ChatBI menyediakan dua mode sesi: deep analysis dan quick query. Secara default, ChatBI menggunakan mode deep analysis, yang memungkinkan Anda melakukan analisis eksploratif dan kueri data multi-langkah menggunakan bahasa alami. Mode ini secara otomatis menghasilkan laporan analisis data lengkap beserta visualisasi.
Ikhtisar
Sebagai asisten analis data profesional berbasis AI, ChatBI menyediakan kemampuan berikut:
Pemahaman pertanyaan cerdas: Secara otomatis menginterpretasikan maksud bisnis Anda dengan menulis ulang pertanyaan, menstandarkan semantik, dan memecah tugas untuk mengidentifikasi kebutuhan analisis Anda.
Analisis data otomatis: Secara cerdas mengidentifikasi tabel data target dan secara otomatis menghasilkan serta menjalankan kueri SQL, sehingga Anda dapat melakukan analisis data kompleks tanpa menulis kode.
Visualisasi cerdas: Secara otomatis memilih jenis visualisasi paling tepat—seperti grafik garis, batang, atau lingkaran—berdasarkan karakteristik data dan tujuan analisis agar tren data langsung terlihat jelas.
Ekstraksi insight: Secara otomatis menganalisis data untuk mengekstraksi kesimpulan utama dan insight bisnis, serta menghasilkan laporan analisis data profesional.
Eksplorasi mendalam: Dalam mode deep analysis, ChatBI dapat merancang jalur analisis secara mandiri, menyesuaikan strateginya secara dinamis, dan melakukan koreksi sendiri. Mode ini mendukung skenario kompleks seperti penggabungan multi-tabel, analisis akar penyebab, dan deteksi anomali.
Prasyarat
Sebelum menggunakan sesi ChatBI, pastikan hal-hal berikut telah dipenuhi:
Buat serverless resource group di wilayah tempat Anda menggunakan ChatBI.
Buat dataset Datasets. Jika dataset tersebut berbasis sumber data, pastikan konektivitas jaringan antara resource group dan sumber data telah tersedia.
Prosedur
Akses sistem ChatBI.
Login ke Alibaba Cloud dan buka halaman ChatBI Intelligent Data Insights. Pilih titik akses yang sesuai dengan wilayah resource DataWorks Anda, seperti dataset dan serverless resource group.
Pilih dataset target.
Di panel navigasi kiri, klik Chat. Di pojok kiri bawah jendela sesi, pilih dataset target.
Masukkan pertanyaan analisis Anda dan kirimkan.
Masukkan pertanyaan Anda di kotak input dan kirimkan. ChatBI menggunakan mode deep analysis secara default. Dalam mode ini, pertanyaan pertama Anda akan memulai resource yang diperlukan (sekitar 1 CU) pada serverless resource group. Proses startup ini memerlukan waktu sekitar 10 detik.
CatatanUntuk mendapatkan hasil cepat pada kueri sederhana, alihkan ke mode quick query dengan mematikan Deep Analysis di bagian bawah jendela sesi. Perhatikan bahwa Anda tidak dapat menggunakan kedua mode dalam satu sesi yang sama. Buat sesi baru saat beralih mode.
Lihat laporan dan insight.
Saat analisis selesai, ChatBI secara otomatis menghasilkan laporan yang berisi visualisasi dan insight data.
Mode sesi
Ikhtisar perbandingan
ChatBI menawarkan dua mode sesi: Deep analysis dan Quick query. Mode default, deep analysis, ideal untuk analisis komprehensif multi-langkah atau investigasi akar penyebab. Diagram berikut menggambarkan alur kerja masing-masing mode.
Tabel berikut menjelaskan perbedaan utama antara kedua mode tersebut.
Dimensi | Quick query | Deep analysis |
Kasus penggunaan | Cepat mengambil metrik preset atau hasil kueri data sederhana. | Tugas analisis data eksploratif kompleks multi-langkah. |
Interaksi | Mengembalikan analisis data dan insight berdasarkan templat analisis tetap. | Memanfaatkan model bahasa besar untuk membangun logika analisis secara progresif dengan pembuatan kode dinamis, mendukung iterasi multi-putaran dan memori konteks. |
Alur kerja | Alur kerja tetap: Pemahaman pertanyaan → Identifikasi tabel target → Pembuatan rencana eksekusi dan kode kueri → Eksekusi kueri data → Pembuatan laporan visualisasi. | Alur kerja dinamis: Model bahasa besar merancang dan mengoordinasikan jalur analisis secara mandiri dengan mekanisme koreksi diri, dan akhirnya menghasilkan laporan visualisasi. |
Kompleksitas | Rendah: Cocok untuk kueri satu tabel, agregasi dasar, dan penyaringan kondisi sederhana. | Tinggi: Cocok untuk penggabungan multi-tabel, analisis akar penyebab, analisis deret waktu, deteksi anomali, dan lainnya. |
Waktu eksekusi | Sekitar 1 menit. | Sekitar 5 hingga 10 menit. |
Contoh | "Berapa total penjualan pada Januari 2026?" atau "Apa tren jumlah pelanggan di wilayah Tiongkok Timur pada tahun 2025?" | "Apa tren tingkat pembelian ulang untuk setiap lini produk pada tahun 2026? Identifikasi bulan dengan fluktuasi abnormal dan analisis penyebabnya." |
Deep analysis
Deep analysis adalah mode sesi default di ChatBI. Dalam mode ini, ChatBI bertindak sebagai analis data profesional yang merencanakan jalur analisis secara mandiri, mengoordinasikan langkah analisis secara dinamis, dan menyesuaikan strateginya secara otomatis berdasarkan hasil antara. Mode ini akhirnya menghasilkan laporan analisis data lengkap dengan visualisasi dan kesimpulan.
