精準分析助力科學決策 SwiftAgent解決ChatBI數據不準確問題

在當今競爭激烈的商業環境中，企業如同逆水行舟，不進則退。每一個決策都像是航行中的舵手指令，直接決定著企業這艘大船的航向與命運。如何做出精準有效的決策，已成為企業管理者們面臨的核心挑戰之一?？梢哉f，精準高效的數據分析是企業前行的指明燈，是其在市場中占據一席之地的關鍵所在。

ChatBI是一種新興的人工智能技術工具，通常使用NL2SQL(自然語言到SQL)技術，通過大語言模型將用戶的自然語言查詢轉換為SQL語句。然而，目前的NL2SQL技術還遠未成熟，尤其是在處理復雜查詢和跨表查詢時，生成SQL的準確率較低，這直接導致了提數不準的問題。針對以上痛難點問題，數勢科技SwiftAgent 推出了統一語義層的架構設計，通過指標語義+標簽語義讓大模型能夠準確理解企業數據，幫助企業開展數據分析工作時，取數更準，分析更快。

統一語義層構建 VS 數據分析不精準

數勢科技SwiftAgent 構建了統一的指標與標簽語義層，即通過自然語言到指標+標簽語義(Natural Language to Metrics&Label)即可實現數據洞察，解決大模型對底層業務語義難理解的問題，同時建立各行業標準、指標、人貨場標簽等易于理解的語義層。ChatBI通常使用的是NL2SQL的技術路徑，即通過大語言模型直接生成SQL缺少了指標和標簽層，精準度相差甚遠。

多源異構數據鏈接 VS 數據結構與維度單一化

數勢科技SwiftAgent不僅可以將指標、標簽一體化，基于人群的多維交叉分析，還實現了多源異構的數據接入，導入文本、Excel、圖片、音視頻等非結構化知識，基于新聞、政策解讀、行業報告等多維度了解數據背后的“因果"，如：“導致黃金ETF產品持倉量持續升高的因素或為美國勞工市場有降溫跡象，減息預期加強，推動金價上漲等”。SwiftAgent 多源異構數據的鏈接AI更“懂”數據，提供用戶全面分析思路，大幅加強決策精準性。

用戶可干預 VS 人機融合的問題

在以往在人機交互溝通中，如用戶無法判定明確需求，進行模糊化搜索，往往會出現所答非所問的現象，數勢科技SwiftAgent 可通過更自然的方式引導用戶，并且將AI思考過程白盒化，用戶可以清晰的看到它的“大腦”。用戶可以通過“點贊”和“踩”的反饋進行強化學習，不斷糾正錯誤、調整查詢，從而更懂用戶所想所需，也讓分析更準確。如當用戶提出“我想看一下最近的銷售情況?！边@種模糊的數據查詢，SwiftAgent會給出“最近7天銷售額”、“本月北京地區銷售額”等選項供用戶選擇，用戶還可以根據提示重新提問，最終得到他真正想要看的分析內容。ChatBI則無法在互動環節有任何用戶可干預的能力與場景，無法更懂用戶使用需求。

持續反思學習 VS 學習迭代停滯

SwiftAgent可將所有使用用戶過往的問答分析沉淀到知識庫，在之后其他用戶相似的問詢場景中，直接提供結論并提供思考過程。這種不斷反思學習的能力，也發揮了大模型最大的特點。隨著時間的推移不斷進步，SwiftAgent持續反思學習讓AI更聰明，全面貼近業務需求。ChatBI雖然接入了大模型但無Agent的能力，無法只需反思學習及白盒化了解其思考過程。

數據計算加速引擎 VS 計算查詢效率低及性能弱

SwiftAgent采用了數勢科技獨創的數據計算加速引擎，可以實現秒級數據查詢，真正實現實時的人機交互。底層選用了StarRocks、Doris等數據分析引擎作為執行引擎，在大寬表查詢、跨模型關聯查詢和物化視圖等方面性能更好;結合對數據加工和使用場景進行了一系列優化，提供基于視圖的預計算能力和基于預計算結果的查詢優化能力;數據虛擬化技術，將數據定義和物理數據(業務)解耦，實現指標/標簽靈活加工使用，無需排期開發。

成功實施數據分析智能化管理，不僅僅是技術層面的問題，更是為企業建立起一種數據驅動的企業文化。這種文化氛圍能夠確保數據在企業內部各個層級得到充分的重視和有效利用，使決策過程更加科學、透明和理性。通過引入AI Agent，企業人員可以直達數據，極大地降低了數據使用的門檻，實現了數據的民主化。這種普惠化的數據使用方式，打破了傳統的數據壁壘，為企業的數字化轉型注入了新的活力，無疑將為企業帶來更高效的運營和更優質的服務。

標簽：