大模型智能化報(bào)表系統(tǒng)2025目錄一、項(xiàng)目背景及目標(biāo)二、整體解決方案三、業(yè)務(wù)架構(gòu)四、技術(shù)架構(gòu)五、產(chǎn)品效果六、落地挑戰(zhàn)七、項(xiàng)目總結(jié)項(xiàng)目背景：隨著GPT技術(shù)的日漸成熟，大模型技術(shù)賦能BI成為企業(yè)數(shù)字化轉(zhuǎn)型發(fā)力的關(guān)鍵點(diǎn)Chat隨機(jī)報(bào)表大模型高盛：未來80%企業(yè)布局解放手?jǐn)?shù)據(jù)先行階段一：GPT1-GPT22018-2020年6月前，應(yīng)用于智能客服，主要關(guān)注文本生成任務(wù)。階段二：GPT3-GPT42020年6月至2023年底，性能優(yōu)秀，在文本生成基礎(chǔ)上，結(jié)

合衍生技術(shù)，關(guān)注文生圖任務(wù)。階段三：Sora2024年2月，Sora問世，專注于文生視頻任務(wù)，輸出長達(dá)60秒的高清視頻。123GPT發(fā)展為生活帶來顛覆性改變：文本生成圖像生成翻譯音樂生成視頻編輯智能助手……B端應(yīng)用Gartner調(diào)研

62%的中國CIO在23年增加商業(yè)BI投資，

BI+AI將成為企業(yè)數(shù)字化轉(zhuǎn)型的主力之一。報(bào)表形式固定，不支持隨機(jī)報(bào)表預(yù)測分析能力弱交互性差……根據(jù)中國國家互聯(lián)網(wǎng)信息辦公室日前發(fā)布的《數(shù)字中國發(fā)展報(bào)告（2023年）》，我國數(shù)字經(jīng)濟(jì)規(guī)模已達(dá)50.2萬億元，總量位居世界第二，占國內(nèi)生產(chǎn)總

值比重提升至41.5%。這一趨勢的背后，離不開眾多像ChatBI這樣的創(chuàng)新產(chǎn)品共同推動(dòng)。ChatBI這類創(chuàng)新產(chǎn)品與中國當(dāng)前數(shù)字經(jīng)濟(jì)的發(fā)展戰(zhàn)略緊密相連。傳統(tǒng)BI現(xiàn)狀

GPT發(fā)展歷程

GPT發(fā)展與企業(yè)布局

GPT+BI應(yīng)用壽險(xiǎn)也追隨GPT浪潮,布局ChatBI產(chǎn)品。解放腦沉淀規(guī)則開藥方指引策略Chat根因分析Chat預(yù)測預(yù)警chatBI平臺(tái)4LLM的能力語言能力學(xué)習(xí)能力工具調(diào)用邏輯推理能夠理解和處理自然語言的結(jié)構(gòu)和含義能夠理解和分析各種形式的數(shù)據(jù)借助RAG增強(qiáng)檢索，使用少量優(yōu)質(zhì)的數(shù)據(jù)集微調(diào)能快速的學(xué)會(huì)某一個(gè)領(lǐng)域的知識(shí)能夠?qū)崿F(xiàn)對工具的調(diào)用和代碼的生成，如：

text2api、text2sql、text2code等可以推理和預(yù)測，識(shí)別數(shù)據(jù)中的異常點(diǎn)、趨勢以及潛在的問題和機(jī)會(huì)業(yè)界對LLM的期望一個(gè)具體的業(yè)務(wù)問題用戶：這個(gè)月業(yè)績表現(xiàn)如何

