预加载配置

1.1 应用场景

管理员通过预加载配置，将重要分析数据（比如核心业务指标等）提前加载到智能问答系统中。

业务用户进入智能问答后无需手动选数据，即可快速对重要数据进行提问，显著提升问答效率。

1.2 功能简介

添加「数据中心」和「分析主题」的数据到预加载配置中。

• 快速响应提问：系统会预加载这些预设的数据，减少用户的等待时间；

• 便于用户选择提问数据：管理员将重要数据添加到预加载数据列表中，方便业务用户快速选择提问的数据，提高选择效率。

• 提前学习维度枚举值：若对维度字段「物料编号」不进行维度学习，当直接询问 AP-02-01有多少库存？ 时，无法得出结果，可在预加载配置中提前学习维度值。

管理员进入「管理系统>智能问答配置」，进入「预加载配置」，如下图所示：

2.1 添加指标维度

管理员可预先配置指标维度数据，使用户进入提问界面时，无需手动选择数据范围，能直接针对预设的指标维度提问，操作步骤如下：

1）添加需要预加载的指标维度数据。

点击「指标维度-编辑」，添加数据，如下图所示：

2）配置用户的提问权限。

添加到预加载数据列表的内容，需要用户具备对应权限才能提问。以允许用户 echo 提问「智能问答数据」为例：

管理员进入「权限管理 > 数据中心」页面，为用户 echo 配置「智能问答数据」的使用权限。

3）效果查看

用户进入提问界面后，切换到「指标维度」，即可对有权限的预加载指标维度进行提问。如下图所示：

2.2 添加分析主题

1）预加载分析主题过多可能会影响性能，管理员可调整预加载主题上限值。如下图所示：

2）添加需要预加载的分析主题。

点击「编辑」，添加主题作为提问时的预设数据，如下图所示：

3）为分析主题添加标签。

点击分析主题的编辑按钮，即可对该主题的进行编辑。下拉选择标签，如下图所示：

需要提前新建好标签才可下拉选择，详情请参见：标签。

4）为分析主题添加简介。

为分析主题增加描述信息，方便其他用户使用时了解主题，支持用户手动输入或者通过「智能扩写」生成。

注：管理员配置大模型后才可使用智能扩写，详情请参见：其他配置（服务配置）

5）配置用户提问权限。

添加到预加载数据列表的分析主题，需要用户具备对应权限才能提问。以允许用户 echo 提问「连锁经营分析」为例：

管理员进入「权限管理 > 智能问答」页面，为用户 echo 配置「连锁经营分析」的使用权限。

6）配置完成后，在 FineChatBI 的提问界面，即可看到标签和简介。

7）业务员用户进入提问界面时，左侧导航栏自动展示权限范围内的预设内容，点击后即可对选择的数据范围进行提问。如下图所示：

3.1 数据格式

对指标字段可以配置数据格式，如下图所示：

3.2 指标属性

提示: 指标维度暂不支持设置指标属性。

为使指标在数据统计中贴合业务实际，避免累加结果无业务参考性的错误，指标被划分为三类：可累加指标、半累加指标、不可累加指标。

• 可累加指标：可在所有维度求和，比如销售额；

• 半累加指标：可在部分维度求和，但通常不按时间维度求和，比如库存数量；

• 不可累加指标：任意维度下的累加均无业务参考性，比如利润率。

点击「指标设置>指标属性」，即可设置当前指标的指标类型。

3.2.1 设置半累加指标

以账户余额明细表为例，「余额金额」是一个半累加指标，它不可在「余额日期」上累加。（ 1 月 1 日的余额 + 1 月 2 日的余额无业务意义）。

1）将「余额金额」设置为半累加指标：

• 不可累加维度：余额日期

• 窗口分组：账户编号、产品类型（表示“同一账户 + 同一产品类型” 为一个分组）

• 取值方式：最大值（表示在 “同一账户 + 同一产品类型” 的分组内，取最大日期的余额）

2）完成上述指标属性配置后，点击「全部刷新」按钮即可生效。如下图所示：

3）在问答界面，提问“余额最高的支行”，系统的计算逻辑为：先按照「账户编号+产品类型」分组取最晚日期的余额，然后再按照支行聚合。如下图所示：

3.2.2 设置不可累加指标

以库存周转表为例，「库存周转率」是一个不可累加指标，在任何维度上累加都无意义。

1）将「库存周转率」设置为不可累加指标。如下图所示：

2）点击「全部刷新」按钮即可生效。

在预加载配置中，学习维度枚举值，可以让用户直接对维度枚举值进行提问。

例如：不学习维度字段「门店编码」，当直接询问 D010101的销售额是多少？ 时，系统会无法识别 D010101 导致无法得出结果。

4.1 学习维度枚举值

• 基础学习：取前 1 万条数据学习（默认选择）

具体逻辑：对取到的前 1 万条数据进行去重后，基于去重结果学习维度，数据多的情况下可能会学习不到全部维度。

例如，使用基础学习方式学习「门店编码」，假设前 1 万条数据中只涵盖了部分门店，当询问涉及未在这 1 万条数据中的门店相关问题时，系统就无法准确回答。

• 全量学习：取全部数据学习，但会增加性能负担

具体逻辑：对全部数据进行去重，然后选取去重后的前 10 万条维度进行学习。

例如，使用全量学习方式学习「门店编码」 维度，可以确保对所有「门店名称」进行去重处理后，选取前 10 万条维度进行学习，这样在回答关于各种客户名称的问题时，能更全面准确。

注：若选择全量学习，需要设定字符数上限，超过字符数上限的维度枚举值将被忽略。

• 不开启维度学习
  

当有些维度值没有提问场景，比如说字段存储的是具体的评论内容，那么可以关闭维度学习。

不开启维度学习，是否有办法对这些维度值进行提问呢？例如对「门店编码」不进行维度学习，当直接询问 D010101销售额多少？ 时，我们无法得出结果，因为系统未对「门店编码」 这个维度进行学习，不识别D010101 这个维度值。此时有以下几种方式：

• 添加“是、为、属于”等关键词，例如：门店编码为 D010101 的销售额是多少
  

• 使用引号，例如：门店编码“D010101”的销售额是多少

4.2 开启维度值模糊匹配

开启维度学习后，管理员还可以对这些维度字段设置是否开启「模糊匹配」。可以实现以下类似场景：

• 给「客户名称」字段开启模糊匹配，当提问帆软软件的销售额是多少，会自动匹配到 帆软软件有限公司的销售额是多少

• 给「省份」字段开启模糊匹配，当提问江苏的销售额是多少，会自动匹配到 江苏省的销售额是多少

配置完成后需点击「保存」。

4.3 大小写敏感

「大小写敏感」控制维度值大小写的匹配规则：

• 开启时：系统会严格区分字母的大小写。例如，“ABC” 和 “abc” 会被视为不同的文本，在关键词匹配、维度值关联等场景下，只有完全大小写一致，才会被判定为匹配。

• 关闭时：系统忽略字母的大小写差异，“ABC” 和 “abc” 会被视为相同内容进行匹配。

由于数据库中的数据是会变动的，所以需要刷新预加载数据中维度值，确保智能问答能获取到最新的维度值。

• A自动刷新：设置自动刷新的频率，系统会按照设置的频率定时获取最新的维度值

• B全部刷新：立即刷新数据列表的数据，获取最新的维度值

• C具体主题的刷新：点击具体主题的刷新，即可立即刷新当前主题的数据，获取最新的维度值