第69页，共308页。 显示 3,072 条结果 (0.039 秒)
操作权限列表
。 日期表 用于控制在数据模型编辑界面是否拥有新建日期表的权限。 数据抽取 用于控制在数据模型编辑界面能否进行数据抽取的权限。 抽取计划 用于控制在数据模型编辑界面是否拥有抽取计划的按钮权限。 分析展现 操作功能 说明 交互式仪表盘 新建 用于控制是否有新建交互式仪表盘 … \导出Excel”菜单。 耗时分析 用于控制是否有对交互式仪表盘进行耗时分析的操作权限，没有该权限时，编辑交互式仪表盘时工具栏上不显示“耗时分析”按钮。 因系统默认关闭耗时分析的功能，若是勾选了‘耗时分析’权限，同时需要参考步骤 ，以此开启报表耗时分析的功能。 数据预警 用于控制是否有对交互式从第三方系统中新建Smartbi资源
仪表盘、即席查询、透视分析、自助ETL、WEB电子表格、数据挖掘、Excel导入模板、业务主题以及旧数据集（自助数据集、可视化数据集、原生SQL数据集、SQL数据集、JAVA数据集、存储过程数据集）、即席查询（旧）、透视分析（旧）、仪表分析、多维分析。 ==使用旧数据集需拥有授权包含相应模块功能的License文件 … | sourceid | 表示基于以sourceid为资源ID的数据集（或者旧数据集、业务主题、数据源）新建资源。 | bizqueryid | 业务查询ID，在新建分析报表时可以选用。如果bizqueryid为空，则出现选择已有数据集（包括可视化数据集、SQL数据集、存储过程数据集）的页面；否则直接进入新建分析报表页面数据挖掘-特征转换
概述 特征转换是实现特征类型的转换，将类别型变量转换为数值型变量，方便算法训练学习计算。 例如：将特征列中“男”“女”变量转换为0、1的数值。结合特征抽取中抽取和变换节点组合使用。 输入/输出 输入 没有输入端口。 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用。 参数设置 参数名称 说明 备注 新增列后缀 用于设置在原字段名后追加后缀生成新的列，默认后缀为：Index； 该节点与抽取、变换节点组合使用； 图片1.png 示例 使用“鸢尾花数据”，将种类（Species）该列的类别型数据变换数据挖掘-特征转换
概述 特征转换是实现特征类型的转换，将类别型变量转换为数值型变量，方便算法训练学习计算。 例如：将特征列中“男”“女”变量转换为0、1的数值。结合特征抽取中抽取和变换节点组合使用。 输入/输出 输入 没有输入端口。 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用。 参数设置 参数名称 说明 备注 新增列后缀 用于设置在原字段名后追加后缀生成新的列，默认后缀为：Index； 该节点与抽取、变换节点组合使用； 图片1.png 示例 使用“鸢尾花数据”，将种类（Species）该列的类别型数据变换交叉表组件-基于业务主题/自助数据集
概述 基于业务主题/自助数据集的交叉表，其列区或行区必须与汇总区结合使用才可以展现数据，且通常列区或行区使用“维度”，汇总区使用“度量”。 列区：只能拖拽“维度”；若拖拽了“度量”则系统默认转成“维度”。 行区：只能拖拽“维度”；若拖拽了“度量”则系统默认转成“维度”。 汇总区：只支持“度量”。拖拽“度量”指标默认进行汇总；拖拽的“维度”指标转化为“度量”默认进行计数。 组合效果 交叉表的组合效果的情况主要有如下三种： 组合情况 效果 情况1： 列区：维度 汇总区：度量 image2019-7-23 11_11_12.png 情况2： 行区：维度 汇总区从第三方系统中打开Smartbi资源
目前支持被集成的资源类型有：自助仪表盘、自助数据集、数据模型、自助ETL、数据挖掘、ETL自动化、作业流、多维分析、即席查询、透视分析、Web链接、电子表格、仪表盘页面、WEB电子表格、可视化查询、SQL数据集、存储过程查询、原生SQL查询，以及Excel导入模版等。 1.3. 基本参数 … 2. 附加参数 附加参数说明 除了基本参数外，各种资源类型还有一些其它参数可供设置。按照资源类型，分别说明如下。 资源分类 附加参数（可选项） 灵活分析 查询参数：控制灵活分析的数据展示。 paramsInfo：参数信息，需要对灵活分析的查询参数数组进行JSON序列化证券行业主题介绍
证券经纪AI问数方案——用自然语言驱动数据洞察 1.背景 在证券行业利润空间缩窄、佣金收入下降的背景下，精细化运营和敏捷决策成为券商转型的关键。然而，传统BI工具门槛高、效率低，业务人员需反复导出数据手动分析，难以满足快速变化的市场需求。 2. AIChat的三大核心价值 1）降低用数门槛：通过自然语言交互，业务人员无需熟悉复杂字段，直接提问即可获取数据和分析结果。 2）提升用数效率：自动化生成报表、归因分析和可视化图表，告别Excel手工操作，秒级响应业务需求。 3）扩展用数半径：覆盖客户管理、交易分析、产品运营、区域绩效全场景，助力从数据沉淀到价值兑现。 3.三步构建智能分析能力 1）数据模型：基于产品简介
1. 概述 Smartbi AIChat（白泽），是企业级AI对话式数据分析智能BI平台，融合了大语言模型（LLM）、AI Agent智能体、Smartbi指标平台及BI大数据分析技术，支持用户通过自然语言实现数据查询、数据可视化、时间计算、归因分析、趋势预测及深度数据洞察等高级数据分析任务，帮助企业准确、高效 … AIChat 不仅提供描述性分析，还能借助提示深入进行诊断性、预测性和指示性分析。 场景说明（学习视频） 5分钟掌握AIChat四大智能问数场景 https://my.smartbi.com.cn/edu/course-115 2.1 场景1：自然语言对话式查询与交互 Smartbi AIChat数据挖掘 – 相似集计算(LSH)
该功能为V10.5版本功能。 概述 使用训练好的LSH模型，对两份数据中的向量进行相似度匹配，把相似度距离低于预设阈值的组合输出到结果。 输入/输出 输入 三个输入端口，输入1接收训练好的LSH模型，输入2和3接收要进行匹配的数据。 输出 一个输出端口，用于输出匹配后的结果。 参数设置 参数名称 说明 备注 相似阈值 设置相似度距离阈值 距离低于阈值的组合才会被输出 示例 相似集1.png 效果 分别接入LSH模型，数据1和数据2，其中数据1和数据2都已使用词向量模型对其文本进行转换。把相似阈值设为0.45，输出数据挖掘 – 相似集计算(LSH)
该功能为V10.5版本功能。 概述 使用训练好的LSH模型，对两份数据中的向量进行相似度匹配，把相似度距离低于预设阈值的组合输出到结果。 输入/输出 输入 三个输入端口，输入1接收训练好的LSH模型，输入2和3接收要进行匹配的数据。 输出 一个输出端口，用于输出匹配后的结果。 参数设置 参数名称 说明 备注 相似阈值 设置相似度距离阈值 距离低于阈值的组合才会被输出 示例 相似集1.png 效果 分别接入LSH模型，数据1和数据2，其中数据1和数据2都已使用词向量模型对其文本进行转换。把相似阈值设为0.45，输出
