Lakehouse DataGPT 快速导览

Lakehouse DataGPT 是一款前沿的、基于云的对话式数据分析工具，它借助自然语言交互的力量，使数据分析变得像聊天一样轻松。通过利用先进的大型语言模型（LLMs），它让用户能够以对话的方式深入探索数据，以惊人的效率提供精确且深刻的分析结果。

通过 DataGPT 拥抱数据分析的未来，这里人工智能的强大力量与数据源的多样性相结合。无论您的数据存储在强大的 Lakehouse 中，还是在个人文件（如 Excel、CSV 或 PDF）中，DataGPT 都能帮助您释放其分析潜力。这一创新工具打破了数据可访问性的障碍，确保无论数据存储在何处，您都可以利用 DataGPT 的 AI 功能来发现洞察、做出明智决策，并在高级数据分析时代推动成功。

如需了解更多关于 DataGPT 的概念和技术架构，请参阅 DataGPT 介绍。

支持的数据源

Lakehouse GPT 能够分析已经存储在 Lakehouse表中的数据。这意味着用户可以直接与 Lakehouse GPT 进行对话式数据分析，将 Lakehouse 的应用场景从数据工程和基于 SQL/Python 的分析扩展到交互式、可视化数据分析体验。这为用户提供了更轻松的数据探索方式，使他们能够通过简单的问答交互快速获取数据结果和相应的 SQL 代码。

此外，lakehouse GPT 还支持直接加载 Excel、CSV 和 PDF 等文件，加载的数据将存储在 Lakehouse 中。这样一来，用户无需再为 Lakehouse 的特定概念（如模式、表或 SQL）而烦恼，大大降低了数据分析的入门门槛。

预览

与 DataGPT 展开对话，无缝接收全面的数据分析结果

预览

我们收到一条通知，指出“结果需要验证”。在调查详情时，我们发现查询涉及“海淀区”。DataGPT 是一款由大型语言模型（LLM）驱动的数据分析工具，它通过解读“海淀区”并将其与表中地区字段的中文值“海淀”相关联，巧妙地处理了数据的多语言特性。由于表中仅包含中文的地区信息，DataGPT 的推理能力使其能够识别这种对应关系，并无缝对齐数据以得出准确结果。尽管如此，该工具仍提示用户验证结果的准确性。

预览

此案例清晰地展示了 DataGPT 的强大功能，它借助大型语言模型（LLM）的优势，克服了传统商业智能（BI）工具在数据分析中常常遇到的难题。通过利用大型语言模型（LLM）的强大功能，DataGPT 有效解决了复杂的多语言数据问题，提供了一种超越传统 BI 工具局限性的解决方案，从而提升了整个分析过程的水平。

比较分析与多维下钻

基于数据库字段计算的指标是用于评估绩效、趋势和其他关键数据点的可量化度量标准。这些指标可以通过聚合生成，即将大量数据集汇总成一个或少数几个值，也可以通过应用特定算法或计算的数据自定义代码方法生成。DataGPT 利用大型模型提供了一种自动化的方式，通过大型模型创建这些指标，简化了这一过程，减少了人工干预的需求。这些指标为理解复杂数据提供了一种简洁的方式，有助于做出明智的决策。

基于指标的数据分析包括不同时间段的比较分析和多维下钻。

比较分析

比较分析涉及随时间变化和趋势的检查，例如月度环比、年度同比或季度环比，以识别绩效指标中的模式、增长或下降。这种分析对于理解进展和制定战略决策至关重要。

预览

多维下钻

多维下钻是指从多个角度或维度探索数据的过程。这可能涉及按地区、产品线、客户群体或其他相关类别对数据进行分段，以获得更深入的见解。通过下钻，分析师可以揭示影响整体指标的因素，从而实现更具针对性和信息驱动的决策。

预览

快速上手

• DataGPT 快速上手：使用示例数据集快速体验对话式分析。我们为您准备了一个配置完善的数据集，其中包括完整的表配置和指标体系。您可以直接开始提问，快速体验智能分析功能。同时，此示例还可以作为模板，帮助您创建适合业务场景的分析域。

  

  预览

• DataGPT 数据源管理：连接到其他区域中的 Lakehouse 实例。

• 一旦数据准备就绪，您就可以开始用自然语言提问。

  

  预览

配置

• 指标与答案构建器：对于特定的计算需求，系统可以使用预定义的 SQL 模板提供答案。
• 如何使答案更准确：提高 DataGPT 回答准确性的方法。

数据隐私

• DataGPT 数据隐私：在问答过程中涉及的数据隐私问题。