最佳實踐

問答BI 以自然語言對話的方式簡化資料分析流程，使得使用者能夠以自然語言提問並獲取資料洞察，本文以IT部門的視角，提供了一系列正式使用問答BI的最佳實踐：

• 使用前調研：瞭解業務使用者對問答AI的實際需求，以便準備合適的資料和制定推廣/賦能內容

• 業務資料梳理：資料的規範對於 AI 理解使用者提問的語意至關重要，需要保證資料規範

• 問答配置：透過配置同義詞、推薦問題、近似問題等，提升問答相關性和準確性

• 使用者培訓：教授業務使用者如何有效使用問答BI工具

• 問答優化：針對問答效果不好的點調整資料和系統配置，持續進行優化

瞭解業務使用者對問答AI的實際需求，以便準備合適的資料和制定推廣/賦能內容。

可以參考下表設計調研問題：

瞭解到使用者的實際需求後，就可以為業務人員準備問答BI需要使用的資料了。

建立分析主題，IT使用者 將業務資料表新增到主題中，如下圖所示：

資料的規範對於 AI 理解使用者提問的語意至關重要，接下來，將詳細介紹資料表規範。IT 人員可以使用 FineBI 中的資料編輯功能對資料進行處理。

3.1 表結構規範

3.1.1 避免資料冗餘

需要避免資料表中有業務資料冗餘。多表分析時，比起使用 左右合併 製作寬表，更推薦直接使用 主題模型 建立模型關係。

比如，「銷售額表」與「銷售目標表」透過左右合併後獲得的寬表如下圖所示，當使用者問“銷售總目標是多少”時：

• 問答 BI 答覆銷售總目標：1600

• 實際銷售總目標：1100

解決方案：將「銷售額表」與「銷售目標表」拆分在兩張表中，使用 主題模型 建立多表之間的模型關係可避免出現資料冗餘。

3.1.2 調整正確的欄位類型

新增到 FineBI 中的欄位類型系統會自動進行判斷，IT 人員需檢查欄位是否都調整成了正確的欄位類型。例如：

• 銷售額欄位若為正文類型，則無法順利進行相加統計

• 銷售日期若為正文類型，則不能順利計算同比環比

3.2 表頭表值規範

3.2.1 表頭應避免語意交叉

在同一個資料表或同一個模型，應避免表頭之間的語意重疊或混淆。例如：

• 有一個員工資訊表格，原始表頭可能包含“員工職位”和“員工級別”。使用者查詢“進階職位的員工有哪些”時，由於者兩個表頭語意混淆，系統就無法準確召回對應的表頭。為了避免這種情況，可以將表頭重新命名為“職位名稱”和“職位等級”，這樣就能清晰的區分員工等級高低。

3.2.2 表頭表值應規整精煉

1）若表頭或表值需要參與到使用者的提問，則長度應該儘量短和簡潔明瞭（少於10個字），有助於提高系統的試別能力。

2）並且表值內容需要規整，例如：

• 對於「支付方式」表頭，可能列出“銀行轉賬（工商銀行等）”、“信用卡線上支付”、“行動支付（如支付寶）”，這種表述方式包含了不必要的細節。可以統一為“轉賬”、“信用卡”、“行動支付”，以提高篩選和報表生成的效率。

• 對於「省份」表頭，可能列出“廣東省(粵)”、“江蘇省(蘇)”、“遼寧省(遼)”，這種表述方式混合了省份的全稱和簡稱，可能導致檢索時混餚。統一格式，僅顯示標準名稱：“廣東省”、“江蘇省”、“遼寧省”，幫助系統準確識別資訊。

3.3 新增計算欄位

若缺失使用者需要使用的分析欄位，而缺失的欄位可以透過已有欄位計算獲得：

• 在編輯資料中新增欄位補充

• 在組件中新增計算欄位補充
  

IT人員可以提前為業務人員配置同義詞、推薦問題、近似問題等，可以優化業務使用者的提問體驗。

注：IT 人員需要有智慧問答配置的使用權限

4.1 設定同義詞

新增分析主題，可以對主題中的資料表進行「表別名配置」和「近義詞配置」。當使用者的查詢包含這些同義詞時，系統能夠智慧地將查詢請求映射到正確的資料表頭。如下圖所示：

4.2 推薦問題配置

對業務業務調研，確定哪些問題是業務使用者經常查詢的。基於常見查詢和業務需求，可以在「推薦問題配置」中建立推薦問題列表。如下圖所示：

將準備好的問答資料，透過「主題協作」的編輯權限分享給業務使用者，接下來使用者就可以對你準備的資料進行提問了。

5.1 如何使用問答 BI

參考 FineChatBI 使用說明 對使用者進行培訓。

5.2 如何進行提問

5.3 專案計劃表（參考）

為確定問答 BI 工具能持續提供高品質的服務，IT 人員需積極監視並優化系統。若問答效果不好，可提供一下兩個關鍵措施優化：

• 資料表優化：檢查資料表是否符合規範並優化，規範的資料表更有利於AI理解，進而提升問答效果。操作步驟參考本文第 3 節。

• 調整問答配置：調整問答配置中的同義詞、推薦問題、近似問題的配置，提升問答相關性和準確性。