ChatBI는 구현하기 어렵습니다. 기업 데이터 분석을 강화하는 SwiftAgent의 새로운 상황을 살펴보겠습니다.
2024-08-07
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
현재 디지털 전환은 기업 발전의 키워드로 자리 잡았지만 많은 기업이 실제 적용에 어려움을 겪고 있습니다. 대형 모델의 출현은 기업의 운명을 바꾸는 열쇠가 되었으며, 포괄적인 데이터의 도래를 가속화하고 데이터 분석의 문턱을 크게 낮췄습니다. 대형 모델을 적용하면서 많은 ChatBI 제품이 대형 모델 + BI 접근 방식에서 파생되었습니다. 현재 시중의 ChatBI는 일반적으로 대형 언어 모델을 통해 SQL을 직접 생성하는 NL2SQL 기술 경로를 사용하는 경향이 있습니다. 데이터 문제. 쿼리 정확도가 낮고(정확도는 60%-70%이며 테이블 전체에 걸쳐 쿼리하는 경우 정확도가 더욱 낮아집니다) 데이터 크기가 균일하지 않습니다.
Shushi Technology는 업계 최고의 데이터 인텔리전스 제품 제공업체로서 대규모 금융, 첨단 제조 및 범소매 분야에서 전문적인 통찰력과 기술력을 보유하고 있으며 항상 데이터 및 AI 기술을 사용하여 기업 문제를 해결하는 데 전념해 왔습니다. . Shushi가 출시한 지능형 분석 도우미(SwiftAgent)는 ChatBI의 어려운 문제를 효과적으로 해결하여 누구나 데이터 분석가가 될 수 있도록 해줍니다.
Shushi Technology 협력 사례를 예로 들면, 기업 데이터 분석에서 SwiftAgent가 수행하는 중요한 역할을 엿볼 수 있습니다. 디지털 전환 과정에서 한 도시 상업 은행은 기존 데이터 제품이 엔드 투 엔드에 대한 심층 결론을 신속하게 생성할 수 없음, 복잡하고 반복적인 보고 요구 사항, 병목 현상을 일으키는 일시적인 수요, 일관되지 않은 지표 구경과 같은 문제에 직면했습니다. Shushi Technology는 빅데이터 기반을 기반으로 지표 플랫폼 구현을 완료하고 모든 지표 구경과 데이터 소스를 통합했으며 직원 데이터 분석의 임계값을 낮추기 위해 SwiftAgent 지능형 데이터 분석 도우미를 구축했습니다.
비즈니스 분석에서 우리는 "최근 우리 은행의 신용 데이터는 어떻습니까?"와 같은 질문을 자주 합니다. 이것은 지난 주입니까, 아니면 지난 달입니까? 또한 은행에는 다양한 산업 계획과 용어가 있습니다. 예: SDR(특별인출권), 고유명사에는 추가 설명이 필요합니다. 또 다른 예는 "성과"라는 단어입니다. 역할이 다른 사람들은 정의와 설명이 다릅니다.
Shushi Technology의 솔루션은 시간 차원, 업계 고유 명사를 고려하고 모호한 의미까지 이해할 수 있으며 직원들이 다양한 시간대에 제기할 수 있는 질문을 예측하고 일반적인 질문을 추천하며 개인화된 GASO 모델을 구축합니다. 마지막으로, 전문 분석가와 같은 계획 제안을 제공하여 직원이 의사 결정 프로세스를 보다 효율적으로 완료할 수 있도록 도울 수도 있습니다.
요약하면 Shushi Technology SwiftAgent는 혼란스러운 데이터 표준, 데이터 재능 부족, 데이터 사용에 대한 높은 임계값, 긴 데이터 분석 주기, 권한 부여 불가능 등 데이터 분석 및 의사 결정 분야에서 기업이 직면하는 많은 문제를 해결할 수 있습니다. 사업 결정 등
신세대 SwiftAgent2.0도 이전 버전을 기반으로 통일된 의미 계층 구축, 산업 표준, 지표, 사람과 사용자를 위한 레이블 등 이해하기 쉬운 의미 계층 구축 등 5가지 주요 업그레이드를 달성했습니다. 기업 내 다양한 부서의 데이터 역량을 통합하는 문제를 해결합니다. 데이터 손상 및 기타 현상을 효과적으로 방지합니다. 사용자는 보다 자연스러운 방식으로 사용자에게 개입하고 안내할 수도 있습니다. 사용자는 '좋아요', '싫어요'도 가능합니다. 피드백을 기반으로 학습을 강화하고, 오류를 지속적으로 수정하고, 쿼리를 조정하고, 분석을 더욱 정확하게 만들어 지속적인 성찰과 학습이 가능합니다. 모든 사용자의 과거 질문 및 답변 분석을 지식 베이스에 축적하고 향후 다른 사용자의 유사한 문의 시나리오를 직접 분석하여 결론을 제공하고 다중 소스 데이터 링크를 제공하여 다중 소스 이기종 데이터 액세스를 실현할 수 없습니다. 데이터 창고에만 액세스할 뿐만 아니라 텍스트, Excel, 사진, 오디오 및 비디오 등과 같은 비정형 지식도 가져와서 포괄적인 분석 아이디어를 충족할 수 있습니다. 데이터 컴퓨팅 가속 엔진은 두 번째 실현이 가능한 Shushi Technology의 독창적인 데이터 컴퓨팅 가속 엔진을 채택합니다. -수준의 데이터 쿼리를 통해 실시간 인간-컴퓨터 상호 작용을 실현합니다.
