产品测评 | 大模型时代下全场景数据消费平台的智能BI—Quick BI深度解析

简介: Quick BI是阿里云旗下的全场景数据消费平台,助力企业实现数据驱动决策。用户可通过连接多种数据源(如本地文件、数据库等)进行数据分析,并借助智能小Q助手以对话形式查询数据或搭建报表。平台支持数据可视化、模板快速构建视图等功能,但目前存在不支持JSON格式文件、部分功能灵活性不足等问题。整体而言,Quick BI在数据分析与展示上表现出强大能力,适合业务类数据处理,未来可在智能化及运维场景支持上进一步优化。

一、前言

在数字化转型浪潮中,BI工具已成为企业数据驱动决策的核心引擎。Quick BI作为阿里云旗下的全场景数据消费平台,以其"让业务决策触手可及"的理念在市场中占据一席之地。通过Quick BI可以让企业的数据资产快速的流动起来,通过BI和AI结合挖掘数据背后的价值,加深并加速在企业内部各种场景的数据消费。

二、申请试用

1、针对个人或者企业认证的用户,可以申请一个月的免费试用。进入Quick BI的阿里云官网
image.png

2、填写名称和联系方式

image.png

3、在这里可以选择智能搭建和智能问数。

image.png

4、然后提交订单,支付成功就可以试用了。
image.png

image.png

image.png

5、如果您的账号之前已经试用过Quick BI,可以单击产品界面上的在线咨询服务。
image.png

三、上传测试数据

1、正式使用时,Quick BI中的数据一般通过连接对应数据源获取。可以使用官方的示例数据。
image.png

也可以在kaggle上找到测试的数据源。
image.png

2、登入Quick BI,进入工作台,创建一个新的工作空间。
image.png
image.png

3、点击新建的工作空间,找到数据源模块,新建数据源,这里支持很多种数据源(本地文件、数据库、应用服务、API数据),我们选择本地文件。
image.png
image.png

4、确认上传
image.png

image.png

5、创建成功。
image.png

6、新建数据集,数据集是Quick BI数据分析的直接来源,后续的可视化分析、智能分析等模块都依赖数据集提供的数据。
image.png

7、可以查看数据预览。
image.png

8、若字段类型不正确,可以在字段类型中进行调整。
image.png

9、同时这里也可以新建字段。
image.png

image.png

10、修改完成之后,点击右上角的保存,那么数据集就创建成功了。
image.png

image.png

四、进行数据可视化分析

现在让我们用BI工具中最常用的可视化模块——仪表板,来搭建出实用又漂亮的数据报表吧。

1、进入工作空间,选择仪表盘,然后新建空白仪表盘。
image.png

可以查看Quick BI提供的图表组件和各类控件,可以用拖拽的方式把所需的组件添加到仪表板中。

2、在这里选择交叉表。
image.png

3、把组件拖拽到仪表板中后,自动弹出右侧的组件配置区,选择之前建好的数据集。
image.png

4、把交叉表所需的字段,拖拽到字段配置面板对应的“行”、“列”区域中,然后点击更新,查看效果。
image.png

5、修改下数字展示格式。
image.png
image.png
这样数据展示更可读。
image.png

6、可以看到,表格的基本结构已经就绪,接下来我们进行更具体的调整。首先,让我们给“ Region”字段配置一个钻取能力,使得预览时可以通过点击交互来查看每个国家下的公司情况。
image.png

因为开启了自动联动,需要在弹窗中选择如何触发钻取,按下图默认选项点击确定即可。
image.png

需要手动把Country维度拖拽到Regin下才可以。
image.png

可以看到,字段配置面板已出现了钻取配置,点击更新查看效果。
image.png

7、接下来我们进行表格总小计的配置,来显示各Region全部公司收入的小计数据,
image.png

在“列汇总”中,打开“列小计”,选择汇总维度为“Region”,汇总方式自动,点击“更新数据”。
image.png

打开“行总计”来对Industry数据进行汇总,点击更新数据。
image.png

8、让表格可以展示高亮,配置条件格式。选择Revenue字段。
image.png

image.png

9、此外,勾选“条件格式对汇总数据生效”即可。如此,条件格式的配置就完成了。
image.png

10、最后,我们来调整下图表的样式,在“表格基础样式”中,选择“线框”主题,然后配置自定义主色系为绿色。
image.png

配置完成点击右上角“保存并发布”按钮。
image.png

image.png

11、如下图所示呈现的效果:

