大模型的崛起為數(shù)據(jù)分析領(lǐng)域注入了新活力。憑借其卓越的自然語(yǔ)言處理技術(shù)，不僅推動(dòng)了數(shù)據(jù)分析的智能化進(jìn)程，還降低了技術(shù)門(mén)檻，使之更加易于理解和應(yīng)用。
近日，在「敏捷·創(chuàng)變——2024觀遠(yuǎn)數(shù)據(jù)智能決策峰會(huì)暨產(chǎn)品發(fā)布會(huì)」現(xiàn)場(chǎng)，自然堂集團(tuán)大數(shù)據(jù)中心總經(jīng)理羅予晉以《自然堂全渠道數(shù)字化創(chuàng)新與AI實(shí)踐》為主題，介紹自然堂集團(tuán)引入大模型技術(shù)，并與觀遠(yuǎn)數(shù)據(jù)合作，共創(chuàng)ChatBI問(wèn)數(shù)產(chǎn)品，利用AI大模型的自然語(yǔ)言理解能力，為用戶提供更簡(jiǎn)單、直接、高效的數(shù)據(jù)查詢方式。
以ChatBI技術(shù)解決臨時(shí)、重復(fù)、個(gè)性化的業(yè)務(wù)需求
自然堂集團(tuán)作為中國(guó)領(lǐng)先的數(shù)字化驅(qū)動(dòng)的科技美妝企業(yè)，一直致力于通過(guò)科技創(chuàng)新提升產(chǎn)品質(zhì)量和用戶體驗(yàn)，已在數(shù)字化領(lǐng)域也取得了顯著成就，從消費(fèi)者到供應(yīng)鏈，從產(chǎn)品開(kāi)發(fā)到后臺(tái)服務(wù)，部署了全面的在線化工具，實(shí)現(xiàn)了數(shù)據(jù)的無(wú)縫整合，構(gòu)建高效的數(shù)字化運(yùn)營(yíng)體系。自然堂在充分利用數(shù)據(jù)資產(chǎn)，以數(shù)據(jù)應(yīng)用推動(dòng)業(yè)務(wù)的持續(xù)創(chuàng)新和發(fā)展的過(guò)程中，也曾遇到過(guò)一些難點(diǎn)。
臨時(shí)性一次性需求多：靈活變動(dòng)的業(yè)務(wù)要求數(shù)據(jù)指標(biāo)動(dòng)態(tài)綜合調(diào)整，眾多指標(biāo)和維度是臨時(shí)提出的一次性需求。例如業(yè)務(wù)想要取下半年6個(gè)品類的會(huì)員購(gòu)買的數(shù)量以及金額數(shù)據(jù)。此時(shí)，產(chǎn)品經(jīng)理需要進(jìn)行對(duì)接，討論業(yè)務(wù)場(chǎng)景、數(shù)據(jù)口徑和價(jià)值，并由數(shù)據(jù)開(kāi)發(fā)工程師進(jìn)行開(kāi)發(fā)，最后與業(yè)務(wù)對(duì)數(shù)。整個(gè)機(jī)制過(guò)程又慢又沉重，導(dǎo)致大家疲憊不堪。
重復(fù)需求多：梳理了自然堂的日常數(shù)據(jù)應(yīng)用需求，發(fā)現(xiàn)很多的需求是重復(fù)進(jìn)行的。不同的業(yè)務(wù)方，不同時(shí)間點(diǎn)，不同場(chǎng)景下，可能是同一個(gè)取數(shù)需求，都需要重新排期進(jìn)行，白白浪費(fèi)了大家的精力。
使用門(mén)檻高：不同用戶往往存在個(gè)性化的分析邏輯，盡管內(nèi)部已經(jīng)創(chuàng)建了1000多張報(bào)表和看板，但仍然無(wú)法完全滿足業(yè)務(wù)部門(mén)對(duì)數(shù)據(jù)的個(gè)性化需求。但傳統(tǒng)BI門(mén)檻較高，非技術(shù)人員往往難以自行使用BI進(jìn)行個(gè)性化分析。
去年，隨著大模型的出現(xiàn)，自然堂開(kāi)始思考利用AI來(lái)解決數(shù)據(jù)難題。大模型又可以聽(tīng)懂人話，又可以寫(xiě)代碼，這兩個(gè)根本能力就像一個(gè)虛擬產(chǎn)品經(jīng)理加上一位數(shù)據(jù)分析師，可以作為某些業(yè)務(wù)同學(xué)的助手，隨時(shí)在線，一起協(xié)作，解決困擾已久的取數(shù)問(wèn)題。
鑒于觀遠(yuǎn)數(shù)據(jù)在技術(shù)積累與業(yè)務(wù)需求方面與自然堂高度契合，自然堂決定攜手觀遠(yuǎn)數(shù)據(jù)，共同搭建AI問(wèn)數(shù)（ChatBI）解決方案。通過(guò)即時(shí)學(xué)習(xí)、邏輯預(yù)設(shè)、圖表生產(chǎn)能力，分別解決臨時(shí)、重復(fù)、個(gè)性化的業(yè)務(wù)需求：
