之前小億給大家介紹過，億信華辰有一款了不起的智能語音問答式BI產(chǎn)品——智問。很多小伙伴都給小編留言：你們是怎么做到的？今天我就來給大家科普一下，帶領(lǐng)大家了解一下智能BI——智問是如何工作的！

智能BI是怎樣煉成的？
首先智問的核心技術(shù)，可以稱之為NL2SQL技術(shù)，這里先搬運一下NL2SQL的官方解釋，NL2SQL（Natural Language to SQL）是一項將用戶的自然語句轉(zhuǎn)為可執(zhí)行 SQL 語句的技術(shù)，對改善用戶與數(shù)據(jù)庫之間的交互方式有很大意義。NL2SQL 的本質(zhì)，是將用戶的自然語言語句轉(zhuǎn)化為計算機可以理解并執(zhí)行的規(guī)范語義表示 (formal meaning representation)，是語義分析 (Semantic Parsing) 領(lǐng)域的一個子任務。

NL2SQL的歷史悠久，早在1973年，Woods等人就開發(fā)了一個名為LUNAR的系統(tǒng)，可以回答關(guān)于從月球帶回的巖石樣本的問題。到了1978年，Hendrix設計了一個連接美國海軍艦艇信息數(shù)據(jù)庫的自然語言接口，名為LIFER/LADDER。這些系統(tǒng)僅僅支持特定數(shù)據(jù)庫的單表操作，受限于當時的技術(shù)發(fā)展，NL2SQL并沒有受到太多的關(guān)注。直到2015年AI的復蘇和NLP的發(fā)展，它漸漸回到人們的視線。

傳統(tǒng)的NL2SQL技術(shù)，目標是直接通過直連數(shù)據(jù)庫，系統(tǒng)就能直接了解數(shù)據(jù)并可以通過自然語言生成sql查詢出想要的數(shù)據(jù)，當然能做到這一步最好，但在我們看來，由于AI技術(shù)目前的局限性，其實還沒有辦法做到非常完美的用戶體驗，于是我們退而求其次，結(jié)合我們多年深耕BI領(lǐng)域的行業(yè)經(jīng)驗，以及當前流行的可以幫助計算機理解人類知識的知識圖譜等技術(shù)，創(chuàng)造出一個全新的NL2SQL解決方案——智問。

智問架構(gòu)圖
拆解智問的工作流程
在這個方案中，語音識別和搜索框是耳朵和眼睛，用來收到對話的信息；NLP技術(shù)是理解力，將收到的信息轉(zhuǎn)換成可以理解的信息；知識圖譜是掌握的知識，搜索引擎是存儲的數(shù)據(jù)；SQL引擎是思考的過程，將信息轉(zhuǎn)換成SQL，最后圖表引擎是手中的筆，用來將獲取的知識表現(xiàn)出來。

讓我們來看一個具體的例子，系統(tǒng)接受到一句自然的語句，比如“2020年全公司凈利潤同比增加了多少？”

第一步：明確需求
系統(tǒng)需要理解當前用戶想要查什么東西，也就是需要通過NLP技術(shù)將自然語句轉(zhuǎn)化為業(yè)務目標，這里我們的知識圖譜就會起到很大的作用，知識圖譜被寫入我們的業(yè)務大腦，通過檢索，我們可以對其中的業(yè)務術(shù)語進行定位，比如這一句話，“2019年”是時間范圍，“機構(gòu)”是一個維度概念，“凈利潤”是一個業(yè)務指標，“同比”是一個業(yè)務計算方式。然后經(jīng)過NLP的理解，智問就了解了這句話目標是問凈利潤的同比值，時間是2020年，機構(gòu)范圍是全公司。

第二步：語義轉(zhuǎn)換
下一步就是把理解到的內(nèi)容轉(zhuǎn)化為具體的數(shù)值了，目前支持所有主流的數(shù)據(jù)庫系統(tǒng)，所以就是把理解的內(nèi)容變成sql語句，并到對應的數(shù)據(jù)庫中進行計算。

第三步：智能圖表匹配
得到想要的數(shù)據(jù)之后就是選擇用什么形式展現(xiàn)數(shù)據(jù)的時候了。智問內(nèi)置一套圖表選擇引擎，根據(jù)問題的形式、數(shù)據(jù)格式等多個條件判斷最適合的展現(xiàn)形式。

AI+BI的落地是個持續(xù)且復雜的工程，企業(yè)想要快速落地必須借助專業(yè)工具和平臺。億信華辰耕耘大數(shù)據(jù)領(lǐng)域15年，已成功幫助金融、能源、保險、醫(yī)療衛(wèi)生等行業(yè)客戶實現(xiàn)AI+BI的項目落地，不論你有何種需求，都可針對性的為您制定AI+BI的最佳方案，樹立企業(yè)智能化轉(zhuǎn)型的信心及突出行業(yè)重圍的決心。