中關(guān)村科金大模型BI解決方案，幫助企業(yè)實(shí)現數據驅動(dòng)經(jīng)營(yíng)決策

過(guò)去一年大模型應用集中爆發(fā),中關(guān)村科金作為領(lǐng)先的對話(huà)式AI技術(shù)解決方案提供商,基于各個(gè)行業(yè)真實(shí)的業(yè)務(wù)痛點(diǎn),圍繞營(yíng)銷(xiāo)、服務(wù)與運營(yíng)場(chǎng)景,創(chuàng )新打造和升級了知識助手、投顧助手、智能陪練等大模型應用,全面賦能客戶(hù)經(jīng)理展業(yè),實(shí)現降本增效。

為進(jìn)一步解決客戶(hù)經(jīng)理日常展業(yè)的痛點(diǎn),中關(guān)村科金推出AI營(yíng)銷(xiāo)助手產(chǎn)品線(xiàn),基于自研的金融領(lǐng)域大模型為數智底座,結合OCR、RPA、音視頻等AI技術(shù),以統一的對話(huà)式入口,集成中關(guān)村科金客戶(hù)洞察平臺CDP和自動(dòng)化營(yíng)銷(xiāo)決策平臺MA,支持用戶(hù)行為數據采集UBS產(chǎn)品,實(shí)現了在客戶(hù)跟蹤維護、市場(chǎng)&產(chǎn)品問(wèn)題答疑、客戶(hù)標簽行動(dòng)洞察、投資需求參數提取、金融產(chǎn)品篩選對比、大類(lèi)資產(chǎn)配置輔助、場(chǎng)景化財富管理7個(gè)具體業(yè)務(wù)場(chǎng)景的應用。

隨著(zhù)前線(xiàn)作戰人員的裝備提升,營(yíng)銷(xiāo)活動(dòng)的組織頻次密度也將隨之增高,原先的活動(dòng)分析BI工具難免“相形見(jiàn)絀”。

“從領(lǐng)卷人數、1天轉化、7天轉化對比上次活動(dòng)看看?”

“把這批的活動(dòng)的最終效果,轉化漏斗、ROI,再找找亮點(diǎn)數據,做成圖表,放到PPT里”

“這批活動(dòng)為什么轉化率掉了,參與人跟兩周前的有什么不同嘛?”

“這場(chǎng)直播人數看著(zhù)不錯啊,是不是咱們今天破新高了,最后這些人多少自己買(mǎi)了,多少聯(lián)系客服接著(zhù)咨詢(xún)了?”

“你這ROI看著(zhù)不對啊,你這分子取的什么口徑數?虛高了吧”

當管理層、團隊長(cháng)一次次的拆解營(yíng)銷(xiāo)任務(wù)、復盤(pán)活動(dòng)效果,需要協(xié)調數據團隊不停地給出不同口徑,不同維度的數據,活動(dòng)分析仿佛回到了SQL+Excel的半手工時(shí)代。運營(yíng)人員每天陷入提數、算數、看結果,換口徑、重提數、找亮點(diǎn),做圖表、寫(xiě)匯報的循環(huán)里。

此外,傳統BI系統需要大量的數據分析師來(lái)做ETL工作,根據定義好的業(yè)務(wù)需求,配置一張張的報告,過(guò)程繁瑣、固化,更適合出具財務(wù)口徑、監管口徑等相對固定、明確的報表,且BI系統對操作熟練度有要求,需要在紛繁的報表中找到所需的。

既然營(yíng)銷(xiāo)可以用大模型改善,那么大模型更加擅長(cháng)的數據分析,同樣可以作為最先落地的應用場(chǎng)景范圍之一。但在嘗試了NL2SQL,利用大模型直接將用戶(hù)指令轉換成SQL執行時(shí),卻發(fā)現了些許問(wèn)題,除了生成SQL的編譯、表的對應問(wèn)題外,還有以下常見(jiàn)難點(diǎn):

?         輸入的自然語(yǔ)言要足夠精準并避免歧義,否則結果差距非常大,但這又與自然語(yǔ)言習慣不太符合;

?         有的請求是依賴(lài)上下文的,屬于漸進(jìn)式需求表達,但生成的SQL卻可能與前述截然不同;

?         自然語(yǔ)言很難表達一些復雜場(chǎng)景,甚至不如直接寫(xiě)SQL來(lái)的容易;

?         查看數據時(shí),往往需要切換不同的口徑,從而找出數據變化的原因,但對口徑的理解和多輪對話(huà)的表達常常又難以表述,出現反復橫跳現象。

基于NL2SQL的Chat2SQL,雖然改變了用戶(hù)的交互形式,以更加友好的對話(huà)式交互提升了操作的便捷性,但又存在直接對應底層數據庫表時(shí),語(yǔ)義理解難以準確的映射到數據層,難以應用在嚴肅場(chǎng)合的問(wèn)題。此外,Chat2SQL可以輔助數據分析師開(kāi)發(fā),但數據分析師自身往往又是SQL高手,業(yè)務(wù)人員想用又不敢信,很難產(chǎn)生實(shí)際的生產(chǎn)價(jià)值。