Cara kerja
Berbeda dengan alur kerja tetap, mode deep analysis menggunakan model bahasa besar untuk menggerakkan seluruh proses analisis secara otonom:
Perencanaan analisis otonom: Setelah menerima pertanyaan Anda, ChatBI merancang rencana analisis multi-langkah secara mandiri.
Pembuatan dan eksekusi kode dinamis: ChatBI secara progresif menghasilkan dan mengeksekusi kode SQL atau Python berdasarkan kebutuhan analisis. Setiap langkah dihasilkan secara dinamis berdasarkan hasil sebelumnya dan dapat melibatkan penggabungan multi-tabel, pembersihan data, analisis statistik, dan operasi lainnya.
Koreksi diri dan iterasi: Setelah mengeksekusi kode, ChatBI memeriksa hasilnya. Jika mendeteksi anomali data, error kueri, atau hasil yang tidak lengkap, ChatBI secara otomatis menyesuaikan strategi analisis dan mengeksekusi ulang tanpa intervensi manual.
Ekstraksi insight dan pembuatan laporan: Setelah analisis selesai, ChatBI secara otomatis meringkas hasil dari setiap langkah, mengekstraksi kesimpulan utama, dan menghasilkan laporan data lengkap dengan visualisasi.
Kasus penggunaan dan contoh
Deep analysis cocok untuk tugas analisis kompleks yang memerlukan eksplorasi multi-sudut dan multi-langkah, seperti:
Analisis akar penyebab: "Penjualan turun 15% month-over-month bulan ini. Analisis penyebab utama penurunan tersebut."
Perbandingan multidimensi: "Bandingkan tingkat retensi pelanggan antar wilayah dan lini produk, lalu identifikasi kombinasi dengan performa terburuk."
Deteksi anomali: "Analisis tren volume pesanan selama 12 bulan terakhir, identifikasi fluktuasi abnormal, dan berikan kemungkinan penyebabnya."
Laporan komprehensif: "Hasilkan laporan analisis performa bisnis untuk Q1 2026."
Quick query
Quick query adalah mode sesi ringan di ChatBI yang mengikuti alur kerja analisis tetap untuk segera mengembalikan hasil kueri data. Mode ini cocok untuk skenario di mana Anda memiliki kebutuhan kueri data yang jelas dan ingin mendapatkan hasil dalam waktu sesingkat mungkin.
Cara kerja
Quick query mengikuti pipeline tetap lima langkah, dengan logika pemrosesan dan output yang deterministik pada setiap langkah:
Pemahaman pertanyaan: Mengurai semantik pertanyaan Anda dan mengekstraksi maksud kueri serta kondisi filter.
Identifikasi tabel target: Mencocokkan tabel data paling sesuai dari dataset saat ini.
Pembuatan rencana eksekusi: Menghasilkan satu atau beberapa kueri SQL berdasarkan tabel target yang diidentifikasi.
Eksekusi kueri data: Menjalankan kode SQL dan mengambil hasil kueri.
Pembuatan laporan: Menghasilkan laporan dengan visualisasi dan kesimpulan analisis berdasarkan hasil kueri.
Kasus penggunaan dan contoh
Quick query cocok untuk kebutuhan analisis langsung dengan tujuan jelas yang dapat dijawab dengan satu kueri, seperti:
Kueri metrik: "Berapa total penjualan pada Januari 2026?"
Analisis tren: "Apa tren jumlah pelanggan di wilayah Tiongkok Timur selama 6 bulan terakhir?"
Peringkat dan distribusi: "10 kategori produk teratas berdasarkan penjualan."
Penyaringan kondisional: "Daftar pelanggan dengan jumlah pesanan lebih dari 10.000 yuan bulan lalu."