AI+BI 面临的困境

levelworm

3 天前

AI 现在根本就不支持高准确性，让你老板死心或者雇一个专门做 BI 的。

dssxzuxc

3 天前

这里最难的是要保证用户输入质量，如果用户能理性、有逻辑、精确地提问，那工作流就会同样理性、有逻辑地安排计划任务，返回正确结果。

kestrelBright

2 天前

老板说 xxx 花费太多看从哪边能减下来

yangjaydev

2 天前

数据量不大的话，也可以将全量数据结果作为上下文进行提问，不一定要走 sql

red13

2 天前

text2sql 的 sql 本身就是问题，sql 只能描述关系数据库结构，无法描述业务模型

irockytan

2 天前

有两个思路可以试试：

一、RAG 思路
把表和字段描述、DDL 、相似问题到 SQL 的映射分别组装成向量库
当提问时，从 SQL 映射、DDL 、表描述三个向量库中分别检索，最终组成一个大的 Prompt 让大模型生成 SQL 并调用数据库工具查询数据。这个方案的优点在于如果你的历史问题到 SQL 的映射足够多，理论上准确度还可以；换个说法，如果你能相对穷举你老板可能会问什么，都写到问题与 SQL 的映射中，你就赢了。

二、通过 DSL 中转
大概思路是基于宽表建立一个表、维度、维度关系的知识库，同时把用户问题通过大模型转换成标准格式的 DSL ，包含表、维度、指标等关系和描述，通过编程的方式把 DSL 转换成 SQL 查询。这个方案的优点在于大模型不需要去生成最终的 SQL ，而是根据 NLP 理解把问题解析成 DSL ，而 DSL 可以有业务语义。

BingoW

1 天前

AI 最大问题是不确定性，同样的问题问两次会有不一样的答案。老板想要的是定制化多样性，而不是随机性。你给他一个可以选择参数、查询范围的应用即可。BI 只是辅助项，可以根据查询结果进行几项 AI 探索。你可以看一下帆软 BI 最新的版本，结合 AI 。但是只是说 AI 替代了人做图表的过程，而不是天马行空随机生成图表。

ningxing

1 天前

老板或者你自己发送的关键词里，拼接强制性要求，如果不满足你的强制性的某个要求，则返回失败信息。

goodryb

1 天前

BI 主要是查询吧，一般需求可以考虑使用 MCP 写一些固定的查询逻辑，比如，查询昨天的营业额、8 月份的营业总额这种，都可以抽象出来，让大模型通过 mcp tool 来调用，准确度还是非常高的

如果是一些复杂的，就要用 6 楼提到的 rag 增强，把库表信息传递给大模型，然后优化下 NL2SQL ，看看效果

大模型这东西只能说尽量优化，完全代替 BI 报表，没人敢打包票数据不会出问题

pppwww

1 天前

@irockytan 首先感谢大佬的恢复，第一条路目前在研究这个，通过比较详细的 table schema 信息+相似问题的输出 sql 来一起给到 LLM 。第二条之前确实没有怎么考虑，这个我研究研究

pppwww

1 天前

@red13 是的，如何把复杂的业务逻辑和关系型数据库中的库表之间的联系建立起来是个问题

pppwww

1 天前

@levelworm 哈哈哈哈，我倒也想，目前 ai 在 BI 领域最大的难题就是准确性问题或者信任问题，这块恰恰是 BI 最看重的问题

pppwww

1 天前

@goodryb 确实，当前准确性是 AI 在 BI 领域面临的比较大的挑战，数据问答层面，能选择到正确的数据来源是第一个要面临的问题

INTOX8O

1 天前

在公司临危受命做过一个 demo 级别的 BI ，RAG 准确性很重要一直提升不上去，并且数据库涉及到 ck 、mongo 、mysql 怎么整合和权限也是一大问题。

brianinzz

20 小时 15 分钟前

相关的厂商给我们报过方案,说的是用大宽表即数据都合在一个表里能有效的提高准确率