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?
大模型在数据分析和商业分析领域的应用可分为三类:
1 、基础信息查询
( 1 )数据表和字段查询
( 2 )知识库查询
2 、在封闭业务逻辑下的分析
( 1 )关键指标拆解、异动归因
( 2 )数据的统计和趋势性分析
3 、开放性分析
( 1 )商业分析, 如:基于历史业务经验对新业务做价值判断
( 2 )运营建议,如:针对一个活动生成方案
对于第一类数据和知识库查询,现有多个厂商(如国内互联网大厂、AI创业公司)实现交互式BI产品,并有成功落地案例。对于第二类分析场景,微软等头部公司已在产品中(如:InsightPliot)实现部分功能。第三类场景仍在学术研究阶段。
收起在银行系统中,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各个系统中,且数据结构复杂,需要专业的技术人员进行数据提取和处理。为了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,可以考虑使用自然语言处理技术,将自然语言转化为SQL查询语句,从而实现业务部门通过自然语言来获取数据的目的。
在实现这种功能时,需要考虑以下几个方面:
类似的应用场景已经有一些实现,如微软的Power BI Q&A功能和Tableau的Ask Data功能,它们都可以通过自然语言查询数据。但是这些系统都需要事先定义好数据模型和查询语句,而不能自动生成SQL查询语句。因此,将自然语言转化为SQL查询语句的技术还需要进一步研究和发展。