思迈特发布新一代智能BI平台,Smartbi AIChat白泽有何亮点?
商业智能 BI 旨在帮助企业将数据转化为价值,提升经营能力。无论是传统BI还是自助BI,都只能在数据和人之间搭建桥梁,无法消除两者之间的鸿沟。AIGC的出现推动了智能BI的发展,颠覆了人和数据的交互方式,有望减小甚至填平这一鸿沟。另外,目前市面上的大多对话式BI产品以数据查询为主,无法完成深度分析(如诊断、归因、预测)。因此,我们需要一款既能极大降低使用门槛,又能贴合行业提升分析深度的产品。
8月8日,思迈特软件重磅推出一款独立AI应用新品——Smartbi AIChat,又名“白泽”。
白泽源自《山海经》中的一种神兽,传说它通晓万物,拥有无尽的智慧和洞察力,为人们提供解决问题的对策。
Smartbi AIChat拥有精湛的语言理解和转化能力,通晓各行各业、洞察亿万数据。它不仅能够自由、迅速、准确、安全地智能查询,还能深入揭示数据背后的隐藏原因、价值和趋势,并提供切实有效的解决对策,展现出深刻的洞察力。
下面我们就来详细了解一下Smartbi AIChat产品的功能特点和背后的核心技术。
01、白泽的智慧,尽显智能洞察
Smartbi AIChat 极其简单,任何人都可以通过智能问答轻松洞察数据,能够大幅提升 BI 在企业的普及率。不同于其他智能 BI 产品,Smartbi AIChat 不仅提供描述性分析,还能借助提示深入进行诊断性、预测性和指示性分析。
场景1:自然语言对话式查询与交互
Smartbi AIChat能精准地理解意图,并能在多轮对话中保持回复的连贯性、准确性和深入性。无论是管理人员、数据分析师还是业务人员,仅仅只需要自然对话,就能高效、准确地获取业务信息。
通过轻松、自然、随意的聊天形式,与你专属的数字助理亲切对话,让它协助你获取所有希望获取的数据,并按照你希望的任意形式去展现,甚至当数字助理不能够很好理解你的意图时,你还可以直接纠正它、指导它,让数据分析的过程顺利进行下去。
场景2:数据计算能力
在直接问数的过程中,如果希望查询一些在底层数据库中并不能直接查询得到的数据。例如,对于某个指标去年同期值、同比增长率、环比、环比增长率,甚至想要查看某指标从年初至今的累计值、以及按季度、按月的累计值。
Smartbi AIChat具备强大的时间智能计算能力,不仅能够支持同环比、年累计等时间计算,还能理解复杂时间表达如“连续3年”“年累计”。用户通过问句就能轻松进行跨时间的精准筛选、聚合计算和对比分析。
场景3:归因、预测及数据解释
Smartbi AIChat支持归因分析,能够自动识别并给出关键影响因素,用户可据此快速定位原因和制定决策。
用户只需输入简单的问句,例如“分析2023年10月合同金额下降的原因”,Smartbi AIChat就会自动分析产品类型、销售渠道、客户类型、促销活动等维度,找到影响合同下降的关键因素。
基于先进的机器学习算法和AI技术,Smartbi AIChat通过简单的对话操作即可实现数据预测任务,并据此预测未来的数据变化趋势。例如,输入“预测一下未来三个月的合同金额趋势”。另外,大模型还可以进行复杂数据的解读,清晰地总结性描述数据的特征,标识异常数据,甚至指明下一步继续分析的建议。
场景4:复杂嵌套式查询
如果碰到更复杂的业务场景,例如,想要查询指定时间内业绩连续增长的部门有哪些?以及查询该部门内业绩排名靠前的销售人员有哪些?
