在当今竞争激烈的商业环境中,企业如同逆水行舟,不进则退。每一个决策都像是航行中的舵手指令,直接决定着企业这艘大船的航向与命运。如何做出精准有效的决策,已成为企业管理者们面临的核心挑战之一。可以说,精准高效的数据分析是企业前行的指明灯,是其在市场中占据一席之地的关键所在。

ChatBI是一种新兴的人工智能技术工具,通常使用NL2SQL(自然语言到SQL)技术,通过大语言模型将用户的自然语言查询转换为SQL语句。然而,目前的NL2SQL技术还远未成熟,尤其是在处理复杂查询和跨表查询时,生成SQL的准确率较低,这直接导致了提数不准的问题。针对以上痛难点问题,数势科技SwiftAgent 推出了统一语义层的架构设计,通过指标语义+标签语义让大模型能够准确理解企业数据,帮助企业开展数据分析工作时,取数更准,分析更快。

统一语义层构建 VS 数据分析不精准

数势科技SwiftAgent 构建了统一的指标与标签语义层,即通过自然语言到指标+标签语义(Natural Language to Metrics&Label)即可实现数据洞察,解决大模型对底层业务语义难理解的问题,同时建立各行业标准、指标、人货场标签等易于理解的语义层。ChatBI通常使用的是NL2SQL的技术路径,即通过大语言模型直接生成SQL缺少了指标和标签层,精准度相差甚远。

多源异构数据链接 VS 数据结构与维度单一化

数势科技SwiftAgent不仅可以将指标、标签一体化,基于人群的多维交叉分析,还实现了多源异构的数据接入,导入文本、Excel、图片、音视频等非结构化知识,基于新闻、政策解读、行业报告等多维度了解数据背后的“因果",如:“导致黄金ETF产品持仓量持续升高的因素或为美国劳工市场有降温迹象,减息预期加强,推动金价上涨等”。SwiftAgent 多源异构数据的链接AI更“懂”数据,提供用户全面分析思路,大幅加强决策精准性。

用户可干预 VS 人机融合的问题

在以往在人机交互沟通中,如用户无法判定明确需求,进行模糊化搜索,往往会出现所答非所问的现象,数势科技SwiftAgent 可通过更自然的方式引导用户,并且将AI思考过程白盒化,用户可以清晰的看到它的“大脑”。用户可以通过“点赞”和“踩”的反馈进行强化学习,不断纠正错误、调整查询,从而更懂用户所想所需,也让分析更准确。如当用户提出“我想看一下最近的销售情况。”这种模糊的数据查询,SwiftAgent会给出“最近7天销售额”、“本月北京地区销售额”等选项供用户选择,用户还可以根据提示重新提问,最终得到他真正想要看的分析内容。ChatBI则无法在互动环节有任何用户可干预的能力与场景,无法更懂用户使用需求。

持续反思学习 VS 学习迭代停滞

SwiftAgent可将所有使用用户过往的问答分析沉淀到知识库,在之后其他用户相似的问询场景中,直接提供结论并提供思考过程。这种不断反思学习的能力,也发挥了大模型最大的特点。随着时间的推移不断进步,SwiftAgent持续反思学习让AI更聪明,全面贴近业务需求。ChatBI虽然接入了大模型但无Agent的能力,无法只需反思学习及白盒化了解其思考过程。

数据计算加速引擎 VS 计算查询效率低及性能弱

SwiftAgent采用了数势科技独创的数据计算加速引擎,可以实现秒级数据查询,真正实现实时的人机交互。底层选用了StarRocks、Doris等数据分析引擎作为执行引擎,在大宽表查询、跨模型关联查询和物化视图等方面性能更好;结合对数据加工和使用场景进行了一系列优化,提供基于视图的预计算能力和基于预计算结果的查询优化能力;数据虚拟化技术,将数据定义和物理数据(业务)解耦,实现指标/标签灵活加工使用,无需排期开发。

成功实施数据分析智能化管理,不仅仅是技术层面的问题,更是为企业建立起一种数据驱动的企业文化。这种文化氛围能够确保数据在企业内部各个层级得到充分的重视和有效利用,使决策过程更加科学、透明和理性。通过引入AI Agent,企业人员可以直达数据,极大地降低了数据使用的门槛,实现了数据的民主化。这种普惠化的数据使用方式,打破了传统的数据壁垒,为企业的数字化转型注入了新的活力,无疑将为企业带来更高效的运营和更优质的服务。


推荐内容