的统一框架

文章目录 A 论文出处B 背景B.1 背景介绍B.2 问题提出B.3 创新点 C 模型结构C.1 指令微调阶段C.2 排名与生成的总和指令微调阶段C.3 RankRAG推理&#xff1a;检索-重排-生成 D 实验设计E 个人总结 A 论文出处 论文题目&#xff1a;RankRAG&#xff1a;Unifying Context Ranking…...