Smartbi AIChat支持时间段查询,例如,查询“2022年1月到2023年3月的合同额”,在这查出的数据基础上,再做“找出合同金额连续3个月增长的销售分部”等连续增长分析动作,并且基于之前的查询结果,一步步查出更复杂的业务场景,实现嵌套式查询。
目前,Smartbi AIChat可以实现的场景功能基本涵盖了业务用户在日常工作中可能遇到的各种数据分析场景。通过这样的简便交互过程,实现“人人都是数据分析师”的目标指日可待。
02、白泽的领先,源自技术创新
思迈特始终坚持自主创新,专注于大数据分析、机器学习和人工智能的技术研究,走在技术发展的前沿。
目前,市面上的问答式BI产品大多使用LLM和NL2SQL技术,将用户的自然语言查询转换为SQL语句以实现数据查询。这种方式在面对高复杂度和高可信度的数据分析应用时,由于大模型幻觉,会导致出现数据不准确、不安全、计算难、分析不深入等问题。
为解决这些问题,Smartbi AIChat将最前沿的AI技术(RAG+大模型+语义模型+AI Agent架构)与Smartbi的BI能力(可视化分析、机器学习与数据模型等能力)相结合,基于客户的私域行业数据,不但能高效精准识别意图,还能安全准确获取数据,深度分析洞察并预测未来。
第一、专业语义模型,理解私域业务数据
Smartbi的数据模型,能轻松整合多源异构数据,实现复杂数据计算,提高查询性能。而指标模型以数据模型为基础支撑,构建统一的自增长指标体系,沉淀行业Know-How。
Smartbi AIChat把数据模型和指标模型作为语义层,就相当于拥有了保证数据一致准确、快速响应、安全可靠的底层数据引擎,为Smartbi AIChat通晓千行万业提供了数据基础。
第二、RAG检索增强,高效精准识别意图
专业语义层的引入,能让大模型不再胡说八道,结果更加安全可信,但为了进一步理解用户的分析意图,还需要导入更多的客户私有化的业务知识,以及根据用户的使用行为习惯进一步优化。为此,Smartbi AIChat采用了RAG检索增强技术。
对于用户的自然语言问数处理过程,分为多个步骤:
首先,我们利用Embedding技术将数据模型中的指标和维度嵌入到向量数据库中,进一步,将同义词、知识库、业务规则、用户反馈加入到向量库。然后,根据用户的问句,通过向量检索 + 规则 + BERT模型等前置处理技术,缩小查询范围;最后,结合大模型的通识能力进行精准的匹配和DSL转换,转换成Smartbi的模型查询获取数据。
通过RAG技术,大模型不仅能够提高推理能力,增强匹配效率,为Smartbi AIChat通晓千行万业提供了技术基础。
第三、AI Agent智能体,灵活扩展深度分析
大多数BI工具只能解决数据查询问题,用户若想进行更深入的异常检测、归因和预测分析,则需借助专业的机器学习平台。
Smartbi AIChat采用越用越聪明的AI Agent智能体框架。有了AI Agent,就像拥有了一个逻辑清晰又高效的助手。当它收到任务后,会主动思考、识别、规划、拆解和执行。
AI Agent还让Smartbi AIChat具备了非常灵活的扩展能力,比如通过调用Smartbi机器学习产品中丰富的算法插件,Smartbi AIChat能轻松实现深度分析。
第四、计算能力分层,智能实现复杂计算
面对类似“同环比”“连续三个月”“归因”等的复杂计算,Smartbi AIChat通过AI Agent融合Smartbi已有的计算能力,明确计算边界后将其分类。对于数据量大的统计计算,充分利用数据模型强大的计算能力;对于另一部分复杂计算,则通过 Python 在库外执行。
03、白泽的卓越,依托行业积累
思迈特深耕BI行业13年,积累了5000+客户经验,并沉淀了金融、政府、制造、医疗、教育等众多行业的宝贵知识。这些知识以指标模型为载体,形成行业 Know-How,为Smartbi AIChat通晓各行各业提供了坚实的业务基础。同时在语义模型、RAG等技术的支持下,Smartbi AIChat具备丰富的行业管理经验,能为企业提供全面高效可落地的智能BI解决方案。
经过多年的打磨和积累,Smartbi AIChat不仅已经在金融行业、政府机构落地实践,还与大模型厂商达成战略合作。这些标杆客户的成功实践,将为更多企业提供可借鉴的经验和案例,推动整个AI行业的健康发展。
目前,Smartbi AIChat主要是面向数据消费者(业务人员、管理者),通过极简并准确流畅的对话式分析服务,实现更深入的分析。未来,随着AI技术的不断发展和应用,我们希望能面向不同的角色,提供实现更多高级功能,进一步帮助企业降本增效,提升运营效率和决策能力。
页:
[1]