首批!瓴羊Quick BI完成中国信通院大模型驱动的智能数据分析工具专项测试

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
简介: 首批!瓴羊Quick BI完成中国信通院大模型驱动的智能数据分析工具专项测试

2024年3月26日,在中国信通院组织的首批大模型驱动的智能数据分析工具专项测试中,瓴羊Quick BI顺利完成了专项测试的全部内容,成为首批完成此项测试的企业。


01《大模型驱动的智能数据分析工具》 标准及测试简介

中国信通院云计算与大数据研究所依托中国通信标准化协会大数据技术标准推进委员会(CCSA TC601),联合50余家企业的100余位专家共同编制完成了《大模型驱动的智能数据分析工具》标准,瓴羊为核心参编企业之一。标准包含数据准备能力、大模型智能分析能力、智能交互能力、分享协作能力、集成部署能力、安全管理能力等六大能力域,18个能力子域,54个能力项。


02瓴羊Quick BI 产品介绍

瓴羊Quick BI是一款全场景数据消费式的 BI 产品,秉承全场景消费数据,让业务决策触手可及的使命,通过智能的数据分析和可视化能力帮助企业构建数据分析系统。

瓴羊Quick BI积极探索大模型技术在数据分析领域的应用,接入阿里巴巴通义千问大模型能力,打造智能小Q——自然语言对话式数据分析助手,为用户提供智能问数、智能搭建两大核心能力。

智能问数——用户通过自然语言对话,直接获取数据结果,实现数据即问即答,人人都可上手分析数据,牵引数据消费新方式;

智能搭建——聚焦一键生成报表、对话式的图表创建和配置、一键智能美化、智能洞察归因,极大提升报表搭建效率,解放生产力。

03瓴羊Quick BI产品优势


作为中国唯一且连续4年入选Gartner ABI魔力象限的BI产品,瓴羊Quick BI优势源自厚重的沉淀和基础,依托基于通义千问调优的BI领域大模型,以及Quick BI多年沉淀的全面、精良的产品能力,智能小Q在功能丰富程度、灵活性、稳定性、健壮性等方面都有着较强的产品优势。


1、更简单

智能小Q能够大幅度降低分析门槛,提供高级计算及灵活探索能力,让复杂数据的可视化变得简单直观。智能小Q支持多种问法,能够轻松处理各类数据场景,包括字段聚合、高级计算以及过滤筛选,并且通过多轮对话来深化分析。基于提出的问题,智能小Q还能自动展示最适合的可视化效果,不仅提供精准的数据结果,还满足用户对灵活多样分析展现的需求。


2、更准确智能小Q能够准确理解用户的分析意图,它可识别自然语言化的提问以及多种BI专业术语,用更接近自然交流的方式进行互动,不需要复杂的公式化表达。企业还可以上传自己的特定行业术语知识库,使得模型能够更精确地理解企业内部的数据及其语境,从而提供更加精确的分析结果。

3、更迅速智能小Q结合NL2DSL(自然语言到数据查询语言)和NL2API(自然语言到应用程序接口)技术,基于Quick BI已有能力和大模型的补全与纠错,实现了秒级响应。用户的提问可以得到即问即答的体验,无需冗长的等待,大大提高了数据分析的效率。

4、更便捷支持企业上传自有知识库,利用已有数据集进行数据建设,企业用户可以轻松开启智能问答和数据分析的旅程。这一流程的便捷配置不仅节省了时间,还让用户能够无缝衔接至先进的分析工具,享受更顺畅、更高效的数据处理经验。

04瓴羊Quick BI典型应用场景

对于数据分析师来说,Quick BI 智能小Q 的推出解决了业务增长与开发资源紧张之间的矛盾,让数据分析师不再受临时取数需求的干扰,从而能够专注于企业数据系统的构建和性能优化。通过实现数据资产体系建设,数据分析师可以发挥更大的价值,提升整个数据团队的工作效率和产品质量。


对于需要看数的业务人员而言,Quick BI 智能小Q 像一个“对话式数据分析助理”,通过提供简单易用的操作界面和基于自然语言的查询功能,极大降低了用户的使用门槛。业务人员可以借助智能小Q对客户数据、业务进展和营收成本等关键指标进行快速统计分析,并能够通过智能问数功能轻松获得想要看到的数据指标,从而有效提高日常数据追踪、监控、异常分析等的工作效率。


05未来展望


随着Quick BI通过中国信通院“大模型驱动的智能数据分析工具”专项的成功,瓴羊在智能分析领域取得了显著成就,并且标志着其在这一领域达到了新的高度。展望未来,瓴羊Quick BI将不断探索大模型与BI技术的深度融合,引领数据消费新范式——助力企业全面释放数据潜力,优化决策过程,提升业务效率,从而构建更加智慧和高效的工作环境。


随着大模型的接入,商业智能(BI)已成为企业决策的关键支持工具。随着技术的快速发展,新一代BI智能分析正与LLM(Large Language Model)技术深度融合,引领着商业智能领域的新变革。