LLM：較上月業(yè)績大幅下滑，不及預(yù)期用戶：下滑原因是什么？LLM：造成業(yè)績下滑的核心原因是**市場**產(chǎn)品在**人群的銷售不及預(yù)期項(xiàng)目背景：大語言模型(LLM）給智能BI帶來新的可能5項(xiàng)目目標(biāo)：GPT將助力BI產(chǎn)品實(shí)現(xiàn)自然語言查詢、即時(shí)交互、智能決策、預(yù)測預(yù)警等功能。對話式的智能報(bào)表代碼生成及自動(dòng)化動(dòng)態(tài)可視化模板報(bào)告智能分析和決策傳統(tǒng)BI-1.0自助BI-2.0智能BI-3.0靜態(tài)報(bào)表和儀表盤預(yù)定義查詢和指標(biāo)復(fù)雜的ETL實(shí)時(shí)可視化報(bào)表自定義查詢和指標(biāo)簡單的數(shù)據(jù)處理和分析1.02.03.0功能描述響應(yīng)時(shí)間按月按周按秒工具學(xué)習(xí)成本高高0門檻產(chǎn)品適用人群高層管理人員基層管理人員及以上覆蓋更大范圍基層人員角色，不僅限管理崗用戶數(shù)量級(jí)千級(jí)近似萬級(jí)數(shù)萬級(jí)項(xiàng)目背景：壽險(xiǎn)數(shù)據(jù)管理團(tuán)隊(duì)已經(jīng)做好了準(zhǔn)備建設(shè)**個(gè)一級(jí)數(shù)據(jù)域**二級(jí)數(shù)據(jù)域近百級(jí)三級(jí)數(shù)據(jù)域（數(shù)千張表）數(shù)據(jù)指標(biāo)成熟度已達(dá)三級(jí)水平指標(biāo)體系目錄結(jié)構(gòu)達(dá)1萬+個(gè)指標(biāo)提供超過40種圖表組件豐富展現(xiàn)形式通過可視化圖表自薦、圖表篩選聯(lián)動(dòng)和模板收藏復(fù)用協(xié)助業(yè)務(wù)實(shí)現(xiàn)快速生成圖表和制作看板提供快速將數(shù)據(jù)生成API的能力，支持一站式發(fā)布、鑒權(quán)、調(diào)用、數(shù)據(jù)隔離管理。平臺(tái)已實(shí)現(xiàn)與壽險(xiǎn)全系統(tǒng)對接，日均API調(diào)用次數(shù)超千萬+。平安科技已部署PingAnPro等大模型支持各應(yīng)用端調(diào)用、

Prompt配置、微調(diào)等操作業(yè)內(nèi)開源的大模型如通義千問、書生浦語等百花齊放。數(shù)據(jù)中臺(tái)數(shù)據(jù)指標(biāo)可視化BI平臺(tái)服務(wù)平臺(tái)大模型平臺(tái)7項(xiàng)目愿景：GPT引領(lǐng)智能BI新時(shí)代，chatBI平臺(tái)將致力于“人人都是數(shù)據(jù)分析師”而努力，深入洞察數(shù)據(jù)，釋放數(shù)據(jù)價(jià)值ChatBI平臺(tái)極其簡單-自然語言搜索，0學(xué)習(xí)成本數(shù)據(jù)領(lǐng)域的

ChatGPT人人都是數(shù)據(jù)分析師-自然語言自動(dòng)轉(zhuǎn)化為洞察，AI多維分析預(yù)測，復(fù)制3-5年分析能力-實(shí)時(shí)搜索秒出結(jié)果，支持嵌入業(yè)務(wù)系統(tǒng)非常智慧尤其輕快目錄一、項(xiàng)目背景及目標(biāo)二、整體解決方案三、業(yè)務(wù)架構(gòu)四、技術(shù)架構(gòu)五、產(chǎn)品效果六、落地挑戰(zhàn)七、項(xiàng)目總結(jié)總體架構(gòu)方案：依托數(shù)據(jù)中臺(tái)及各平臺(tái)工具，提煉核心功能，靈活支持隨機(jī)報(bào)表、根因分析、預(yù)測預(yù)警等應(yīng)用，實(shí)現(xiàn)解放手、解放腦、開藥方等數(shù)據(jù)能力建設(shè)①解放手