image.png

五、通过模板快速构建视图

1、Quick BI【模板市场】提供有大量成熟、好用的各类模板供选择。可以尝试找到适合自己业务的模板,直接应用并一键替换其中的样例数据,高效完成可视化分析设计工作。

image.png

2、在这里选择,地图最佳实践,一键应用。
image.png

3、替换数据集。
image.png

4、字段若不匹配,无法进行替换。
image.png

5、可以通过选中每个图形组件,来替换数据源,然后再来调整字段。
image.png

也可以自己增删组件,很灵活。
image.png

6、配置好之后点击发布,来看看效果。
image.png

更多的模板值得深入探索。

六、智能问数

大模型时代,Quick BI也进化出了强大的智能化功能——智能小Q助手,可以帮助客户用对话的方式查询想要的数据,或者帮助搭建和美化报表。

1、首先在数据集编辑页面,打开高级配置——智能问数。
image.png

image.png

image.png

image.png

2、添加问数权限。
image.png

3、在问数界面选择ESG财务数据,然后进行提问。
image.png

4、选择数据集后,可以先点击数据集标题,在右侧弹窗中预览一下数据集,帮助我们了解下这份数据的基本信息。
image.png

5、可以和小Q进行交互对话,小Q的回答会包含文字结果和数据卡片,可以在其中进行二次操作,比如切换图表类型。
image.png

6、下面也会列出一些可能的追加问题。
image.png

7、还可以选择不同的模型进行推理及解读。
image.png
image.png

选择深度思考和深度洞察之后再提问。
image.png

七、智能搭建

1、现在来尝试用智能小Q来帮我们搭建报表。在创建仪表盘处输入如下指令。
image.png

LLM响应失败,需要按照规定的格式来。
image.png

2、重新提问下。
image.png

这下就生成了图表。
image.png

3、可以进一步交互来对图表进行调整。
image.png

4、最厉害的地方还支持撤销功能。
image.png

5、不过要一次性在仪表盘中创建多个图表,似乎效果不太好,还需要手动去选择数据。
image.png

6、可惜数据大屏暂时还不支持小Q搭建。
image.png

八、体验总结

我是一个运维开发工程师,平时会使用的Grafana去展示数据,通过体验quick BI,感受到了其在数据分析展示上的强大。以下是几点感受:

1、可以支持多种近百种数据源,包括本地文件、各种数据库、应用服务及API数据,极大地简化了数据准备流程。对于运维场景中的日志分析、性能监控数据,可快速导入并进行结构化处理。

不过本地文件目前只支持csv、xlsx、xls格式,不支持JSON格式,日常中有些运维日志就无法去导入数据了。

2、平台提供直观的字段映射界面,支持自动类型推断和手动调整,配合内置的清洗工具,能有效提升数据质量。对于运维数据中的时间戳、状态码等关键字段,处理起来尤为高效。

但在体验过程中,有个钻取功能,文档显示开启钻取之后,省和市就自己关联,但我实际情况是需要拖动过去,不知道是不是文档中间省略了什么步骤,还是有什么特别配置。
image.png

3、仪表盘交互性特别好,支持各种组件的选择,支持基于阈值的异常值高亮,智能小Q中图表可以实现,但柱形图不太行。

image.png

4、智能小Q在开启的时候,提示字段质量评估失败,这里应该提示下都是哪些字段有什么问题,这样方便进行修改,当前的情况下不知道怎么处理。
image.png

在智能搭建时,输入有固定的词才能触发效果,按照自己的语言,有时候达不到想要实现的内容,感觉不太灵活。每次都要去找下指令,这里是否能优化下。
image.png
image.png

image.png

要一次性在仪表盘中创建多个图表,似乎效果不太好,还需要手动去选择数据,无法自动创建好。
image.png

此外暂不支持直接通过小Q搭建数据大屏,这个不知道有没有规划。手动构建大屏,发现没有世界地图可以选择。

5、场景模板中都是针对业务类的展示,没有运维类的数据分析。是否能增加下设备监控、网络拓扑等运维特有场景的支持, 适合中小规模运维团队进行日常监控、故障排查和汇报。

