ChatBl有什么用，看这篇就够了!
商业智能BI的初衷，就是帮企业把数据变成真正的价值，从而提升经营能力。但不管是传统BI还是后来流行的自助BI，说到底都只是在数据和人之间搭了座桥，桥是有了，可人和数据之间的那道鸿沟，依然横在那里。直到AIGC的出现，才真正开始碘伏人和数据的交互方式，让填平这道鸿沟变成了可能。
不过话说回来，现在市面上大多数打着对话式BI旗号的产品，基本都停留在数据查询这个层面，真要搞个诊断、归因、预测这样的深度分析，就使不上劲了。所以，市场上缺的是一款既能极大降低使用门槛，又能贴合具体行业、把分析深度做上去的产品。
今天我们就来聊聊国内商业智能BI和AI应用领域的厂商——思迈特软件最新推出的独立AI应用：
Smartbi AIChat白泽
白泽这个名字，源自《山海经》里一种通晓万物、拥有无尽智慧和洞察力的神兽，专为世人提供解决问题的对策。Smartbi AIChat取这个名字，倒也贴切。它拥有出色的语言理解和转化能力，通晓各行各业，能够洞察亿万数据。不仅能
自由、迅速、准确、安全
隐藏原因、价值和趋势
白泽的智慧，尽显智能洞察
Smartbi AIChat的使用极其简单，任何人通过智能问答就能轻松洞察数据，这对于提升BI在企业内部的普及率，效果是立竿见影的。和其他智能BI产品不太一样的是，它不止能做描述性分析，还能借助提示词深入进行诊断性、预测性和指示性分析，层次感更强。
场景1：自然语言对话式查询与交互
Smartbi AIChat能精准理解用户的意图，在多轮对话中始终保持回复的连贯性和深入性。不管是管理人员、数据分析师还是没有技术背景的业务人员，只要会用自然语言对话，就能高效、准确地获取业务信息。它就像一个随时待命的专属数字助理，跟你进行轻松、自然、随意的聊天。你想看什么数据，直接说出来就行，它会按照你希望的形式去展现。甚至它没理解对的时候，你还可以直接纠正它、指导它，让数据分析的过程顺畅地进行下去。
场景2：数据计算能力
在直接问数的过程中，经常会遇到一种情况：查的数据并不是底层数据库里直接存储的。比如想看看某个指标去年同期的值是多少，同比增长率是多少，环比、环比增长率是多少，甚至想看看某指标从年初到现在的累计值，或者按季度、按月的累计值。Smartbi AIChat依靠强大的时间智能计算能力，不仅支持同环比、年累计这类常规时间计算，还能理解“连续3年”“年累计”这种复杂的时间表达。用户只需在问句里把条件说清楚，就能轻松完成跨时间的精准筛选、聚合计算和对比分析。
场景3：归因、预测及数据解释
Smartbi AIChat支持归因分析，能自动识别出关键影响因素，帮助用户快速定位原因、制定决策。举个例子，你只需要输入“分析2023年10月合同金额下降的原因”，它就会自动从产品类型、销售渠道、客户类型、促销活动等多个维度进行分析，找出影响合同下降的关键因素。同时，基于先进的机器学习算法和AI技术，它还能通过简单的对话操作完成数据预测任务。比如输入“预测一下未来三个月的合同金额趋势”，结果就出来了。另外，大模型还可以对复杂数据进行解读，清晰总结数据特征，标识异常数据，甚至给出下一步继续分析的建议。
场景4：复杂嵌套式查询
当遇到更复杂的业务场景时，Smartbi AIChat也能应对。比如你想查询指定时间内，业绩连续增长的部门有哪些，以及这些部门里业绩排名靠前的销售人员是谁。它支持时间段查询，比如先查询“2022年1月到2023年3月的合同额”，然后基于这个结果，再进一步要求“找出合同金额连续3个月增长的销售分部”，一步步深入，实现嵌套式查询。
目前，Smartbi AIChat覆盖的场景功能，基本囊括了业务用户在日常工作中可能遇到的各种数据分析场景。通过这样简便的交互过程，“人人都是数据分析师”这个目标，确实不再是遥不可及的愿景了。
白泽的领先，源自技术创新
