ChatBI最佳实践

提升准确率的最佳实践

一、数据模型配置“抽取”

对于excel、csv类型的数据源，建议配置为抽取。数据抽取至MPP再解析，有助于提升大模型的准确率。

具体实现过程：在数据模型列表中找到相应的数据模型>编辑>设置>抽取

参考：数据抽取

二、模型重命名

创建新的数据模型后，应将其重命名为一个直观且具有描述性的名称，以便于大模型更好地理解和应用。

避免使用诸如“未命名数据模型”或缺乏实际意义的英文词汇等模糊命名，以确保模型命名的准确性和实用性。

具体实现过程：在数据模型列表中找到相应的数据模型>右键>重命名

三、数据模型仅保留有效字段

对于那些在当前分析场景中不直接相关或冗余的字段，建议选择隐藏。有助于减少混淆，提高问答准确率，还能让界面更加简洁明了。

例：

①序号类自增无意义的字段

②备份字段

③不常用或不需要参与分析的配置字段

具体实现过程：通过点击忽略列（眼睛图标），选择需要隐藏的字段

四、字段重命名为中文

提问语言和数据模型的语言一致，会让模型的表现更好，建议数据模型的字段名称设置为中文。

具体实现过程：右键需要重命名的字段，将英文名称的字段重命名为中文。

数据表注释批量转换

五、设置度量与维度

在构建数据模型时，对字段属于维度/度量进行正确的分类。

维度：用于对数据分组和聚合，如地区、部门、时间等

度量：可以进行数学运算和聚合的数值型数据，如销售额、利润、用户数等

具体实现过程：您可以通过右键需要修改的字段名称，点击转换为度量/维度，实现二者的转换。或者直接鼠标拖拽移动

例：序号、编号等字段，尽管为数值型，但由于其本质上不具备数学运算或聚合意义，因此应被转化为维度字段

六、日期类型转换

大模型无法将语义里的时间和非日期型字段相关联，需要在数据模型中，将代表日期的非日期型字段需要修改为日期类型。

若您的日期字段为标准格式（yyyy-mm-dd 或 yyyy-dd hh:mm:ss），将格式转换为日期即可。

具体实现过程：您可以通过右键需要修改的字段名称，点击转换数据类型

若您的日期字段非标准格式，请不要直接将其转换为日期格式，需要先进行字段的处理。

具体实现过程：可以根据您的日期相关的字段创建新的计算字段（维度），通过输入公式转化数据格式

具体处理方式

①用户日期格式非标准情况：如原字段存在分隔符、日期顺序为自定义等情况

使用DATEPARSE函数：

用途：将字符串转成指定格式的日期

语法：DATEPARSE(格式串，字符串)

• 格式串：数据库中日期的类型：

例如订单表中[订单日期]格式为[2017-02-14]，则格式串类型为[yyyy-mm-dd]（y为年，m为月，d为日），若[发货日期]格式为[03/12 2019]，则格式串类型为[mm/dd yyyy]

• 字符串：想要转换的日期或日期型表达式（必须为字符串形式），若非字符串形式，使用str函数实现格式转化

例：将"yyyymm"格式的年月字段转换为日期格式

②用户的日期维度分为多个字段：如分为年、月、日三个字段

添加图片注释，不超过 140 字（可选）

可以先进行字符串拼接：利用 “/” 将您的字段（年、月、日）进行拼接起来

str([年])+"/"+str([月])+"/"+str([日])

再利用DATEPARSE函数转为标准格式日期

综上，计算公式为：

DATEPARSE("yyy/mm/dd", str([年])+"/"+str([月])+"/"+str([日]))

③若您创建了新的日期字段，记得将已经不需要的日期相关字段隐藏

七、业务知识：行业名称解释

在实际使用的过程中，用户提问的时候会带入一些业务场景规则和自己的提问习惯，而这些非通用的内容可能存在无法被大模型识别的问题。因此在取数过程中，如果感觉大模型对于特定业务及概念的理解不足，可通过提示词帮助大模型理解问题。

