【玩转 TableAgent 数据智能分析】从入门到应用

初识TableAgent

偶然接触了一款工具TableAgent。看介绍是一款智能的数据分析工具，就像是企业的数据专家一样。去能够理解您的需求，并利用先进的统计科学、机器学习和因果推断等技术，从海量数据中挖掘出有价值的信息和见解。

TableAgent的口号是“人人都是数据分析师”，他够根据分析结果提供深刻的观点和指导，帮助您更好地理解数据并做出明智的决策。最重要的是，TableAgent可以在企业的私有环境中部署，确保数据的安全性和隐私性。与其说它是一款软件，倒不如说它是企业数据的智慧化延伸，为您的业务发展提供强大的支持。

真的有这么强吗，让我们一起试试。

功能应用

这里放一下公测地址： TableAgent

注册之后就可以免费使用5次。

TableAgent界面比较简洁的，右边是数据文件管理，支持默认文件和csv格式的数据文件，左边是智能体的对话框。

首先要上传一个文件，或者选择一个样例，然后就可以发起提问了。

这里提供的样例还是蛮多的，包含很多行业信息了。

这里让我们选择一个 ’全球大城市人口2022-2023’ 样例数据开始试试。

选择了之后对话框就会加载 ’全球大城市人口2022’的csv文件了。

这里我们点击详情再点击dataframe 可以看到次数据的详细情况,和数据的总结情况。

我们可以看到这份数据包含的信息有2022年和2023年的人口信息、城市名称、国家、国家、大洲、人口排名。

针对这些数据让我们先简单的试一下吧。

比如我们直接输入：比较一下亚洲和欧洲人口最大的5个城市的各项指标，最好画在一张图上比较，然后简要的总结一下。

对话框中开始生成结果逻辑，稍等片刻便给出响应的结果。

这里给出的总结是：亚洲城市人口远超欧洲城市人口，亚洲的总人口数量为1288877505，而欧洲的总人口数量为157355690，这可能反映了亚洲在经济、文化和其他方面的显著发展。

在详情中可以看到分析逻辑

这里可以看出，分析逻辑根据我们的输入分别对亚洲和欧洲人口进行总结，最后将筛选结果进行分析。

详情中也给出了分析逻辑，还是比较直观易懂的：

不过还是让我们试试看结果的正确性吧。

我们直接把数据导入到数据库中，开始查询

select * from world_city_populations_2023 where continent = 'Asia' ORDER BY pop2023 desc limit 5;

select * from world_city_populations_2023 where continent = 'Europe' ORDER BY pop2023 desc limit 5;

查询结果还是正确的，亚洲第一是东京，第二是印度德里，让后是上海和孟加拉达卡和北京。

尝试进阶

上面我们试了样例数据集，现在让我们在实际场景试试看，实际场景往往更加的复杂。

这里我找了一份网络数据，包含源目ip端口，还有流量速率数据包指标，让我们分析一下这部分数据。

我们点击上传，数据很轻松就加载进来了。

1. 我们这里在日常数据分析中可能比较关心网络的ip流量比较大的数据，看看是哪些ip占用的较多。这里我们先获取客户端ip top5的流量。

这里我们只要输入“帮我获取总流量排名前五的源IP”结果就自然出来了

这里我们看一下其查询过程：

统计每个源IP的总流量: 使用pandas的groupby方法，以'源IP'列进行分组，然后对'总流量(B)'列进行求和操作

获取总流量最大的前5个源IP: 对df_source_traffic进行排序，根据'总流量'列降序排序，然后取前5行。

这里是使用了groupby和排序操作，直接将结果返回。

当然这里结果也是比较准确的。

2. TableAgent还支持图形功能，这里我们还想知道流量趋势是什么样子的，让我们直接告诉他我想要什么！

“我想要知道流量折线图”就是要直接一点

我们的TableAgent也是比较直接的给出了我们想要的结果

这样我们直接就清楚的知道我们的网络趋势。

3. TableAgent也支持其他图形，我们来试试饼图，分析一下我们目的ip的访问情况。

“分析一下目的IP的总流量top10,并用饼图表示”

这里TableAgent先是给出了目的IP前十的信息：

这里还帮我们总结了谁流量最大，达到了110858字节，其次是流量为45470字节。

然后给出了饼图信息，让我们直观的观察流量大小。

这里饼图还是比较清晰的让我们知道都访问了哪些ip，我们可以根据目的信息了解我们经常访问的网站信息。

TableAgent也给出了相关分析：这些数据表明，这些IP地址的流量占据了总流量的较大比例，说明这些IP地址的访问量较大。这些IP地址可能属于网站的活跃用户，或者可能是网络攻击的目标。

分析结果还是比较准确的，对后续网络优化和网络行为管理都有一定的帮助。

当然TableAgent 还支持其他的图形分析，这里就不再一一尝试了。

总结

在上述分析中我们使用的是使用的是TableAgent技术预览版，先是用默认数据小小的测试了一下，然后用实际的场景尝试了做一些网络流量的基础分析和高级分析。

根据分析结果TableAgent具有以下特点：

智能理解能力：TableAgent能够理解我们的意图，并根据我们的需求进行数据分析和建模，即使在我们表述不是特别清晰和专业的时候也尝试的去理解我们的意图，并提供相应的解决方案。

高级建模技术：利用统计科学、机器学习、因果推断等高级建模技术，从数据中挖掘出有价值的信息和见解。

洞察力：TableAgent能够提供深刻的分析观点和指导行动的见解，帮助企业更好地理解数据并做出决策，我们上面分析了很多实际使用场景出现的相关问题，TableAgent都给出了正确的解答。

私有化部署：在官网中提到了，TableAgent能够实现私有化部署，保护企业数据的安全性和隐私性。

总而言之呢TableAgent是一款能够实现私有化部署的企业级数据分析智能体，具有强大的意图理解能力、分析建模能力和洞察力，可以帮助企业和个人更好地利用数据进行决策和业务优化，但是目前更多的对话能力还需要继续完善，就让我们一起期待后续更新吧。