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

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
|
12月前
|
人工智能 缓存 监控
使用LangChain4j构建Java AI智能体:让大模型学会使用工具
AI智能体是大模型技术的重要演进方向,它使模型能够主动使用工具、与环境交互,以完成复杂任务。本文详细介绍如何在Java应用中,借助LangChain4j框架构建一个具备工具使用能力的AI智能体。我们将创建一个能够进行数学计算和实时信息查询的智能体,涵盖工具定义、智能体组装、记忆管理以及Spring Boot集成等关键步骤,并展示如何通过简单的对话界面与智能体交互。
3679 1
|
人工智能 JavaScript 测试技术
Cradle:颠覆AI Agent 操作本地软件,AI驱动的通用计算机控制框架,如何让基础模型像人一样操作你的电脑?
Cradle 是由 BAAI‑Agents 团队开源的通用计算机控制(GCC)多模态 AI Agent 框架,具备视觉输入、键鼠操作输出、自主学习与反思能力,可操作各类本地软件及游戏,实现任务自动化与复杂逻辑执行。
1503 6
|
12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
526 99
|
12月前
|
云安全 人工智能 安全
|
12月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
889 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
12月前
|
Java 测试技术 API
自动化测试工具集成及实践
自动化测试用例的覆盖度及关键点最佳实践、自动化测试工具、集成方法、自动化脚本编写等(兼容多语言(Java、Python、Go、C++、C#等)、多框架(Spring、React、Vue等))
854 6
|
前端开发 Java jenkins
Jmeter压力测试工具全面教程和使用技巧。
JMeter是一个能够模拟高并发请求以检查应用程序各方面性能的工具,包括但不限于前端页面、后端服务及数据库系统。熟练使用JMeter不仅能够帮助发现性能瓶颈,还能在软件开发早期就预测系统在面对真实用户压力时的表现,确保软件质量和用户体验。在上述介绍的基础上,建议读者结合官方文档和社区最佳实践,持续深入学习和应用。
2245 10
|
12月前
|
算法 安全 开发者
大模型部署指南:从个人玩转到企业级应用,这4款工具必看!
本文介绍了五款主流大语言模型部署工具,帮助用户根据需求选择合适的方案。包括适合个人使用的 Ollama 和 LM Studio、优化低配设备运行的 llama.cpp、企业级部署的 vLLM,以及 Hugging Face 推出的 TGI 框架,覆盖从本地体验到高性能服务的多种场景。