FineChatBI 简介

FineChatBI 是帆软新推出的一款利用人工智能技术，可帮助用户通过对话实现可信查数，进一步降低数据分析门槛。

FineChatBI 从「降低数据消费门槛」方向，为老板、数据分析师、一线业务服务

• 用户能够通过提问的方式获得可信的数据结果。

• 能够利用FineBI的数据分析底座完成业务分析闭环。

3.1 使用主题模型定义数据源

FineChatBI 基于 BI 底座，利用 BI 的主题模型，通过在主题中设置表与表之间的模型关系，实现高效的多表分析。可根据实际需要分析的问题，自由切换主题和模型，FineChatBI 依据用户的选择的主题和模型进行回答，从而提升数据质量和问答可信度，有效避免答非所问。

3.2 意图解析与调整

FineChatBI 支持通过自然语言提问来自动生成相应的业务分析图表。用户可以自定义图表生成规则，以便在问答过程中随时对指标口径进行修改，从而实现即时的过程纠偏。

3.3 问答思路拆解及相似问题推荐

FineChatBI 将意图模糊的问题通过模型与相似问题进行解析，依据可靠性最高的回答生成分析思路与可视化组件进行展示。

用户可以通过对解析思路进行分析来判断分析结果是否合需求，若不符合需求，可点选生成的推荐问题进行提问。

3.4 模糊字段联想与匹配

FineChatBI 对所输入的问题进行解析，如果识别到模糊不确定的字段，则会触发联想匹配字段枚举值，并返回给用户进行确认，从而进⼀步提升问答精准度。

3.5 归因分析

多维度拆解分析是定位问题原因的有效分析方法之一，而当分析时拆解的维度过多时，分析就失去了焦点，要么找不到出现问题的原因，要么感觉每个维度都可能有问题。

FineChatBI 支持对如下问题进行归因分析，挖掘关键影响因子，点击指标值，找到影响该指标值的重要因子，针对性拆解维度进行分析，提高分析效率。

1）包含时间及单个指标问题，可以自动检测异常点。例如：2023年每个月的销售额。

2）包含单个分组及单个指标的问题，可以通过点击组件上的点进行归因分析。例如：每个城市的销售额。

3）可以通过问答，对段状或者点状时间及指标进行归因分析。例如：2023年9月的销售额为什么这么高？ 

3.6 明细下钻

FineChatBI 支持用户在问答的对话中，通过点击图表组件上的数据点，选择对应的维度进行明细下钻，从而进行深入分析。同时支持在归因分析后，可以针对不同的维度进行明细下钻分析。

3.7 多轮问答

FineChatBI 支持在问答中不断进行分析，通过问答渐渐明晰数据分析的结果。在业务应用中用户经常携带着模糊但连贯的业务分析思路进行分析，智能问答 BI可以通过逐渐连续的问答，帮助用户逐步获取数据分析思路，渐进地揭示分析结果。

3.8 预测问法

对于复杂数据的进行分析时，FineChatBI 支持通过折线图对数据进行预算，帮助业务人员对未来的趋势走向进行预测分析。

注：历史数据越多预测准确率越高。

3.9 生成仪表板

FineChatBI 支持将问答的可视化组件生成仪表板进行保存，以便于进行后续更深入的分析或将分析内容进行发布展示。