近日，观远数据G-park「Let's Date！BI！」系列直播第二期「2023，金融业如何应对“流浪数据”」顺利落幕。观远数据联合创始人兼首席数据科学家字节带来了《漫谈 ChatGPT 与问答式 BI》的探索思考。
字节一方面介绍了一系列 ChatGPT 等基于大语言模型的工具，如何提升日常工作、生活效率；另一方面，在 BI 和数据分析领域，对话式或者问答式的BI将给未来带来的无穷想象力。
在工作、生活角度带来的提升，这里分别以阅读、写代码、各种创作等角度展开。
ChatGPT 刚出世时，很多人说要颠覆 Google。因为原来要找一个知识，需要在 Google 或者百度进行关键词搜索。但搜索完之后，结果将是上万张网页，需要我们一页一页点击链接，查看信息。这其中，10 条链接或许只有 1 条和问题相关。当我们没找到相关信息时，还需要重新输入关键词再搜索。
而在 ChatGPT 中，对于提问可以直接解答。不过 ChatGPT 有两个缺陷，一是信息只到 2021 年，二是没有联网缺乏及时性的新信息。
New Bing 集成了 ChatGPT 的模型。当我们输入问题后，不仅会触发搜索，还会自动浏览网页文档，并总结相关信息，以结果直接反馈。以代码问题为例，正常搜索跳到 CSDN 等相关类型的开发网站，而 New Bing 将直接列出可运行的代码。这是非常方便且提效的。
延伸到企业内部的搜索，也是同理。企业内部信息管理系统，大部分搜索与 Google 类似，输入关键词，弹出文档链接，里面有标题和正文内容的匹配。这也需要一篇一篇自行寻找。此时通过 GPT 能力的结论直接反馈，将节省大量时间。
除了 New Bing，还有两个项目 perplexity.ai 和 you.com 可以直接访问，也提供了类似ChatGPT形式的问答。搜一个问题，会直接把答案回复出来，而且把相关引用链接都放在里面。这是很好的提效产品。
阅读方面介绍两个优秀产品 Bearly.ai 和 TLDR this。Bearly.ai 是一个浏览器的插件。当用户打开一篇长文章后，它会自动总结文章内容，提炼出关键结构，有效提升阅读效率。此外，该插件还有一个重要功能，可以在亚马逊等购物网站上，遍历商品的用户评论，并进行好评、差评的总结。
企业内部也常有类似需求，包括邮件、微信的沟通，甚至外部评论，通过收集信息并基于GPT模型的能力，进而快速知晓产品服务的好坏点。
除了搜索之外，Google 有 Talk to Books 的产品。当提出问题之后，将从历史上已出版的书籍中摘录问题相关的原文，并展示来源书籍。
这些是问答式的搜索，并不是严格的关键词匹配。如果仅是关键词匹配，效率是不高的。以搜素“不良率”关键词为例，我们会得到很多不相关的信息，因为它不知道我们想要“什么样的不良率”。但如果通过自然语言，详细地提出问题，那模型可以自动理解语义，并找到相关文档进行全面展示。这是很大的基础进步，提升产品体验。
代码方面目前也有很多成熟应用，通过注释自动生成代码，或者选中代码对齐进行语义注释，甚至测试、检查性能等等。这里面有大名鼎鼎的 ChatGPT、Copilot ，类似的还有 Tabnine，CodeGeeX 等，也有一些专门领域的生成工具，例如 Warp 中自带的 AI 能力可以生成终端命令，PingCAP 之前做的 Chat2Query，可以帮助自动生成 SQL，以及像 Seek.ai，Manson 等更面向业务用户的数据分析工具。
除了代码生成外，还有专门面向自动化测试生成的 Codium，自动文档生成的 Mintlify，以及各种功能都集成到一起了的 Bito。
创作领域，以“写一份软件质量提升计划”为例。我们通过 notion.ai 生成 10-20 个不错的计划建议，还能进一步通过交互式的指令，展开二级列表，并进行排期执行。
在工作中需要做各种各样的计划时，这些工具可以把常识性的计划罗列出来。我们只需在此基础上，结合公司的实际情况，进行个性化修改即可。
自 ChatGPT 推出以来，很多人的工作是在 ChatGPT 里完成的。这里出现了一个问题，我们该怎么样更好地去向 ChatGPT 提问题。因为ChatGPT的回答能力很强，但这需要我们把问题描述地足够清楚，它才能够给到高质量的回答。
这里分享一系列的工具，提示我们有一个场景问题时，该怎么提问。这些工具网站提供了提示词模板，帮助我们更好的提问。此外，还有其他用户反馈的优质提问经验的分享。
ChatGPT 产品本身有一些常见问题：
ChatGPT 回答可能会胡编乱造；
只知道 21 年前公开网络的信息；
数据隐私安全问题。
针对胡编乱造的现象，目前有一些方式可以优化。例如提问“某公司的业绩表现如何”，该公司根本没有对外披露过该数据，那它可能会给到假数据，这实际上是错误的。
此时，我们需要一些提示词，并构建回答的语境，这很大程度上能避免胡编乱造的情况。此外，针对信息时效性的问题，可以使用 New Bing。New Bing 结合了 ChatGPT 的总结能力，并且基于它本身的搜索能力，可以获取最新讯息，更大程度上降低了胡编乱造的概率。
针对公开信息的局限性。在企业内部，可以进行信息输入，进一步训练，提升模型的信息广度。例如，2021 年之前的外部信息，没有“观远数据的吉祥物是观小猿”这一信息。当信息提交模型后，它可以进一步加以训练。