思迈特始终坚持自主创新，在数据分析、机器学习和人工智能的技术研究上投入颇多，一直走在技术发展的前沿。目前市面上很多问答式BI产品，主要用的是LLM和NL2SQL技术，把用户的自然语言查询转换成SQL语句去查数据。这种方式在面对高复杂度、高可信度的数据分析时，受大模型幻觉的影响，很容易出现数据不准确、不安全、计算难、分析不深入等一系列问题。
为了解决这些问题，Smartbi AIChat把当下最前沿的AI技术——RAG、大模型、语义模型、AI Agent架构——和Smartbi自身的BI能力（可视化分析、机器学习与数据模型等）深度结合。基于客户的私域行业数据，它不仅能高效精准地识别意图，还能安全准确地获取数据，完成深度分析洞察，甚至预测未来。
专业语义模型，理解私域业务数据
Smartbi的数据模型，能够轻松整合多源异构数据，实现复杂数据计算，提升查询性能。而指标模型则以数据模型为基础，构建起统一、自增长的指标体系，把行业Know-How沉淀下来。把数据模型和指标模型作为语义层，就相当于拥有了一个能保证数据一致准确、响应快速、安全可靠的底层数据引擎，这为Smartbi AIChat通晓千行万业打下了坚实的的数据基础。
RAG检索增强，高效精准识别意图
专业语义层的引入，已经让大模型不再胡说八道，结果更加安全可信。但为了进一步理解用户的分析意图，还需要导入更多客户私有化的业务知识，并根据用户的使用习惯持续优化。为此，Smartbi AIChat采用了RAG检索增强技术。整个处理过程分为多个步骤：首先，利用Embedding技术将数据模型里的指标和维度嵌入到向量数据库中，然后把同义词、知识库、业务规则、用户反馈也加入进去。当收到用户提问时，通过向量检索加规则、BERT模型等前置处理技术，缩小查询范围。最后，结合大模型的通识能力进行精准匹配和DSL转换，转换成Smartbi的模型查询来获取数据。通过RAG技术，大模型的推理能力和匹配效率都得到了显著提升，这也为Smartbi AIChat通晓千行万业提供了技术基础。
AI Agent智能体，灵活扩展深度分析
大多数BI工具只能解决数据查询问题，用户想做异常检测、归因和预测这类更深入的分析，一般得借助专业的机器学习平台。而Smartbi AIChat采用了越用越聪明的AI Agent智能体框架。有了AI Agent，就像拥有了一位逻辑清晰又高效的助手。它接到任务后，会自动思考、识别、规划、拆解和执行。更重要的是，AI Agent赋予了Smartbi AIChat非常灵活的扩展能力。比如通过调用Smartbi机器学习产品中丰富的算法插件，Smartbi AIChat就能轻松完成深度分析任务。
计算能力分层，智能实现复杂计算
面对“同环比”“连续三个月”“归因”这类复杂计算，Smartbi AIChat通过AI Agent融合已有的计算能力，先明确计算边界，再分类处理。数据量大、适合统计计算的，就充分利用数据模型强大的计算能力；另一部分复杂计算，则通过Python在库外执行。两者协同，保证了计算的灵活性和效率。
白泽的卓越，依托行业积累
思迈特深耕BI行业13年，积累了超过5000家客户的实践经验，沉淀了金融、政府、制造、医疗、教育等多个行业的宝贵知识。这些知识以指标模型为载体，形成了真正的行业Know-How，为Smartbi AIChat通晓各行各业奠定了坚实的业务基础。在语义模型、RAG等技术的支持下，Smartbi AIChat具备了丰富的行业管理经验，能为企业提供全面、高效且可落地的智能BI解决方案。
经过多年打磨和积累，Smartbi AIChat不仅在金融行业、政府机构等场景落地实践，还与大模型厂商达成了战略合作。这些标杆客户的成功经验，将为更多企业提供可借鉴的方向，推动整个AI行业健康发展。目前，Smartbi AIChat主要面向数据消费者，也就是业务人员和管理者，通过极简、准确、流畅的对话式分析服务，帮助他们实现更深入的分析。未来，随着AI技术的不断演进，我们也希望能面向不同角色提供更多高级功能，进一步帮企业降本增效，提升运营效率和决策水平。
