在數(shù)據(jù)驅動的時代，數(shù)據(jù)分析已成為各行各業(yè)決策的關鍵。然而，各行各業(yè)客戶在數(shù)據(jù)分析過程中仍面臨諸多挑戰(zhàn)。目前市面上的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，這種解決方案容易出現(xiàn)數(shù)據(jù)查詢準確率低，通常準確率在60%-70%，如果跨表查詢或者多表關聯(lián)查詢準確率會更低。數(shù)勢科技SwiftAgent在大模型和AI Agent加持下，通過建立業(yè)務指標、人貨場標簽等易于理解的語義層，將自然語言解析到指標和標簽語義（Natural Language to Metrics&Label），即可實現(xiàn)相比ChatBI更準確的數(shù)據(jù)洞察，解決大模型對底層業(yè)務語義難理解的問題。
統(tǒng)一語義層構建 VS 數(shù)據(jù)分析不準確
數(shù)勢科技SwiftAgent 構建了統(tǒng)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(xiàn)數(shù)據(jù)洞察，解決大模型對底層業(yè)務語義難理解的問題，同時建立各行業(yè)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，準確度相差甚遠。
多源異構數(shù)據(jù)鏈接 VS 數(shù)據(jù)結構與維度單一化
數(shù)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(xiàn)了多源異構的數(shù)據(jù)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(yè)報告等多維度了解數(shù)據(jù)背后的“因果"，如：“導致黃金ETF產品持倉量持續(xù)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(shù)據(jù)的鏈接AI更“懂”數(shù)據(jù)，提供用戶全面分析思路，大幅加強決策準確性。
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(xiàn)所答非所問的現(xiàn)象，數(shù)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(shù)據(jù)查詢，SwiftAgent會給出“最近 7 天銷售額”、“本月北京地區(qū)銷售額”等選項供用戶選擇，用戶還可以根據(jù)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(huán)節(jié)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(xù)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(fā)揮了大模型最 大的特點。隨著時間的推移不斷進步，SwiftAgent持續(xù)反思學習讓AI更聰明，全面貼近業(yè)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(shù)據(jù)計算加速引擎 VS 計算查詢效率低及性能弱
SwiftAgent采用了數(shù)勢科技創(chuàng)舉的數(shù)據(jù)計算加速引擎，可以實現(xiàn)秒級數(shù)據(jù)查詢，真正實現(xiàn)實時的人機交互。底層選用了StarRocks、Doris等數(shù)據(jù)分析引擎作為執(zhí)行引擎，在大寬表查詢、跨模型關聯(lián)查詢和物化視圖等方面性能更好；結合對數(shù)據(jù)加工和使用場景進行了一系列優(yōu)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(yōu)化能力；數(shù)據(jù)虛擬化技術，將數(shù)據(jù)定義和物理數(shù)據(jù)（業(yè)務）解耦，實現(xiàn)指標/標簽靈活加工使用，無需排期開發(fā)。
以往一線業(yè)務人員想要了解數(shù)據(jù)情況，不得不經歷繁瑣的層級審批和流程，這不僅消耗了大量的時間成本，還使得數(shù)據(jù)獲取變得復雜而低效。此外，傳統(tǒng)的數(shù)據(jù)分析往往是手動的，需要用戶根據(jù)數(shù)據(jù)去發(fā)現(xiàn)問題、提出假設并進行驗證。通過引入AI Agent，企業(yè)人員可以直達數(shù)據(jù)，極大地降低了數(shù)據(jù)使用的門檻，實現(xiàn)了數(shù)據(jù)的民主化。這種普惠化的數(shù)據(jù)使用方式，打破了傳統(tǒng)的數(shù)據(jù)壁壘，為企業(yè)的數(shù)字化轉型注入了新的活力，無疑將為企業(yè)帶來更有效的運營和更優(yōu)質的服務。
（推廣）