|
2024年5月23日，偶數(shù)科技發(fā)布了對話式數(shù)據(jù)分析平臺Kepler。Kepler基于自研的專有數(shù)據(jù)分析領(lǐng)域大模型，率先實現(xiàn)了AI原生自然語言對話能力，讓用戶可以通過對話交互進(jìn)行數(shù)據(jù)分析，無論是數(shù)據(jù)查詢、圖表生成，還是指標(biāo)分析、歸因分析，都可以通過對話實現(xiàn)，是大模型領(lǐng)域數(shù)據(jù)分析類垂直應(yīng)用。 針對數(shù)據(jù)分析場景中用戶面對的主要痛點，如業(yè)務(wù)用戶門檻高、需求排隊時間長、分析性能和時效差，Kepler一站解決全部問題。Kepler賦能用戶降本增效，學(xué)習(xí)成本降低約200倍，取數(shù)效率提升約1500倍，提供秒級響應(yīng)和延遲。 簡單易用，零門檻上手：讓更多業(yè)務(wù)用戶快速用起來 大語言模型的技術(shù)飛躍，讓用戶從圖形交互 (GUI) 逐漸轉(zhuǎn)向?qū)υ捊换?(CUI)，Kepler實現(xiàn)了AI原生自然語言對話能力，讓用戶可以通過對話交互進(jìn)行數(shù)據(jù)分析，為用戶帶來顛覆性的數(shù)據(jù)分析體驗。 易用性帶來學(xué)習(xí)成本大幅降低，相比傳統(tǒng)BI、指標(biāo)平臺等培訓(xùn)至少一兩周，用戶在10分鐘內(nèi)就可以輕松駕馭Kepler，一線業(yè)務(wù)用戶學(xué)習(xí)成本降低上百倍。 從市場專員到金牌銷售，從活動運營到財務(wù)主管，Kepler幫助企業(yè)內(nèi)更多人、更主動、更活躍的用起來。 不懂SQL，也能取數(shù)：業(yè)務(wù)用戶全流程自助分析 用戶在Kepler的幫助下，還可以通過自然語言完成取數(shù)分析，實現(xiàn)“全員取數(shù)用數(shù)”的企業(yè)數(shù)據(jù)文化。 此外，Kepler自帶低門檻、零代碼、拖拽式的數(shù)據(jù)工廠模塊和數(shù)據(jù)集成工具，用戶無需技術(shù)背景就可以輕松上手，避免因業(yè)務(wù)變更需求和IT反復(fù)修改導(dǎo)致需求不斷延期，大幅提升數(shù)據(jù)開發(fā)效率。由此，業(yè)務(wù)側(cè)大量長尾取數(shù)需求都可以通過Kepler輕松滿足，零成本提高取數(shù)效率。 實時分析，極速查詢：全員在線開展數(shù)據(jù)分析 Kepler結(jié)合偶數(shù)自研計算引擎，通過多活主節(jié)點、存算分離技術(shù)，支持?jǐn)?shù)萬員工同時進(jìn)行復(fù)雜分析查詢，分析結(jié)果秒級響應(yīng)，無需擔(dān)心用戶量激增導(dǎo)致的負(fù)載壓力。同時，通過實時湖倉數(shù)據(jù)底座，讓用戶可以實時取數(shù)，實時分析，讓決策者能夠在最短時間內(nèi)做出最優(yōu)的商業(yè)決策。 偶數(shù)對話式數(shù)據(jù)分析平臺Kepler有哪些技術(shù)優(yōu)勢？ 可信賴：準(zhǔn)確率高 無論是趨勢分析、活動復(fù)盤還是財務(wù)指標(biāo)解讀，準(zhǔn)確、可信都是數(shù)據(jù)分析的基石。在大模型“幻覺”頻出的市場環(huán)境中，偶數(shù)自研的專有數(shù)據(jù)分析領(lǐng)域大模型準(zhǔn)確率高，可以提供完美的結(jié)果可解釋性。結(jié)合企業(yè)本地數(shù)據(jù)資產(chǎn)，以及偶數(shù)多年來在數(shù)據(jù)庫內(nèi)核研發(fā)的豐富經(jīng)驗，讓企業(yè)用戶可以完全信賴AI分析結(jié)果，Kepler讓企業(yè)對數(shù)據(jù)價值不迷茫，對商業(yè)決策有信心。 