Community
Blog
数据智能问答 | Tableau Pulse 问答如何运用自然语言处理(NLP)赋能企业与个人?
对于个人和企业来说,如何从人工智能和数据中获取价值却是一大挑战。

数据与人工智能如何相辅相成?

人工智能(AI)无疑是当今时代最具革命性的技术,但对于个人和企业来说,如何从人工智能和数据中获取价值却是一大挑战。

数据的宝贵之处在于它能揭示的洞察力,更确切地说是将正确的洞察与业务背景提供给需要做出有效业务决策的人。正是为了让客户实现这一目标,Tableau Pulse 才应运而生。

图片

在 Tableau 2024.2 中,Pulse 问答(Q&A)得到了增强,让用户可通过“引导式问题”和“提问” 解锁更多探索数据洞察的新方式。

具体表现是,现有的“引导式问题”板块旁新增了一个 “提问” 按钮,可以让你对正在研究的数据指标提出相关问题。

下面,我们不妨进一步探索 Pulse 问答的增强功能,详细了解它的独特之处吧!


Tableau Pulse 为何与众不同?

Tableau Pulse 重新构想了业务人员日常分析的方式,针对他们关心的指标提供了智能、个性化和情景化的洞察。无论你的分析技能水平如何,也无需主动提出问题,Tableau Pulse 就能自动生成和总结洞察,帮助你回答常见业务问题。

它解决了人们如何跳出认知范畴进行提问的难点,并通过由生成式 AI 增强的自然语言对结果进行处理,然后将结果输送给 Tableau Pulse 用户。

在 Tableau Pulse 中,这些洞察结果会以引导式对话、工作流程中的 KPI 概述和文本概述的形式出现,以助你快速得知需要重点关注的变化,然后你才需进行更深入的数据挖掘。实际上,Pulse 甚至可在业务用户想要探索或提问之前就回答他们的业务问题,相当于进行了“预判”。

从用户体验的角度来看,这种方式不仅可以主动回答问题,而且还能为时间和关注度有限的业务用户补全背景信息和意图,让他们真正有动力投入到分析探索中。通过以个性化的方式和节奏揭示自己所选指标的洞察,确保业务用户可以在探索过程中保持参与度。

任何时候,当用户对某个感兴趣指标完成了探索,他们可以调整当前指标上应用的时间/维度筛选器来获得新的探索视图,或通过带有自动完成和全局搜索功能(可解析现有指标)的指标搜索来导航到其他相关指标(相同或不同的定义),从而消除用户探索过程中的限制。

如今,在一个正常规模的企业中,有 70% 的营销、销售和服务人员仍然得不到足够的数据支持。这些人渴望并需要快速地通过提出正确的问题来做出数据驱动型决策,更重要的是,无论这些人是谁,无论身在何处,他们都需要获得工作所需的业务洞察。

与其被动地回答特定的数据问题,为何不尝试这种主动发现并提供洞察的新方式呢?显然,在集成、直观和可信环境中生成的数据洞察可直接用于回答常见且更为复杂的业务问题。


什么是 Tableau Pulse 问答?

大多数 AI 解决方案都要求人们向数据提问,但这对于不知道要问什么问题的人来说可能非常困难。Tableau Pulse 问答利用指标和洞察,作为一个主动式的业务问答引擎,可以在用户需要的时候帮助他们更快地找到答案。

这种主动性在用户提问前就开始发挥作用了,并有助于按需展示业务洞察。此功能建立在现有的“引导式问答”体验之上,旨在解锁和鼓励业务用户以更多方式探索见解。

在 Tableau 2024.2 中,Pulse 问答功能新增了一个“提问”按钮,可进一步增强和缩短业务用户获取见解所需的时间,会基于正在探索的指标洞察为你提供相关的问题建议。

业务用户只是想快速找到答案,这些答案通常以指标的形式出现。

以一个简单的“收入”指标为例,它可以用结构化查询建模,比如“订单日期范围内销售额总和”。这项查询会针对选定的数据源,但通常需要许多手动步骤(如同义词管理)来确保查询的准确性。

以一个复杂的“转化率”指标为例,它无法直接通过聚合现有的列来获得,并且可能会涉及到中间计算,从而导致指标解释的差异。

此外,我们通过仪表板试图回答的问题(如按维度细分的值甚至是增量),都只是针对选定时间范围或所有时间范围内的指标进行的扩展分析。


Tableau Pulse 问答如何运作?

要真正理解 Pulse 问答的工作原理,我们必须从基础知识开始讲起。

商业智能(BI)工具中的传统问答系统要求业务用户查询可能未准备好的表格数据集,导致非分析专业的用户直接接触到不熟悉的数据、交互方式和流程,反复试错的探索过程充满了不确定性。

相比之下,Pulse 没有要求用户挑选查询哪份数据、学习使用系统和底层元数据,或是每次都必须来回考虑查询语句的表达是否足够精确,而是通过将指标作为独立且核心的层级来解决这些问题。

分析师只需基于任意数据源对指标进行单次定义,即可应用到所有场景,随后由业务用户依据个性化需求在工作流程中使用。

Pulse 指标不仅能以可信赖的单一事实来源来获取企业的业务逻辑和上下文,还支持业务用户在统一的位置按需对指标进行搜索、筛选、关注或与他人共享。

Tableau Pulse 会以指标定义和配置的时间/维度筛选器为基础,然后自动处理指标上下文中最常见的业务问题(如驱动因素、贡献因素、趋势和变化),并使用确定性的计算执行这些分析,以易于理解的自然语言形式呈现结果,以便用户在交互式问答中通过点击(引导式问题)或键入(提问)查看和探索生成的数据洞察。