即時(shí)學(xué)習(xí)：通過(guò)自然語(yǔ)義的對(duì)話交互，即可理解臨時(shí)的指標(biāo)和維度含義，及時(shí)給出結(jié)果，無(wú)需經(jīng)歷傳統(tǒng)分析方式的開(kāi)發(fā)過(guò)程，即問(wèn)即用、用完即走。
邏輯預(yù)設(shè)：通過(guò)預(yù)設(shè)決策樹(shù)模型，可以覆蓋80%重復(fù)的用數(shù)需求。
圖表生成：通過(guò)對(duì)話，基于對(duì)個(gè)性化需求的理解，可以自動(dòng)生成可視化圖表，幫助業(yè)務(wù)用戶快速構(gòu)建個(gè)性化分析體系。
ChatBI 三個(gè)關(guān)鍵：結(jié)果準(zhǔn)不準(zhǔn)、知識(shí)顯性化、交互更友好
經(jīng)過(guò)幾個(gè)月的開(kāi)發(fā)，自然堂ChatBI問(wèn)數(shù)產(chǎn)品問(wèn)世，構(gòu)建了標(biāo)準(zhǔn)解決方案，將大語(yǔ)言模型和BI基座能力相結(jié)合，應(yīng)用大語(yǔ)言模型的底層能力，學(xué)習(xí)企業(yè)業(yè)務(wù)知識(shí)（表知識(shí)、業(yè)務(wù)邏輯、問(wèn)答知識(shí)、洞察知識(shí)等），實(shí)現(xiàn)問(wèn)答式數(shù)據(jù)分析。
同時(shí)，逐步向內(nèi)部進(jìn)行推廣，但起初準(zhǔn)確率其實(shí)并不高，交互不夠友好，導(dǎo)致使用人數(shù)不多。我們進(jìn)行了深入思考，總結(jié)了ChatBI落地應(yīng)用的三個(gè)關(guān)鍵點(diǎn)。
結(jié)果準(zhǔn)不準(zhǔn)
底層整個(gè)數(shù)據(jù)治理的好壞，直接決定了AI工具的生產(chǎn)結(jié)果好與不好。起初由于底層數(shù)據(jù)多表關(guān)聯(lián)非常復(fù)雜，問(wèn)數(shù)準(zhǔn)確率僅有60%-70%。對(duì)此，自然堂對(duì)表單進(jìn)行了關(guān)聯(lián)優(yōu)化，并把相似相近的指標(biāo)命名字段，做更多的使用注釋，包括歸屬渠道、訂單銷售渠道等等。這樣對(duì)GPT來(lái)講才可以分清楚SQL要用哪個(gè)。
今年，我們與觀遠(yuǎn)數(shù)據(jù)進(jìn)行了進(jìn)一步的數(shù)據(jù)治理，比如如何識(shí)別意圖，如何生成SQL，以及如何多Agent互相檢查，如何把數(shù)據(jù)庫(kù)建設(shè)更好，如何把已經(jīng)有的SQL和問(wèn)題結(jié)合到一起等等。目前，取數(shù)準(zhǔn)備率從裸跑60%成功提升到92%。
知識(shí)顯性化
準(zhǔn)確率的提升過(guò)程，實(shí)質(zhì)上是企業(yè)知識(shí)庫(kù)建設(shè)的過(guò)程。我們的知識(shí)庫(kù)中積累了豐富的SQL示例和指標(biāo)體系定義，這些顯性化的知識(shí)不斷積累，為提高準(zhǔn)確率提供了堅(jiān)實(shí)基礎(chǔ)。
未來(lái)，我們的職能也會(huì)更多地轉(zhuǎn)向底層，做指標(biāo)體系的梳理、指標(biāo)平臺(tái)的治理等等，從應(yīng)用層轉(zhuǎn)型到維護(hù)知識(shí)庫(kù)，讓AI工具越來(lái)越好用，不斷再往前走。
交互更友好
用戶交互更友好也非常關(guān)鍵。最早為了提高準(zhǔn)確率，我們要求使用者明確提出自己的使用范圍，比如要問(wèn)會(huì)員，還是要問(wèn)會(huì)員銷售或者問(wèn)各個(gè)渠道銷售等等。但用戶很多時(shí)候根本不知道自己需求的表到底是哪一個(gè)。這樣用戶就很難用起來(lái)。
現(xiàn)在我們跟觀遠(yuǎn)不斷地磨合業(yè)務(wù)與產(chǎn)品，終于可以通過(guò)Agent互建識(shí)別用戶的意圖和問(wèn)題，通過(guò)不斷的自然問(wèn)答，用戶很容易得到自己所要的東西。不僅交互體驗(yàn)更好了，準(zhǔn)確率也得到了提升。
同時(shí)，我們將所有的交互功能集成在釘釘平臺(tái)中，員工可以直接在釘釘進(jìn)行數(shù)據(jù)查詢和獲取答案，取數(shù)也更為便捷。