这里发散开来，将有很多的实际应用。很多公司都有帮助文档，以观远数据 BI 产品帮助文档为例。虽然所有人都可以看到帮助文档，但 ChatGPT 很大概率没有将其纳入训练过程。那么利用信息再输入的方式，可以把这些观远数据公开的BI产品信息提交给模型，再向其提问。如此一来，它就成为了企业定制化的智能问答机器人。
针对数据安全问题。以业务问题为例，例如想获取上季度的营业额，我们通过给 ChatGPT 提交 schema 信息，而不是完整的数据表信息，让 ChatGPT 返回 SQL。我们再在内部通过这条 SQL 搜索获取数据，就能有效避免数据泄露。另外，如果是非常敏感的数据，相信未来可以进行私有化的部署，完全不对公网，数据安全也可以得到一定的保障。
谈了这么多 AI 产品的使用，可以发现在 AI 时代，过去很多要花大量时间做的重复劳动、甚至脑力劳动、知识劳动，现在都可以用 ChatGPT 来替代。那么我们人类在新时代中要发挥什么样的价值？要去做什么样的事情？
首先要了解 AI 基础的运作模式，大致明白它的工作原理；其次是 AI 和人类智能的区别，AI 擅长做哪些事情，不擅长做哪些事情；最后怎么样把日常工作中的事情可以交给AI来做，哪些事情我们自己做。
如果可以利用好 AI，相信我们的工作效率能得到数倍的提升。这里着重分享下人和AI区别的个人理解。
首先是批判性的思维和创造力。这是AI非常匮乏的，因为AI只有收到我们的指令后，它才能做事。
其次是同理心，AI 很难理解用户所在处境，但人和人之间比较好理解。
最后，在有了同理心后，人类可以进行产品构思、具体原型打造，以及后续产品发布的测试与迭代。这些事情都是模型不太擅长的。
但在上述过程中，chatGPT 可以起到很好的辅助作用。例如在产品构思时，可以帮助我们进行头脑风暴并列出关键意见。
在 BI 数据分析的“问题定义—数据接入—数据处理—可视化展示—交互分析—决策行动”全链路上，ChatGPT 都有结合的机会。
问题定义：对于部分场景问题，基于 ChatGPT 可以得到初步的数据分析与决策计划，人工再进行校对与修改；
数据接入：原先非结构化数据通常需要清洗，而现在部分数据或许不再需要清洗，直接进行端到端的分析；
数据处理：辅助数据工程师做ETL开发。在 ETL 开发过程中，通过自然语言的提问，ChatGPT 生成 SQL 提供用户使用，并且可以进行多轮交互式的构建。即便第一步出现偏差，也可以在第二步重新修正；
可视化展现：回答业务问题，快速获得数据结果与结论。提交问题后，自动生成 SQL，再提交于 ChatGPT 生成文字结论以及后续的行动建议，实现问答式的 BI。
交互分析：深度分析报告的自动化生成。基于BI系统能力，对接企业内部各类数据源，基于可靠的数据指标来源提供可信的业务分析报告。自动识别异常原因有业务含义，并以自然语言的方式展示，避免了数据分析方法差异带来的认知偏差。
决策行动：提供辅助性的预测，基于历史行动做未来的推荐建议。
以下着重分享“数据处理”、“可视化展现”、“交互分析”中，观远数据进行的一些尝试和探索。
Chat2SQL 是我们制作的一款浏览器插件，来协助进行数据处理。当需要写 SQL 时，可以一键唤起插件。通过自然语言的交互，插件可以自动生成 SQL。
交互式的提问，可以带来很多好处。首先，它可以不断修正错误，一开始或许有偏差，但随着交互的深入，可以给到正确的结果；其次，应对非常复杂的 SQL 时，交互式方式可以层层生成 SQL，一步步构建出最终成果，准确性也非常高。这将是一个新的构建范式。
在可视化展现上，也就是提问后直接展示可视化内容，原先我们做 BI Dashboard 的交互分析其实有些许麻烦，但如果像 Google 一样，通过搜索把结果展现出来，这将是一个很大的进步。
以国外的 ThoughtSpot 产品为例，其搜索栏通过转化率、渠道、上个月等关键词展示可视化内容，它并不是一句自然语言。真正的自然语言应该是：上个月的每天转化率是多少？
我们制作了一个产品原型 Chat2Viz。首先在输入栏进行自然语言的查询，产品将自动生成查询 SQL，并提交于 ChatGPT 生成文字结论、可视化内容、其他卡片的推荐以及后续的行动建议。这对于业务使用是非常方便的。
Chat2Viz发展到后续，能否形成“DataStory”？DataStory 有个必要的前提条件，它需要一个最佳实践。
因为如果 DataStory 只给数据，但没有业务的分析链路逻辑，对业务本身是没有太大帮助的。举个例子，一家电商客户通过数据发现天猫渠道的业务影响是最大的，但这是一个显而易见的事实，这对于业务没有任何帮助。因此 DataStory 要提供真正对业务有帮助的信息。
对此，观远数据打造了“自动数据洞察”。其中的核心是沉淀了各行各业分析场景的复杂分析“决策树”。我们可以定期进行决策树链路的分析，可能是每天、每周。
基于决策树的分析链路，用户每天自动看到决策树的分析报告。如果没问题，那证明今天的数据是正常的，如果出现异常情况，将提示醒目的标志，并告诉用户哪里出问题了，问题核心在哪。这是 DataStory 的一个雏形。并且后续用户在周会、月会上，不断收集大家的追加问题，甚至对于异常问题的追问，都进一步沉淀进决策树，最后就能成为真正的 DataStory。
未来，DataStory 可以支持多轮的交互，包括未来每天向其提问，呈现一份数据报告。需要开会讨论时，也可以使用该报告。以及未来，在该报告的基础上，进行追问，展开更深度的分析，这些都是非常吸引人、也很激动人心的发展方向。