接下来,让我们逐一看看“引导式问题”和“提问”这两项功能:

引导式问题

在 Pulse 指标的洞察探索页面上,用户在想到要询问的业务问题前,就可以看到 3 个由系统推荐的引导式问题。

由于与用户有兴趣探索的指标相关,这些洞察会根据其在其他使用信号中的独特影响分数进行排名和改进,这意味着代表性问题的排序方式与用户想要看到的内容高度相关。

引导式问题会使用通俗的语言,并考虑到业务背景,尽力预测和满足日常用户根据底层指标和数据期望提出的问题。总而言之,这些问题消除了业务用户不知道要问什么、如何构思问题、输入问题、反复试验系统以及担心根据他们选择、筛选和解释数据而无法信任答案的负担。

通过一对一的“问题+洞察”的组合呈现,用户可逐步按照自己的步调揭示这些洞察,并最终获得丰富的、易于理解的文本解释,以及补充性的最佳实践可视化效果,从而增强对事实讨论的理解。

提问(Ask)

除了从顶部推荐的引导式问题中进行选择来探索指标外,用户现在还能看到一个额外的“提问”按钮,以便开启自定义问答的功能弹窗,并使用简单的自然语言键入问题,来获得 Pulse 基于同一个指标上检测到的洞察排名语义的匹配结果。

在这里,Pulse 问答没有调用大语言模型(LLM),因为这会增加响应延迟或产生幻觉风险,而是利用了快速推理嵌入模型(现代 LLM 基础架构,经过学习能够理解一般人类语言 )来计算引导式问题及其底层洞察的向量,然后使用经过实践验证的最佳算法将其与用户提交的查询进行比较。

查询结果始终是多个,并根据语义相似度以排名顺序呈现给用户,显示一系列问题或洞察的候选列表。这些候选列表与用户的意图最匹配,同时为进一步探索的需求提供支持。

值得一提的是,通过“提问”按钮呈现出来的洞察与系统推荐的引导式问题的查询响应是一致的,用户可以随时返回并对正在探索的指标提出更多相关问题。这种全新的探索方式为理解指标并从洞察中获取答案增添了更深层次的体验。

很快,Tableau 产品团队就会提供额外的功能来增强自定义“提问”的入口,从而帮助 Pulse 用户导航到更准确的指标明细视图。

NLP 如何应用于 Pulse 问答?

对话式分析、数据故事、语义搜索。这些都是自然语言处理(NLP)技术在分析领域漫长演变过程中的一个例子,多年来这些技术显著改变了我们与数据和信息交互的方式。

从 NLP 的早期阶段,我们已经看到这项技术自然地分为两大应用:自然语言生成(NLG)和自然语言查询(NLQ)。

NLQ 本身是传统问答系统的主要产品,相比之下,Pulse 利用各类 AI 和算法构建的多种 NLG 和 NLQ 技术,仅仅作为一种向用户快速提供相关业务见解的工具 。毕竟,NLG 和 NLQ 只是同一事物的两个方面。

但是,两者又都拥有各自的优势:用自然语言获取和返回某些数据答案的奇妙魔力令分析师和数据消费人员深深为之着迷。所以,Tableau 一直以来都致力于构建这两种类型的解决方案。

从构建 Ask Data(数据问答)作为从数据源创建 Tableau 可视化的 NLQ 解决方案,到发布 Data Stories(数据故事)和 Explain Data(数据解释)作为独立的 NLG 解决方案,以实现讲述预构建仪表板中的数据见解。

通过这些创新,Tableau 获得了一些将 AI 集成到分析中的宝贵经验:最重要的是结合使用正确的工具为正确的人群解决正确的问题,也正是开发 Tableau Pulse 的原因。

与被动响应用户查询(无法保证答案准确性)的方式不同,Tableau Pulse 可以通过预测分析需求并在系统检测到的内容和业务用户何时何地需要的内容之间建立桥梁,从而自动化洞察检测和交付过程。由于指标已经由分析师定义,因此业务用户在开始使用 Pulse 消费内容之余,无需额外的整理工作或心理负担即可享受此体验。

随着指标和洞察在 Tableau Pulse 中实时计算并随着用户探索而实时更新,诸如“哪些产品卖得好?”,“哪些品类销量上升?”或“告诉我利润趋势”等业务问题都可通过直观的洞察探索模式中的问答来回答,使实时智能能够通过简单、引人入胜且有益的自然语言交互来驱动实际行动。


未来,Pulse 问答将如何发展?

随着持续投入到洞察平台的开发中,Tableau Pulse 不仅能推理描述性问题(发生了什么),还可随着时间的变化推理诊断性问题(为什么发生)和预测性问题(接下来会发生什么)。

最终,Pulse 可提出你在自然语言探索中应该做什么的问题,从而真正扩展智能 BI 支持和支撑回答问题的范围。最棒的是,Pulse 问答目前已经作为开箱即用的功能,面向所有在 Tableau Cloud 站点上启用 Pulse 的企业用户开放,并同时提供了移动端和网页端体验。

未来,Tableau 不仅会通过为业务用户提供更无缝的探索方式来迭代 Pulse 自然语言体验,还将扩展对话功能,通过如 Einstein Copilot for Tableau 等工具来服务分析师的现有工作流程。


Get the latest data news

Sign up to receive updates, insights and research from the DKM Data Blog