（數(shù)據(jù)先行）對話式BI，所想即所得②

解放腦（沉淀知識(shí)）③開藥方（指引策略）數(shù)據(jù)中臺(tái)Agent智能體應(yīng)用層Chat隨機(jī)報(bào)表智能查表數(shù)據(jù)問答平臺(tái)層...業(yè)務(wù)域1寬表業(yè)務(wù)域2寬表......用戶交互API服務(wù)平臺(tái)問題理解知識(shí)管理平臺(tái)代碼生成BI大模型平臺(tái)數(shù)據(jù)獲取Cube語義平臺(tái)數(shù)據(jù)可視化北斗可視化平臺(tái)指標(biāo)查詢代碼生成秒級(jí)5步經(jīng)驗(yàn)指標(biāo)推薦圖表生成天級(jí)what一步到位whyChat根因分析AI智能howChat預(yù)測預(yù)警多輪對話點(diǎn)踩點(diǎn)贊數(shù)據(jù)洞察維度分析報(bào)告生成下鉆分析關(guān)聯(lián)分析

分析模板推薦異常檢測規(guī)則預(yù)警策略推薦趨勢預(yù)測模型預(yù)警智能總結(jié)公共能力自然語言問答數(shù)據(jù)可視化智能推薦問數(shù)任務(wù)編排人群分析分析

數(shù)據(jù)分析數(shù)據(jù)解讀策略制定解讀目錄一、項(xiàng)目背景及目標(biāo)二、整體解決方案三、業(yè)務(wù)架構(gòu)四、技術(shù)架構(gòu)五、產(chǎn)品效果六、落地挑戰(zhàn)七、項(xiàng)目總結(jié)隨機(jī)報(bào)表功能點(diǎn)：已實(shí)現(xiàn)隨機(jī)報(bào)表核心月頻指標(biāo)查詢、權(quán)限管理、指標(biāo)推薦、數(shù)據(jù)展示等功能；支持自然語言多輪問話以及指標(biāo)篩選器點(diǎn)選功能；支持用戶點(diǎn)踩、點(diǎn)贊，問題反饋收集等功能；隨機(jī)報(bào)表產(chǎn)品功能問法指標(biāo)指標(biāo)查詢指標(biāo)推薦代碼生成圖表生成多輪對話點(diǎn)踩點(diǎn)贊數(shù)據(jù)問法常規(guī)問法指標(biāo)問法指標(biāo)范圍指標(biāo)頻率指標(biāo)權(quán)限支持已上線指標(biāo)指標(biāo)庫查看、點(diǎn)擊功能；核心指標(biāo)數(shù)值查詢；支持用戶指標(biāo)推薦功能；支持查詢的指標(biāo)SQL代碼生成、復(fù)制等功能；支持表格、折線圖等圖表展示；支持下鉆&前推機(jī)構(gòu)圖表生成；支持根據(jù)指標(biāo)類型推導(dǎo)，生成近期指標(biāo)趨勢圖；支持各大數(shù)據(jù)域全量核心+衍生指標(biāo)指標(biāo)查詢；支持單指標(biāo)、多指標(biāo)單表查詢；支持同比、環(huán)比、達(dá)成功能；支持指標(biāo)結(jié)果排序；支持時(shí)間+機(jī)構(gòu)+指標(biāo)等常規(guī)指標(biāo)問法；支持月頻指標(biāo)最近半年查詢功能、年頻指標(biāo)最近3年查詢功能；集成各應(yīng)用系統(tǒng)數(shù)據(jù)指標(biāo)權(quán)限，支持指標(biāo)+用戶權(quán)限查詢；支持可累加指標(biāo)查詢及部分復(fù)合指標(biāo)查詢、率值指標(biāo)等查詢；業(yè)務(wù)架構(gòu)-流程：依托北斗系列數(shù)據(jù)中臺(tái)，搭建BI知識(shí)庫，微調(diào)部署LLM，賦能數(shù)據(jù)查詢數(shù)據(jù)圖表多維分析指標(biāo)體系用戶Agent智能調(diào)度3.數(shù)據(jù)結(jié)論組裝客戶端1客戶端24.客戶端展示2.數(shù)據(jù)獲取1.BI指令理解數(shù)據(jù)功能預(yù)測預(yù)警BI大模型功能多輪對話意圖識(shí)別知識(shí)推理API+Doris自然語言交互界面自然語言提問數(shù)據(jù)解釋行動(dòng)建議業(yè)務(wù)報(bào)告……ChatBI平臺(tái)目錄一、項(xiàng)目背景及目標(biāo)二、整體解決方案三、業(yè)務(wù)架構(gòu)四、技術(shù)架構(gòu)五、產(chǎn)品效果六、落地挑戰(zhàn)七、項(xiàng)目總結(jié)14公共服務(wù)閉源大模型（平安大模型）Embedding(BGE、OpenAI)BI大模型開源大模型（書生浦語等）業(yè)務(wù)域1業(yè)務(wù)域 業(yè)務(wù)域2

