ChatBI 提供深度分析和快捷问数两种会话模式,默认使用深度分析模式,支持通过自然语言进行多步骤探索性分析和数据查询,自动生成包含可视化图表的数据分析报告。
功能概述
ChatBI 能够扮演专业的数据分析师角色,通过 AI 驱动的智能化操作,为您提供以下核心能力:
智能问题理解:自动理解您的业务意图,进行问题改写、语义标准化和任务拆解,智能准确识别分析需求。
自动数据分析:智能识别目标数据表,自动生成并执行 SQL 查询代码,无需手动编写代码即可完成复杂的数据分析任务。
智能可视化:根据数据特征和分析目的,自动选择最合适的图表类型(折线图、柱状图、饼图等),让数据趋势一目了然。
洞察提炼:自动分析数据结果,提炼关键结论和业务洞察,生成专业的数据分析报告。
深度探索:在深度分析模式下,ChatBI 能够自主设计分析思路、动态调整分析策略并进行自修正,支持多表关联、根因分析、异常检测等复杂分析场景。
前提条件
在使用 ChatBI 会话功能之前,需要完成以下准备工作:
已在使用 ChatBI 功能的对应地域创建Serverless 资源组。
已创建数据集。针对基于数据源创建的数据集,须保证资源组与数据源之间的网络连通性。
操作流程
访问 ChatBI 系统入口。
您需要先登录阿里云,然后通过浏览器访问ChatBI智能数据洞察页面。请根据您的DataWorks资源组、数据集等业务所在地域按需选择。
选择目标数据集。
在页面左侧导航栏单击会话,在会话窗口左下角,切换选择目标数据集。
输入分析问题并发送。
在输入框中输入您的分析问题并发送。ChatBI 默认使用深度分析模式,在该模式下,首次提问需要在Serverless资源组上启动所需资源(约1CU),预计等待10s左右。
说明若需快速获取简单查询结果,可在会话底部关闭深度分析从而退出默认模式,切换至快捷问数模式。请注意,同一会话内不支持混合使用两种模式,切换模式时请新建会话。
查看报告与数据洞察。
分析完成后,ChatBI 自动生成包含可视化图表和数据洞察结论的分析报告。
会话模式
对比概览
ChatBI 提供深度分析和快捷问数两种会话模式。ChatBI 默认使用深度分析模式,适合多角度、多步骤的综合分析或根因排查。两种模式下,ChatBI 工作流程如下图所示:
两种模式的核心差异如下表所示:
维度 | 快捷问数 | 深度分析 |
适用场景 | 快速获取预设指标或简单数据查询结果。 | 支持复杂、多步骤、探索性的数据分析任务。 |
交互方式 | 按照固定分析模板来返回数据分析与洞察结果。 | 基于大模型逐步灵活构建分析逻辑,进行动态代码生成,支持多轮迭代与上下文记忆。 |
流程特性 | 固定流程:问题理解 → 识别目标表 → 生成执行计划与查询代码 → 执行数据查询 → 创建可视化数据报告。 | 动态流程:大模型自主设计和编排分析思路,具备自修正机制,最终生成可视化数据报告。 |
支持复杂度 | 低:适合单表查询、基础聚合、简单条件过滤。 | 高:适合多表关联、根因分析、时间序列分析、异常检测等。 |
执行时长 | 约 1 分钟。 | 约 5~10 分钟。 |
典型示例 | "2026 年 1 月的销售额是多少"、"2025 年华东区客户数量的变化趋势"。 | "2026 年各产品线的复购率变化趋势,识别异常波动月份并分析原因"。 |
深度分析
深度分析是 ChatBI 的默认会话模式。在该模式下,ChatBI 扮演专业数据分析师的角色,能够自主规划分析思路、动态编排分析步骤,并在执行过程中根据中间结果自动调整策略,最终输出一份包含可视化图表和结论的数据分析报告。
工作原理
与固定流程不同,深度分析模式由大模型自主驱动整个分析过程:
自主规划分析思路:接收问题后,ChatBI 自主设计多步骤分析方案。
动态生成与执行代码:根据分析需要,逐步生成 SQL 或 Python 代码并执行。每一步的代码都基于前序结果动态生成,可能涉及多表关联、数据清洗、统计分析等操作。
自修正与迭代:执行代码后,ChatBI 会检查返回结果。如果发现数据异常、查询报错或结果不完整,会自动调整分析策略并重新执行,无需您手动干预。
洞察提炼与报告生成:分析完成后,自动汇总各步骤的分析结果,提炼关键结论,生成带有可视化图表的数据报告。
适用场景与示例
深度分析适合需要多角度、多步骤探索的复杂分析任务,例如:
根因分析:"本月销售额环比下降了 15%,分析下降的主要原因"
多维对比:"对比各区域、各产品线的客户留存率,找出表现最差的组合"
异常检测:"分析过去 12 个月的订单量趋势,识别异常波动并给出可能原因"
综合报告:"生成 2026 年 Q1 的业务经营分析报告"
快捷问数
快捷问数是 ChatBI 的轻量化会话模式,按照固定分析流程快速返回数据查询结果。适合已有明确的数据查询需求、希望在最短时间内获取结果的场景。
工作原理
快捷问数按照固定的 5 步流水线执行,每步的处理逻辑和产出均确定:
问题理解:对您的问题进行语义解析,提取查询意图和筛选条件。
识别目标表:从当前数据集中匹配最合适的数据表。
生成执行计划:基于识别的目标表,生成一条或多条 SQL 查询代码。
执行数据查询:运行 SQL 代码,获取查询结果。
生成数据报告:基于查询结果生成包含可视化图表和分析结论的报告。
适用场景与示例
快捷问数适合目标明确、可通过单次查询获得结果的简单分析需求,例如:
指标查询:"2026 年 1 月的总销售额是多少"
趋势查看:"近 6 个月华东区的客户数量变化趋势"
排名分布:"各商品类目的销售额排名 TOP 10"
条件筛选:"上个月订单金额大于 1 万元的客户列表"