观远ChatBI介绍文件.pptx

观远ChatBI：基于LLM的场景化问答式BI引导式低门槛问答，数据分析像聊天一样简单企业个性化知识库，沉淀BI数据资产、历史取数SQL等知识知识运营支撑引擎，模型持续学习，不断优化问答质量

数据需求核心痛点：企业数据的供需关系不匹配，消费者/生产者转化难业务负责人对经营分析数据，经常要求变换分析粒度/维度后，获取必威体育精装版数据结果基层业务团队取数用数需求量庞大，但作为分析师的供给端不堪重负存量报表繁多，新来的业务同事找不到分析数据，只能咨询数据部门或重复提需求数据分析工作要求人投入大量时间学习理论与实践知识实际数据需求场景核心指标的分析要求兼备灵活性与时效性取数供需不平衡，数据需求响应周期长知识的传递与检索依赖人与人之间的沟通交流，极易出现知识丢失数据分析仍然存在学习门槛，消费者-生产者转化链路难以进一步打通背后的核心问题

观远ChatBI：帮助企业更敏捷地进行数据分析与决策观远ChatBI是一款基于大语言模型（LLM）打造的智能数据问答产品，提供意图识别、知识召回、问题理解、数据查询、可视化生成等能力，帮助企业更敏捷地进行数据分析决策。观远ChatBI定义观远ChatBI三大价值引导式低门槛问答企业个性化知识库知识运营支撑引擎

观远ChatBI产品架构：基于对话互动的知识学习模型

观远ChatBI四步循环，打造零门槛、自迭代的对话式数据分析TrainUseTraceUpdate让知识飞轮转动起来知识库冷启动接入已有数据源，自动学习数据知识。一键导入已有取数模板、知识内容，快速搭建企业级场景知识库雏形。根据知识库内容与用户常见问题，快速批量生成问答结果，人工审核回答准确性。知识库自迭代从对话中提炼新知识、一键加入训练集，不断完成企业知识库。持续进行知识自检、知识更新，对错误知识进行提示，避免产生知识污染。根据用户的个人习惯、分析思路，逐渐打造个人AI数字助理。用户使用自然语言多轮对话获取数据结果，由系统自动完成可视化图表选择、引导追问。通过强互动式的前台界面设计，达成新用户促活、老用户留存的运营闭环。随着用户使用深度加深，对已有主题进行进一步扩展或接入新问数主题。训练追踪通过用户行为数据统计，了解用户活跃情况、问答准确率信息，进行针对性优化与运营。根据用户反馈进行知识提炼与完善，打造企业级知识库雏形。

知识库冷启动：结合BI已有资产，构建问数主题又“快”又“准”多源数据接入支持40+数据库连接方式及文件类数据以抽取方式接入，未来可支持直连知识接入基于观远已有仪表板/卡片/数据集，提取业务知识或问答知识，加速知识库冷启动过程。问答准确率检测主题上线前，基于已有知识库进行问答准确率检测，确认上线前准确率达到90%+。

用户使用：PC端、移动端多端问数，引导追踪对话，优化问答质量多端适配用户可在PC端、移动端进行智能问答。丰富的交互动作用户可对问答结果进行收藏、点赞/踩和导出。OA集成对接常见OA系统（飞书等）机器人，在OA中进行问答

知识库自迭代：打造自学习、个性化的企业级知识库

训练追踪：从对话中挖掘知识，持续训练提升问答准确率卡片数据集归因配置对话历史手工输入用户行为知识库知识库管理来源管理变更版本生效范围变更记录知识库检查输入检查冲突检查近似检查个性化问题推荐指标定义提炼知识录入从已有对话历史中挖掘新知识，提示用户加入到知识库。知识自检对已维护的知识库进行定期检查，发现冲突知识和重复知识，提醒用户进行合并或更新。个性化学习引入用户行为数据，建立个人知识库，对不同用户进行精细化问题推荐与指标口径确认。

观远ChatBI客户案例：沉淀企业业务知识库，实现问答式数据分析自然堂集团的目标和挑战：以ChatBI技术解决临时、重复、个性化的业务需求解决方案将大语言模型和BI基座能力相结合，应用大语言模型的底层能力，学习企业业务知识（表知识、业务逻辑、问答知识、洞察知识等），实现问答式数据分析。企业背景自2001年在中国上海发展以来，自然堂集团先后创立了中国科技美妆高端抗老品牌美素、源自喜马拉雅的自然主义品牌自然堂、敏感肌肤护肤品牌植物智慧、针对年轻人的高功效护肤品牌春夏、专业功效性护肤品牌珀芙研、婴童皮肤科学功效品牌己出、百变且有态度的新锐香水品牌ASSASSINA等多个品牌，业务规模迅速发展壮大。面临的挑战临时需求多 在分析过程中，无法满足所有需求，众多指标和维度是临时提出的一次性需求重复需求多 在自然堂日常数据应用需求中，有很大一部分属于重复需求使用门槛高 不同用户往往存在个性化的分析逻辑，传统BI门槛较高，非技术人员往往难以个性化分析项目价值提升数据分析需求响应效率产品上线3个月后活跃用户占比52%，覆盖业务部门10+，处理取数需求3K+。业务部门的数据需求满足周期从原来的0.