不過(guò)這些問(wèn)題并非全然無(wú)解。中關(guān)村科金基于指標中臺,將可視化BI和AI能力進(jìn)行合增強,引入Headless Bl模式,構建對話(huà)式BI、異動(dòng)分析、智能歸因、數據預測、能解讀等多個(gè)產(chǎn)品模塊,為業(yè)務(wù)提供自動(dòng)化洞察數據的智能分析可視化工具,實(shí)現零代碼解讀數據,提高業(yè)務(wù)人員數據分析的效率,幫助企業(yè)利用數據創(chuàng )造更多的價(jià)值,發(fā)現新的商業(yè)機會(huì )和創(chuàng )新點(diǎn),真正實(shí)現數據驅動(dòng)經(jīng)營(yíng)決策。

指標中臺的引入,使得AI+BI的方案可以很好地保留基于大模型對話(huà)的友好交互形式,便捷查詢(xún)、低成本學(xué)習等特點(diǎn),并且所有數據又經(jīng)過(guò)了指標中臺的處理加工,指標定義清晰、語(yǔ)義識別明確、結果反饋準確,既靈活又嚴肅。

靈活性核心體現在交互式探索。尤其是營(yíng)銷(xiāo)活動(dòng)復盤(pán)這種分析重于展現的場(chǎng)景,對數字背后的影響因子很難一下設定完整,甚至是沒(méi)有明確的方向,需要不斷地依靠假設拆解指標、變換口徑,以此測試驗證思路的準確性,僅從幾張預設的報表中是無(wú)法看出問(wèn)題的。而基于大模型的交互式探索,正適合利用多輪對話(huà),將設想轉換成不同的形式呈現出來(lái),并進(jìn)行實(shí)時(shí)反饋,有助于激發(fā)想象力。

嚴肅主要是指數據可用、敢用。統一的指標口徑與定義、嚴謹的原子指標加工,使得團隊可以基于共同語(yǔ)言體系來(lái)看數據,理解一致能夠提升互信度,洞見(jiàn)才更有可能被采納。

為了更好的給客戶(hù)解決端到端的問(wèn)題,AI營(yíng)銷(xiāo)助手在集成智能營(yíng)銷(xiāo)板塊后,又引入基于指標中臺的AI+BI模塊,將可視化BI和AI交互、分析能力合并增強,形成以下4個(gè)特點(diǎn):

1、 Headless BI,助力業(yè)務(wù)場(chǎng)景靈活探索

將數據的語(yǔ)義層和應用層進(jìn)行解耦,通過(guò)統一語(yǔ)義層的模式實(shí)現指標和模型的一處定義、多處使用。為分析應用和業(yè)務(wù)場(chǎng)景提供統一的語(yǔ)言,提升數據服務(wù)的可重用性和開(kāi)發(fā)效率,為業(yè)務(wù)場(chǎng)景的探索提供更靈活和有力的支持。

2、 對話(huà)式BI,提升產(chǎn)品交互體驗

更友好的交互體驗,簡(jiǎn)單上手,在探索中分析數據,洞見(jiàn)智能生成圖表,支持以創(chuàng )建模板的形式,形成個(gè)性化的儀表盤(pán)和數據報告。

3、 Chat2Metrics,加強分析基礎性能

從自然語(yǔ)言對話(huà),到精準的指令語(yǔ)義識別,使得AI+BI更嚴謹,識別準確度高,指標知識庫更完整,分析基礎更牢靠。

4、 增強分析,提高分析決策能力

學(xué)習歷史用戶(hù)交互的歸因結果,多維度、組合形式輔助尋找關(guān)鍵因子?；跉v史知識,精準、快捷的構建人群包和營(yíng)銷(xiāo)策略,復制成功經(jīng)驗?；趯?shí)時(shí)數據,監控指標異動(dòng),給出分析建議,通過(guò)用戶(hù)對解的評價(jià),不斷修正解讀。

在數字化時(shí)代,數據的價(jià)值不言而喻,然而如何有效利用和分析數據,讓數據成為企業(yè)的核心資產(chǎn),是每個(gè)企業(yè)都需要面臨的挑戰。AI+BI將人工智能的智能化分析和商業(yè)智能的可視化分析相結合的解決方案,為企業(yè)提供了一種全新的數據分析方式。

中關(guān)村科金在A(yíng)I+BI領(lǐng)域的探索和創(chuàng )新正是基于這樣的背景。既打破了傳統BI的局限性,實(shí)現了數據分析和交互的智能化、自動(dòng)化,也提高了數據分析的效率,降低了數據分析的門(mén)檻,使得更多的業(yè)務(wù)人員能夠輕松上手,利用數據驅動(dòng)業(yè)務(wù)決策。

在推動(dòng)大模型垂直化、產(chǎn)業(yè)化落地的過(guò)程中,中關(guān)村科金全力探索、加速演進(jìn),以場(chǎng)景應用為牽引,持續推出創(chuàng )新應用,幫助客戶(hù)進(jìn)行卓有成效的降本、行之有效的增效,以創(chuàng )新打開(kāi)增長(cháng)空間。