背景
一直以來，分析師會消耗大量的精力來解決業務的取數問題和資料異常分析問題，我要看這個資料->這個資料為什麼不符合我的預期->我要怎麼改善，一個循環下來，雙方都會耗費大量的時間和精力。
智能資料助理由此而生，她是一個智能資料分析機器人，試圖将這個過程部分自動化，讓分析師從一些簡單重複的勞動中解放出來，去做更深入的業務分析，沉澱業務能力，也讓業務人員在很多不太複雜的問題上得到更快的回報。
定義
智能資料助理，以對話互動形式提供多元資料分析、個性化資料展現、資料名額預警、名額因子分析等能力。通過對話就可以開啟資料查詢分析，簡單易用。
架構
整體架構分為三層：
- 資料接入層，通過OLAP引擎以及外部服務接入的方式，智能資料助理目前支援API、RDS、ADB等資料源。
- 服務層，主要包括兩部分。一部分是會話管理，通過自然語言多輪對話引導的方式快速擷取使用者的查詢意圖，然後路由到不同的查詢引擎，再通過OLAP引擎或者外部服務查詢，擷取到使用者想要的資料；另外一部分是消息推送，大部分的資料使用者都希望定時擷取自己關注的資料，特别是在資料異常的時候，及時擷取到資料異常的資訊，并且通過因子分析，能夠快速擷取異常原因的解讀。
- 互動層，智能資料助理除了釘釘以外，也提供了H5的形态，也支援以API的方式與第三方IM工具內建。
意圖識别
意圖識别能力是智能資料助理能夠準确了解使用者需求的關鍵。為此，我們建構了一套資料分析領域的業務模型，依據SchemaModel作為知識來對使用者的文本輸入進行語義解析。SchemaModel結構複雜，且動态變化，意圖了解和解析的任務是将使用者輸入的一個或若幹文本資訊轉化為MDX查詢，文本中的實體需要根據實時的Schema内容關聯到相應的Cube、次元、名額名稱、篩選條件等。SchemaModel是使用者意圖了解、MDX參數（槽位）解析、映射、互動管理的知識核心。
意圖識别模型具有以下特點：
-
- 對話式資料查詢，完整的多輪對話模型
- 字典管理，可以人工幹預介入分詞不準等情況
- 上下文管理，完整的上下文log記錄，以及基于log的分析比對
為了完成複雜意圖的識别，智能資料助理采用了詞典 + 句法分析 + 依存樹的方式。詞典确定映射關系，句法确定相似語句表達結構，依存樹詞形确定主體，詞性确定次元。
功能特性
智能資料助理的核心能力包括：對話式資料分析、資料簡報、異常預警、智能分析以及智能洞察。
- 對話式資料分析：基于分析意圖模型和多輪對話管理能力，實作靈活便捷的對話式分析請求和豐富資料展現。
- 資料簡報：有觀點的資料解讀。基于Markdown擴充的簡報編輯器，支援實時、日周 月等推送周期定制。
- 異常預警：借助智能資料助理的動态預警能力，實作資料找人，将業務資料的異常波動主動推送到相關人或者群，幫助業務部門及時發現問題并采取有效措施。
- 智能分析：資料分析算法化，支援歸因、TopN、 次元下鑽、時序預測等等算法，以及動态的操作推薦。
- 智能洞察：基于資料集次元名額的統計特征，根據洞察算法生成趨勢，波動歸因等結果，并自動生成可視化的圖表報告，給使用者決策提供智能化參考。
效果展示
結尾
智能資料助理目前在阿裡雲公共雲上已經上線，目前在公測中，歡迎有興趣的同學試用。
産品連結如有問題，您可以通過搜尋釘釘群号或者掃描下方二維碼加入「智能資料助理答疑群」，我們随時與您保持溝通。
釘釘群号：34576102
釘釘二維碼：