一、产品博士演示demo
析言能力的演示视频
结果展示：
二、业务背景：
云知道平台的云指针频道沉淀了阿里云大量的经营业绩数据，云指针频道也提供了众多的功能页面来供用户查询需要的数据，但怎么快速给用户提供分析好的数据，甚至是根据用户的个性化数据分析诉求（此前，需要数据同学，甚至是前后端技术同学介入开发的），长久以来一直是重要目标之一。
自从有了大模型之后，通过大模型的自然语言理解能力，使得N2SQL的真正落地成为了可能，产品博士结合了百炼的析言GBI产品能力，通过自然语言转为SQL，然后通过这些SQL在原有的ADB库中查询出数据，最后通过丰富的前端组件渲染给用户需要的各种数据图表，满足快速查询数据以及一些更深层次的数据分析诉求。
三、部署方案
1、产品博士的数据存在阿里云AnalyticDB PostgreSQL版数据库，通过VPC可直接关联析言。
2、通过API接口调用，流式返回析言的生成结果，在端上渲染展示。
四、接入流程 （供参考）
阶段 |
准备事项 |
说明 |
前期测试 |
圈选场景 |
在前期测试阶段，建议选择一个具有代表性且相对独立的业务领域作为试点。 |
圈定该业务常用高频问题 |
|
|
离线表格治理，宽表加工 |
梳理圈定的业务涉及的报表，如果存在报表冗余、报表和字段等无说明、报表间字段交叉等 |
|
关联数据库 |
|
|
冷启动测试 |
在不配置任务企业数据的情况下，冷启动测试一下基础模型的准确率效果。同时记录模型SQL有问题，结果异常的数据。 |
|
配置企业业务知识&调优 |
根据上一步错误的case，分析错误原因，相应的配置企业知识、或修改问法等。提升准确率。 |
|
中 |
根据确定部署方案 |
在上述测试准确率满足预期的情况下。
|
工程开发 |
根据方案，开发 |
|
前端渲染 |
前端渲染，sql结果，可视化图表，适配等。 |
|
测试上线 |
链路测试，发布上线。 |
|
后 |
逐步开放更多业务场景 |
五、如何提高查数准确率-高频问题推荐
问题：一线业务同学在使用智能问数时，因不了解数据结构和数据逻辑，往往问题比较发散，不规范，模型理解难度增大。
解法：但在某一实际业务中，通常可以整理出一些用户常问的问题或者问题的范式。针对高频问题，可以通过前端 问题推荐 的方式，一方面标准化一线用户的问题，也可以通过推荐问题，降低用户交互的成本。
示例：在问题输入框
- 增加了不同的问题维度，如 问产品问题 或者 问用户相关问题。
- 针对问题中的关键【槽位】信息，如时间，产品，指标等信息，通过高亮的方式，告知用户，可以通过修改相应的槽位来修改提问。
欢迎大家在评论区交流探讨阿里云百炼/析言的体验与经验 。如果您在体验过程中有遇到什么问题需要我们解答，可以在评论区中留言探讨或是加入我们的官方支持群（群号：94725009401）进行交流反馈！