Quick BI与小Q助手的组合为业务分析展示提供了高效的“数据-洞察-协作”闭环,未来在场景化和智能化上的持续优化,有望进一步释放企业生产力。

相关文章
|
4月前
|
机器学习/深度学习 数据采集 人工智能
通义实验室Mobile-Agent-v3开源,全平台SOTA的GUI智能体,支持手机电脑等多平台交互
近日,通义实验室MobileAgent团队正式开源全新图形界面交互基础模型 GUI-Owl,并同步推出支持多智能体协同的自动化框架 Mobile-Agent-v3。该模型基于Qwen2.5-VL打造,在手机端与电脑端共8个GUI任务榜单中全面刷新开源模型性能纪录,达成全平台SOTA。
1535 2
|
3月前
|
数据采集 人工智能 搜索推荐
智能新纪元:多模态大模型如何重塑人机交互
智能新纪元:多模态大模型如何重塑人机交互
280 113
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
迁移学习:让小数据也能驱动AI大模型
迁移学习:让小数据也能驱动AI大模型
372 99
|
4月前
|
人工智能 Java API
Java与大模型集成实战:构建智能Java应用的新范式
随着大型语言模型(LLM)的API化,将其强大的自然语言处理能力集成到现有Java应用中已成为提升应用智能水平的关键路径。本文旨在为Java开发者提供一份实用的集成指南。我们将深入探讨如何使用Spring Boot 3框架,通过HTTP客户端与OpenAI GPT(或兼容API)进行高效、安全的交互。内容涵盖项目依赖配置、异步非阻塞的API调用、请求与响应的结构化处理、异常管理以及一些面向生产环境的最佳实践,并附带完整的代码示例,助您快速将AI能力融入Java生态。
776 12
|
3月前
|
监控 安全 数据安全/隐私保护
55_大模型部署:从云端到边缘的全场景实践
随着大型语言模型(LLM)技术的飞速发展,从实验室走向产业化应用已成为必然趋势。2025年,大模型部署不再局限于传统的云端集中式架构,而是向云端-边缘协同的分布式部署模式演进。这种转变不仅解决了纯云端部署在延迟、隐私和成本方面的痛点,还为大模型在各行业的广泛应用开辟了新的可能性。本文将深入剖析大模型部署的核心技术、架构设计、工程实践及最新进展,为企业和开发者提供从云端到边缘的全场景部署指南。
|
4月前
|
人工智能 数据挖掘 数据库
通义灵码产品演示: 数据库设计与数据分析
本演示展示如何使用通义灵码进行数据库设计与数据分析。通过SQLite构建电商订单表,利用AI生成表结构、插入样本数据,并完成多维度数据分析及可视化图表展示,体现AI在数据库操作中的高效能力。
439 7
|
4月前
|
机器学习/深度学习 人工智能 数据安全/隐私保护
阿里云 Qwen3 全栈 AI 模型:技术解析、开发者实操指南与 100 万企业落地案例
阿里云发布Qwen3全栈AI体系,推出Qwen3-Max、Qwen3-Next等七大模型,性能全球领先,开源生态超6亿次下载。支持百万级上下文、多模态理解,训练成本降90%,助力企业高效落地AI。覆盖制造、金融、创作等场景,提供无代码与代码级开发工具,共建超级AI云生态。
1132 6
|
3月前
|
存储 缓存 算法
淘宝买家秀 API 深度开发:多模态内容解析与合规推荐技术拆解
本文详解淘宝买家秀接口(taobao.reviews.get)的合规调用、数据标准化与智能推荐全链路方案。涵盖权限申请、多模态数据清洗、情感分析、混合推荐模型及缓存优化,助力开发者提升审核效率60%、商品转化率增长28%,实现UGC数据高效变现。