在银行系统中,业务部门获取数据的方式困难,门槛较高。能否有一项利用大模型实现类似于chatgpt问答的方法(使用自然语言提问,chatgpt返回正常可执行的SQL)从而降低业务部门对技术的关注度,增加对数据的关注度和分析。要实现这种功能,在模型选型,语料规模,提示词选择方面,有没有存在技术痛点;有没有类似的应用场景的实现?
在当前的银行系统中,业务部门获取数据的方式确实存在一定的困难和门槛。为了降低业务部门对技术的关注度并增加对数据的关注度和分析,利用大模型实现类似于ChatGPT的问答方法是一个有前景的方向。这种方法可以使业务人员通过自然语言提问,然后由模型返回可执行的SQL查询,从而更直观、高效地获取所需数据。
实现这种功能的技术痛点主要集中在以下几个方面:
在银行系统中,业务部门获取数据的方式困难,门槛较高,这是因为银行系统中的数据通常是分散在不同的系统和数据库中,且数据格式和结构也不尽相同,因此需要专业的技术人员进行整合和处理。而利用大模型实现类似于ChatGPT问答的方法,可以通过自然语言提问,ChatGPT返回正常可执行的SQL,从而降低业务部门对技术的关注度,增加对数据的关注度和分析。
在实现这种功能时,需要考虑以下技术痛点:
类似的应用场景已经有一些实现,例如智能客服、智能助手等,这些应用都是基于大模型和自然语言处理技术实现的。在银行系统中,也可以利用这些技术,实现更加智能化的数据查询和分析,提高业务部门的工作效率和数据分析能力。