目录
相关文章
|
2月前
|
安全 测试技术
北大李戈团队提出大模型单测生成新方法,显著提升代码测试覆盖率
【10月更文挑战第1天】北京大学李戈教授团队提出了一种名为“统一生成测试”的创新方法,有效提升了大模型如GPT-2和GPT-3在单一测试中的代码生成覆盖率,分别从56%提升至72%和从61%提升至78%。这种方法结合了模糊测试、变异测试和生成对抗网络等多种技术,克服了传统测试方法的局限性,在大模型测试领域实现了重要突破,有助于提高系统的可靠性和安全性。然而,该方法的实现复杂度较高且实际应用效果仍需进一步验证。论文可从此链接下载:【https://drive.weixin.qq.com/s?k=ACAAewd0AA48Z2kXrJ】
65 1
|
3月前
|
人工智能 测试技术 开发者
北大李戈团队提出大模型单测生成新方法,显著提升代码测试覆盖率
【9月更文挑战第27天】北京大学李戈团队在人工智能领域取得重要突破,提出HITS新方法,通过将待测方法分解为多个切片并利用大型语言模型逐个生成测试用例,显著提升代码测试覆盖率,尤其在处理复杂方法时效果显著,为软件开发和测试领域带来新希望。尽管存在一定局限性,HITS仍展示了巨大潜力,未来有望克服限制,推动软件测试领域的创新发展。论文详情见【https://www.arxiv.org/pdf/2408.11324】。
102 6
|
1月前
|
编解码 人工智能 自然语言处理
迈向多语言医疗大模型:大规模预训练语料、开源模型与全面基准测试
【10月更文挑战第23天】Oryx 是一种新型多模态架构,能够灵活处理各种分辨率的图像和视频数据,无需标准化。其核心创新包括任意分辨率编码和动态压缩器模块,适用于从微小图标到长时间视频的多种应用场景。Oryx 在长上下文检索和空间感知数据方面表现出色,并且已开源,为多模态研究提供了强大工具。然而,选择合适的分辨率和压缩率仍需谨慎,以平衡处理效率和识别精度。论文地址:https://www.nature.com/articles/s41467-024-52417-z
44 2
|
2月前
|
人工智能 前端开发
大模型体验体验报告:OpenAI-O1内置思维链和多个llm组合出的COT有啥区别?传统道家理论+中学生物理奥赛题测试,名不虚传还是名副其实?
一个月前,o1发布时,虽然让人提前体验,但自己并未进行测试。近期终于有机会使用,却仍忘记第一时间测试。本文通过两个测试案例展示了o1的强大能力:一是关于丹田及练气的详细解答,二是解决一道复杂的中学生物理奥赛题。o1的知识面广泛、推理迅速,令人印象深刻。未来,或许可以通过赋予o1更多能力,使其在更多领域发挥作用。如果你有好的测试题,欢迎留言,一起探索o1的潜力。
|
2月前
|
机器学习/深度学习 弹性计算 自然语言处理
前端大模型应用笔记(二):最新llama3.2小参数版本1B的古董机测试 - 支持128K上下文,表现优异,和移动端更配
llama3.1支持128K上下文,6万字+输入,适用于多种场景。模型能力超出预期,但处理中文时需加中英翻译。测试显示,其英文支持较好,中文则需改进。llama3.2 1B参数量小,适合移动端和资源受限环境,可在阿里云2vCPU和4G ECS上运行。
|
2月前
|
机器学习/深度学习 测试技术
ACL杰出论文奖:GPT-4V暴露致命缺陷?JHU等发布首个多模态ToM 测试集,全面提升大模型心智能力
【10月更文挑战第6天】约翰斯·霍普金斯大学等机构提出了一项荣获ACL杰出论文奖的研究,旨在解决大模型在心智理论(ToM)上的不足。他们发布了首个MMToM-QA多模态ToM测试集,并提出BIP-ALM方法,从多模态数据中提取统一表示,结合语言模型进行贝叶斯逆规划,显著提升了模型的ToM能力。这一成果为机器与人类自然交互提供了新思路,尽管仍面临一些局限性和技术挑战。论文详情见:https://arxiv.org/abs/2401.08743。
48 6
|
3月前
|
存储 算法 数据挖掘
高效文本处理新纪元:Python后缀树Suffix Tree,让数据分析更智能!
在大数据时代,高效处理和分析文本信息成为关键挑战。后缀树作为一种高性能的数据结构,通过压缩存储字符串的所有后缀,实现了高效的字符串搜索、最长公共前缀查询等功能,成为文本处理的强大工具。本文探讨Python中后缀树的应用,展示其在文本搜索、重复内容检测、最长公共子串查找、文本压缩及智能推荐系统的潜力,引领数据分析迈入新纪元。虽然Python标准库未直接提供后缀树,但通过第三方库或自定义实现,可轻松利用其强大功能。掌握后缀树,即掌握开启文本数据宝藏的钥匙。
55 5
|
4月前
|
监控 搜索推荐 语音技术
测试使用SenseVoice大模型测评
测试使用SenseVoice大模型测评
83 4
|
5月前
|
机器学习/深度学习 数据采集 数据挖掘
智能决策新引擎:Python+Scikit-learn,打造高效数据分析与机器学习解决方案!
【7月更文挑战第26天】在数据驱动时代,企业需从大数据中提取价值以精准决策。Python凭借丰富的库成为数据分析利器,而Scikit-learn作为核心工具备受青睐。本文通过电商案例展示如何预测潜在买家以实施精准营销。首先进行数据预处理,包括清洗、特征选择与转换;接着采用逻辑回归模型进行训练与预测;最后评估模型并优化。此方案显著提升了营销效率和企业决策能力,预示着智能决策系统的广阔前景。
101 2
|
6月前
|
人工智能 分布式计算 DataWorks
首批!阿里云 MaxCompute 完成中国信通院数据智能平台专项测试
2024年5月31日,在中国信通院组织的首批数据智能平台专项测试中,阿里云数据智能平台解决方案(MaxCompute、DataWorks、PAI)顺利完成测试。
323 5
首批!阿里云 MaxCompute 完成中国信通院数据智能平台专项测试

热门文章

最新文章