3數(shù)據(jù)中臺(tái)...知識(shí)標(biāo)注知識(shí)增強(qiáng)語義檢索知識(shí)管理問答標(biāo)注前端系統(tǒng)用戶提問網(wǎng)關(guān)限流權(quán)限管理多任務(wù)對話系統(tǒng)對話數(shù)據(jù)上下文理解意圖識(shí)別槽位提取Agent開始執(zhí)行任務(wù)編排引擎Agent結(jié)果輸出工具知識(shí)庫任務(wù)執(zhí)行意圖理解任務(wù)規(guī)劃AI+BI工具箱Query改寫意圖識(shí)別指標(biāo)分析圖表生成數(shù)據(jù)查找代碼生成預(yù)警預(yù)測智能推薦報(bào)告生成策略制定可視化系統(tǒng)可視化圖表庫用戶界面元素布局管理器交互式控件自定義組件技術(shù)架構(gòu)-總體：依托北斗系列數(shù)據(jù)中臺(tái)、BI大模型平臺(tái)、知識(shí)管理平臺(tái)，通過任務(wù)編排引擎、

AI+BI工具箱等關(guān)鍵能力，智能支持業(yè)務(wù)問數(shù)、分析、決策等核心功能。15技術(shù)架構(gòu)-問數(shù)流程：ChatBI平臺(tái)隨機(jī)報(bào)表功能分成意圖識(shí)別、知識(shí)提取、文本生成、數(shù)據(jù)生成等模塊，主要賦能代碼生成、知識(shí)推理、文本對話等功能信息抽取用戶提問提示詞模版內(nèi)容分類意圖識(shí)別接口查詢返回答案答案生成sql生成數(shù)據(jù)結(jié)果3文本生成14

數(shù)據(jù)生成模塊意圖識(shí)別模塊文本生成模塊2模型微調(diào)LoRa方法P-tuning方法知識(shí)庫元數(shù)據(jù)庫BI領(lǐng)域知識(shí)檢索庫向量知識(shí)庫知識(shí)提取模塊大模型chatGLM3-6b

base原始模型

chatGLM3-6b

chat對話

qwen-14Bqwen-72B-int4文本解讀16知識(shí)庫分類c同比、環(huán)比、累計(jì)等BI專業(yè)術(shù)語業(yè)務(wù)領(lǐng)域1、業(yè)務(wù)領(lǐng)域2、...、Pg、Mysql等范式BI術(shù)語知識(shí)庫保險(xiǎn)知識(shí)庫簡單詞典簡答語料熱詞、敏感詞、專業(yè)詞常見SQL語料問答對建庫流程問答1問答2……問答解析ES檢索數(shù)據(jù)庫(關(guān)鍵詞、熱詞、專業(yè)術(shù)語)向量數(shù)據(jù)庫結(jié)束查詢流程問答ES檢索數(shù)據(jù)庫FS向量數(shù)據(jù)庫LLM結(jié)束召回Doc召回:Doc+Prompt無召回:Prompt無召回:Prompt知識(shí)庫+大模型

