...
- 首先创建 数据连接，对接上自己的数据源。支持所有类型的关系型数据库、NoSQL数据库、本地文件、外部系统，也可以通过接口方式获取任何其他来源的数据。
- 然后利用 数据模型 整合异构来源的数据，并利用其强大的计算能力进行数据再加工，构建出计算列、分组字段、计算度量、自定义成员和命名集等。构建的数据模型，包含业务用户对话分析时需要使用的所有维度和度量，方便其使用。
- 接着对创建的数据模型构建知识图谱。初始的模型图谱，用户在使用 AIChat 进行自然语言查询过程中，可能会遇到某些问句的查询结果不准确、或者无法得到预期结果的情况，则需要通过补充“知识”、“同义词”、“示例”等方式对模型图谱进行微调，从而影响问句的查询结果。
- 最后，让业务用户直接使用 AIChat 进行对话式分析。支持用户通过自然语言实现对话分析、时间计算、归因分析、趋势预测等高级分析，深入洞察数据，释放数据价值。进行对话式分析。支持用户通过自然语言实现对话分析、时间计算、归因分析、趋势预测等高级分析，深入洞察数据，释放数据价值。快速开始，请参考 界面介绍。
应用场景
Smartbi AIChat 针对业务用户日常数据分析过程中的主要需求及痛点，着力进行产品的优化打磨，应对如下几个 应用场景 游刃有余。
...