抓住三個(gè)關(guān)鍵點(diǎn)，ChatBI實(shí)現(xiàn)落地價(jià)值提升
基于以上三個(gè)關(guān)鍵點(diǎn)，現(xiàn)在整個(gè)ChatBI產(chǎn)品使用率、使用頻次都得到了極大提升。
數(shù)據(jù)分析需求響應(yīng)效率極大提升，產(chǎn)品上線3個(gè)月后活躍用戶占比52%，覆蓋業(yè)務(wù)部門(mén)10+，處理取數(shù)需求3k+，業(yè)務(wù)部門(mén)的數(shù)據(jù)需求滿足周期從原來(lái)的0.5小時(shí)~3天不等，縮短到1~5分鐘，有效提升數(shù)據(jù)分析需求的響應(yīng)效率。
數(shù)據(jù)分析師的服務(wù)半徑得以擴(kuò)大，從原來(lái)的SQL工程師變成企業(yè)知識(shí)訓(xùn)練師。數(shù)據(jù)支持部門(mén)與業(yè)務(wù)部門(mén)進(jìn)行更緊密合作。
降低跨部門(mén)溝通協(xié)作成本。沉淀的營(yíng)銷、銷售、市場(chǎng)、庫(kù)存和財(cái)務(wù)等業(yè)務(wù)數(shù)據(jù)，使得我們能快速響應(yīng)綜合性業(yè)務(wù)分析需求，加速知識(shí)調(diào)取與流通，大大促進(jìn)了部門(mén)間的溝通和協(xié)作。
培養(yǎng)了業(yè)務(wù)團(tuán)隊(duì)的數(shù)字化思維。培養(yǎng)業(yè)務(wù)數(shù)字化思維，規(guī)范業(yè)務(wù)需求描述，大大降低其他需要開(kāi)發(fā)的數(shù)據(jù)需求的溝通成本。由于工具的使用變得簡(jiǎn)單且無(wú)門(mén)檻，員工們開(kāi)始習(xí)慣于使用數(shù)據(jù)來(lái)指導(dǎo)決策，這種習(xí)慣逐漸轉(zhuǎn)化為企業(yè)文化的一部分。
未來(lái)進(jìn)一步建設(shè)指標(biāo)平臺(tái)，提供更精準(zhǔn)全面的數(shù)據(jù)分析服務(wù)
當(dāng)下，自然堂ChatBI產(chǎn)品可查詢數(shù)據(jù)場(chǎng)景，包括C端銷售數(shù)據(jù)、全渠道銷售數(shù)據(jù)、會(huì)員數(shù)據(jù)和市場(chǎng)品類數(shù)據(jù)，也正在不斷推進(jìn)更多可查詢數(shù)據(jù)，包括營(yíng)銷數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)，以期在提供數(shù)據(jù)的同時(shí)，也能提供更深入的洞察力。
未來(lái)，自然堂計(jì)劃進(jìn)一步建設(shè)指標(biāo)平臺(tái)，以增強(qiáng)AI的效果，提供更加精準(zhǔn)和全面的數(shù)據(jù)分析服務(wù)，包括：
指標(biāo)平臺(tái)：利用AI技術(shù)，通過(guò)自然語(yǔ)言查詢指標(biāo)體系。一旦指標(biāo)體系建立，查詢結(jié)果可以迅速呈現(xiàn)。這種搜索方式的效率和準(zhǔn)確性依賴于指標(biāo)治理的完善程度。
2. 智能洞察：探索利用AI進(jìn)行數(shù)據(jù)分析，直接生成洞察結(jié)果和簡(jiǎn)單的策略建議。
3. 問(wèn)答生圖：支持問(wèn)答功能，自動(dòng)生成圖表和可視化展示，使數(shù)據(jù)分析更加直觀和易于理解。
展望未來(lái)，自然堂集團(tuán)將于觀遠(yuǎn)數(shù)據(jù)繼續(xù)保持緊密合作，深化AI技術(shù)在數(shù)據(jù)分析領(lǐng)域的應(yīng)用，共同推進(jìn)業(yè)務(wù)增長(zhǎng)，開(kāi)創(chuàng)數(shù)據(jù)洞察力的新篇章。
【免責(zé)聲明】【廣告】本文僅代表作者本人觀點(diǎn)，與和訊網(wǎng)無(wú)關(guān)。和訊網(wǎng)站對(duì)文中陳述、觀點(diǎn)判斷保持中立，不對(duì)所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請(qǐng)讀者僅作參考，并請(qǐng)自行承擔(dān)全部責(zé)任。郵箱：news_center@staff.hexun.com
最新評(píng)論