RAG方案因?yàn)槿鄙俅怪鳖I(lǐng)域的數(shù)據(jù)樣本，直接使用大模型會(huì)因數(shù)據(jù)陳舊，出現(xiàn)答案錯(cuò)誤等問題RAG是指檢索增強(qiáng)生成，即LLM在回答問題或生成文本時(shí)，先會(huì)從大量文檔中檢索出相關(guān)的信息，然后基于這些信息生成回答或文本，從而提高預(yù)測質(zhì)量不必為每一個(gè)特定的任務(wù)重新訓(xùn)練整個(gè)大模型，只需要外掛知識(shí)庫，即可為模型提供額外的信息輸入，提高其回答的準(zhǔn)確性技術(shù)架構(gòu)-知識(shí)庫：搭建基于BI場景取數(shù)知識(shí)庫+大模型的RAG方案，基于BI場景知識(shí)庫生成回答，提高預(yù)測質(zhì)量。1常規(guī)知識(shí)庫2進(jìn)階知識(shí)庫目錄一、項(xiàng)目背景及目標(biāo)二、整體解決方案三、業(yè)務(wù)架構(gòu)四、技術(shù)架構(gòu)五、產(chǎn)品效果六、落地挑戰(zhàn)七、項(xiàng)目總結(jié)產(chǎn)品效果-案例：對話式隨機(jī)報(bào)表的流程解析Step1：張三搜索：2023年6月A、B兩個(gè)機(jī)構(gòu)的業(yè)績

Step2：意圖識(shí)別與知識(shí)庫：意圖=【業(yè)績查詢】，指標(biāo)=【業(yè)績】：年=【2023】，月=【6月】，機(jī)構(gòu)=【A、B】Step7：根據(jù)前端輸入，智能推薦柱狀圖、折線圖等用戶搜索意圖識(shí)別數(shù)據(jù)圖表Step6：數(shù)據(jù)中臺(tái)服務(wù)數(shù)據(jù)獲取統(tǒng)計(jì)日期機(jī)構(gòu)名稱機(jī)構(gòu)編碼保費(fèi)收入(百萬)202306AXXXXX202306BXXXXX結(jié)果=權(quán)限匹配結(jié)果UM鑒權(quán)SQL生成Step5：SQL生成select

column1

as二級(jí)機(jī)構(gòu)名稱,column2

as統(tǒng)計(jì)日期,sum(column3)as保費(fèi)收入fromTable1where

column2>='2023-06-01'and

column2<'2023-07-01'and

column1

in('A','B')group

bycolumn1,column2任務(wù)編排Step4：指標(biāo)、機(jī)構(gòu)、UM鑒權(quán)：UM=張三，查詢機(jī)構(gòu)=【A、B】，指標(biāo)=【保費(fèi)收入】，Step3：問數(shù)Agent

通過任務(wù)編排識(shí)別調(diào)度問數(shù)功能產(chǎn)品效果-案例：言出必答功能，實(shí)現(xiàn)對業(yè)務(wù)核心指標(biāo)口徑的實(shí)時(shí)問詢產(chǎn)品效果-案例：隨機(jī)報(bào)表功能，可實(shí)現(xiàn)已上線指標(biāo)庫的問詢，以及業(yè)務(wù)核心指標(biāo)的同環(huán)比、排序、趨勢等自然語言的查詢；產(chǎn)品效果-案例：隨機(jī)報(bào)表功能，已實(shí)現(xiàn)SQL生成、問題推薦、可視化圖表推薦等功能；目錄一、項(xiàng)目背景及目標(biāo)二、整體解決方案三、業(yè)務(wù)架構(gòu)四、技術(shù)架構(gòu)五、產(chǎn)品效果六、落地挑戰(zhàn)七、項(xiàng)目總結(jié)23問題及挑戰(zhàn)01大模型幻覺問題02根因分析的準(zhǔn)確性03用戶權(quán)限管理問題：大模型對同樣的入?yún)?，每次生成答案并不穩(wěn)定，對錯(cuò)取決于模型參數(shù)量與Prompt工程的質(zhì)量。方案：大模型+知識(shí)庫+數(shù)據(jù)中臺(tái)采用AI意圖識(shí)別+設(shè)計(jì)平臺(tái)cubejs