当前提示词配置支持以下方式：

• 选择触发条件（什么情况下该提示词生效）：目前支持「问题包含关键词」和「所有问题」两类触发条件

• 设置规则（提示词生效时，您希望大模型大模型做什么）：目前支持「自定义规则」和「选择字段」

需要注意的是，一条记录是对一个名词的解释，因此不要在一条记录中解释多个名词

具体实现过程：点击数据源--数据模型--编辑--ChatBI设置--提示词配置

提示词配置场景

场景一：配置数据和业务问法的映射规则

若您希望当问题包含某些关键词时，您希望让大模型按照设置好的规则去查询，具体操作如下：

• 设置提示词触发条件为“问题包含关键字”

• 在「自定义规则」选项中，选择您希望设置的规则

例：现在您要对员工信息进行分析，对「员工信息表」做如下配置，让大模型也能习得这些知识。

问答结果：

免费试用 Chat BI>>

场景二：全局固定展示字段

若您希望无论查询何种问题，只要基于该数据表，都能在问答结果中包含某字段，具体操作如下：

• 设置提示词触发条件为“所有问题”

• 在「选择字段」选项中，选择您希望在所有相关问答中自动包含的字段

例：「人员信息表」中为人员的基础信息明细数据，如果您希望用户基于该表的问答均能带上「员工姓名」，那就可以设置提示词在“所有问题”均「选择字段」，然后在字段列表下拉选择“员工姓名”这个字段。

问答结果

配置前：

配置后：

场景三：字段联想

若您希望当查询的模型结果包含某字段的时候，为了方便对照，问答反馈同时展示相关的字段，具体操作如下：

• 设置提示词触发条件为“问题包含字段”

• 在「添加」选项中，选择您希望在问答反馈中一同展示的字段

例：「人员信息表」包含人员的基础信息明细数据，当您查询“研发工程师都有谁”时，如果你希望当问题包含[员工姓名]时，同时展示[工号] 、[员工组]等信息以方便用户做对照。那就可以设置提示词在“问题包含字段”「工号」，“时，添加”「选择字段」然后在字段列表下拉选择“工号、员工组”字段。

问答结果：

配置前：

配置后：

八、业务知识：别名

当您倾向于采用一种或多种特定俗称（俗称“行业黑话”）来指代某一概念时，可以在别名管理中为关键词配置别名，确保即使使用不同的表述方式，系统也能准确识别并返回相关结果。

需要注意的是，一个原始名称可以配置多个别名，别名可以表达字段名称，也可以表达某一字段的成员项

例：提问“魔都的人均GDP”，模型能够理解为“上海的人均GDP”

九、复杂问题的处理

1. 提示词字段配置

对于需要进行运算的字段，为了便于模型理解，可以在提示词配置中增加相应的规则。

具体实现过程：在提示词中进行配置，添加关键词和自定义规则。

例：当您的数据表中含有【下单时间】和【净销售额】字段，想要获得月均销售额

可以设置关键字为“月均净销售额”，自定义规则为“平均每个月的净销售额”

2. 添加计算字段帮助模型准确理解需求

当计算字段逻辑较为复杂时，难以在自定义规则中用一句话解释，涉及到多种运算组合或者复杂函数，建议在数据模型中添加计算字段，便于模型反馈准确结果。

具体实现过程：在数据模型的编辑界面，点击[+计算维度]/[+计算度量]按钮，创建新的计算字段，输入字段名称和表达式即可。

例：

用户问题：销售人员的佣金是多少？

佣金=佣金比率*销售额

佣金比率计算规则为：销售额在10万以下，佣金比率是5%；10万到50万之间是7%；超过50万是10%

在该问题中，由于抽佣规则比较复杂，涉及到条件判断和乘法运算，提示词配置比较繁琐，因此可以通过创建新的计算字段帮助模型理解问题。

该问题的计算表达式如下：

IF [销售额]<=100000 THEN 0.05*[销售额] ELSE (IF [销售额]<500000 THEN 0.07*[销售额] ELSE 0.1*[销售额])

十、数据模型批量治理

若用户需要批量配置字段，可以通过字段元信息进行配置。

在字段元信息中，可以对字段类型、属性、是否可见、数据格式等批量配置。

免费试用 Chat BI>>