高并發(fā)：全員在線數(shù)據(jù)分析 偶數(shù)率先創(chuàng)新支持分析型負(fù)載超高并發(fā)，多活主節(jié)點和計算節(jié)點水平擴(kuò)展的同時，保證完備的查詢服務(wù)和集群的高可用，企業(yè)內(nèi)部數(shù)萬用戶可同時在線使用復(fù)雜查詢訪問同一份數(shù)據(jù)。 高性能：查詢秒級響應(yīng) Kepler可以面向PB級大數(shù)據(jù)的查詢，內(nèi)置的計算引擎將硬件性能發(fā)揮到極致，分析結(jié)果秒級響應(yīng)。 Kepler功能盤點：七大模塊一站式賦能決策 Kepler整合規(guī)劃在數(shù)據(jù)分析領(lǐng)域的既有模塊，形成6+1的能力矩陣，即1個對話式數(shù)據(jù)分析，聯(lián)動指標(biāo)管理、標(biāo)簽管理、報表管理、數(shù)據(jù)可視化、數(shù)據(jù)加工、應(yīng)用開發(fā)等6個模塊。 智能取數(shù) 傳統(tǒng)數(shù)據(jù)庫查詢需要精通SQL語法，對非技術(shù)用戶是一大挑戰(zhàn)。Kepler對話式數(shù)據(jù)分析模塊內(nèi)置指標(biāo)模式、SQL模式能根據(jù)用戶的取數(shù)需求自動切換，識別用戶在分析場景下的實際需求，幫助用戶找到所需的數(shù)據(jù)或指標(biāo)。業(yè)務(wù)側(cè)大量、臨時的取數(shù)需求通過智能取數(shù)即可滿足，零邊際成本。 SQL生成 Kepler通過自然語言生成SQL的創(chuàng)新功能，為用戶提供全新的查詢交互方式。通過將用戶的自然語言提問翻譯成SQL語法，使用戶能夠更加靈活地定制和修改SQL，滿足個性化的數(shù)據(jù)需求。 多輪對話交互 憑借大語言模型的天然優(yōu)勢，Kepler能夠聯(lián)系上下文語境進(jìn)行數(shù)據(jù)分析、指標(biāo)計算、圖表生成。無論是復(fù)雜的業(yè)務(wù)場景、歷史數(shù)據(jù)，還是特定的行業(yè)術(shù)語，用戶都可以像與真人交流一樣，提出問題，陳述需求。這不僅讓數(shù)據(jù)分析更貼近用戶的真實需求，還通過連貫的數(shù)據(jù)分析體驗讓用戶更全面地了解數(shù)據(jù)之間的關(guān)系，深入挖掘數(shù)據(jù)背后的業(yè)務(wù)信息。 指標(biāo)查詢 通過向Kepler提問查詢既有指標(biāo)，或者通過自然語言直接進(jìn)行SQL查詢計算得到結(jié)果，如“上個季度銷售額是多少”、“各個產(chǎn)品線的盈利性情況如何”，滿足非專業(yè)用戶對具體指標(biāo)快速響應(yīng)的需求，打破數(shù)據(jù)分析的技術(shù)隔閡。 歸因分析 歸因分析是解讀數(shù)字背后故事的關(guān)鍵。Kepler通過直接提問的方式，讓不同業(yè)務(wù)用戶能夠在不了解數(shù)據(jù)結(jié)構(gòu)和分析方法的情況下，迅速掌握數(shù)字的成因和業(yè)務(wù)變化的規(guī)律，從而降低了數(shù)據(jù)分析的門檻，讓數(shù)據(jù)解密不求人。 圖表生成 Kepler顛覆了傳統(tǒng)數(shù)據(jù)分析工具的使用模式，用戶無需在復(fù)雜的圖表設(shè)置中反復(fù)嘗試。通過自然語言生成的圖表，比如餅狀圖、柱狀圖，用戶能夠直觀地理解業(yè)務(wù)趨勢，輕松駕馭數(shù)據(jù)之美，直觀的圖表交互讓數(shù)據(jù)探索方式成為有趣的工作體驗。 大模型在數(shù)據(jù)分析領(lǐng)域的落地和應(yīng)用，將降低用戶的交互門檻，讓業(yè)務(wù)部門更容易、更主動、更活躍地使用分析工具。真正做到了釋放企業(yè)數(shù)據(jù)價值，為企業(yè)降本增效。 偶數(shù)對話式數(shù)據(jù)分析平臺Kepler，乘勢而上，與用戶共同駕馭數(shù)據(jù)分析大模型的未來。 |
