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 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。
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。
- 场景1：自然语言对话式查询与交互。
- 场景2：支持高级数据计算能力。
- 场景3：支持归因、预测及数据解释。
- 场景4：通过复杂嵌套式查询，进行递进式分析。
问句指南
我们与 Smartbi AIChat 这样的对话式分析工具交互，主要方式就是通过文字/语音提问。想要真正发挥 Smartbi AIChat 的真正潜能，使之成为我们分析数据的屠龙宝刀，必须知道如何写出意图明确、语义清晰的问句，这样能够帮助 Smartbi AIChat 精准的理解问句，从而得到你想要的数据。请参考：问句指南。
