Smartbi AIChat（白泽），是基于大模型（LLM）智能体技术的新一代智能 BI。

Smartbi AIChat 融合了 NL2DSL、数据模型的功能优势，采用先进的 Agent 技术，灵活性、扩展性和泛化能力更强。通过 DeepSeek、Qwen 等大模型与数据平台结合，支持用户通过自然语言实现对话分析、时间计算、归因分析、趋势预测及深度数据洞察等高级分析。它可以帮助企业准确、高效、深入洞察业务数据，真正释放数据价值。

产品简介

如果想要快速了解 Smartbi AIChat 的产品定位、支持的应用场景、背后的技术原理，以及它所具有的行业优势，请参考：产品简介。

使用步骤

利用 Smartbi AIChat（对话式分析）可以通过简单的自然语言快速生成分析图表，无需再制作报表或仪表盘，大大提升数据分析的效率。从头开始使用  Smartbi AIChat，需要按照如下四个步骤进行：

• 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 Smartbi 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。

3. 应用场景

针对以下四个场景深入介绍Smartbi AIChat功能：

• 场景1：自然语言对话式查询与交互
• 场景2：数据计算能力
• 场景3：归因、预测及数据解释
• 场景4：复杂嵌套式查询

4. 问句指南

提供问句示例：写出意图明确、语义清晰的问句，能够帮助Smartbi AIChat精准的理解问句，从而得到想要的数据。