
1. 概述
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。
2. 功能定位
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. 功能概述
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。