联系我们
售前咨询
售后咨询
400-7676-098
更多联系方式 >

SoLar

星环求索大数据分析大模型

Text2SQL
/
自然语言助理
/
数据分析效能
产品简介
大数据分析大模型SoLar“求索”是一款针对大数据行业全生命周期各种场景的大数据领域大模型。它可以衍生出许多子领域子任务微调大模型。“求索”大模型具备大数据行业需求理解、推理、各类(含多模型)结构化查询语言和代码生成、文本生成、嵌入向量生成、知识推理等能力;用户只需使用自然语言,就能利用“求索”大模型获取所需的数据分析、展示和报告。
为什么选择“求索“ SoLar
行业属性
在大数据分析领域拥有超过10年的积累,深刻了解该行业的需求和挑战。
性能优异
基于Sophon LLMOPS大模型开发工具进行大模型的微调,性能表现远胜开源模型。
迭代提升
自主研发了SQL众包工具,持续根据数据驱动来提升模型性能。
支持多模
产品支持TDH多模型查询语法,可以查询所有可查询的数据。
数据洞察
在大数据分析大模型星环求索的帮助下,企业的业务人员、数据分析人员以及业务管理者都能够轻松地应对各种复杂的数据分析挑战,并快速获得有价值的数据洞察,为企业的业务增长提供原动力。
应用价值
业务决策者
通过自然语言生成SQL,可以提高业务决策者的数据获取能力,使其不再强依赖技术部门的ETL工作。此外,业务分析人员可以使用自动化的方式制作图表和报告,并定期反馈可视化图表和数据报告,让业务决策者快速全面地了解业务运营情况。自然语言生成SQL还可以帮助业务决策者更好地理解数据,因为他们可以使用自然语言提出问题,而不需要具备专业技能。这将使他们更容易发现数据中的模式和趋势,从而制定更好的业务策略。因此,使用自然语言生成SQL可以大大地提高业务决策者的工作效率和数据分析能力。
数据分析人员
现代数据分析人员在处理大数据时,需要花费大量的时间编写和优化 SQL 代码。这种情况下,自然语言生成图表和报告的工具可以大大地提高数据分析的效率。自然语言分析工具可以帮助数据分析人员节省大量时间,无需手动编写复杂的 SQL 代码。求索可以通过自然语言生成图表和报告,辅助分析工作,产生数据洞察。此外,在数据报告撰写方面,求索还提供了自动生成报告草稿的功能。通过简单的补充和调整,数据分析人员可以快速产出日常的数据报告,从而提高工作效率。
SoLar+LLMOps:搭建可业务落地的Text2SQL实例
在真实落地过程中,仅有大模型是远远不够的:不同的行业、不同的场景下,业务相关的指标/标签知识呈现出动态变化、复杂多样的特点。由于时间、算力、训练语料数据等限制,模型训练微调的方式并不是一个让求索大模型准确、及时得获取这些知识去生成正确的SQL和数据分析结果的一个较优方案。 不同用户对数据查询需求的表达方式呈现出多样化、个性化的特性。在求索大模型生成SQL语句之前,需要一个机制能正确分析用户的意图,基于意图结果去检索/召回出正确的数据元信息。
为了让计算机理解“什么分析任务要从什么主题库中获取什么样的数据”,求索通过应用链编排的思路将数据治理后的“外部知识”和其他智能分析工具(比如多表召回策略等)结合起来来让求索大模型更准确地理解用户数据分析的意图,达成更贴合业务实际的效果: 分析过程可分解和调整:将复杂任务分解成可二次更改的不同的角色、任务和智能体; 分析任务能针对不同实体、主题、动作调用对相应相应组件调用资源、组件; 分析结果可溯源:对分析过程引用的文档、数据来源和方法提供来源追溯和说明。
星环大语言运营管理平台Sophon LLMOps提出了“样本仓库”、“模型仓库”、“应用仓库”的建设思路。其中的应用仓库(AppCube)提供了应用链和服务编排工具,使用户可以以低代码的方式结合知识库、智能分析和工具、代码执行器等技术和工具,通过向量数据库进行多模态意义下的“语义”检索、召回和串联来协同完成任务,提高从“需求到原型再到生产可用”的开发敏捷性和效率。
通过这种应用能力扩展方案,用户可以更灵活地应用大模型,提高数据分析的效率和准确性。此外,Sophon LLMOps作为一个全面的大模型统一运营管理平台,旨在为用户打通从数据接入和开发、提示工程、大模型微调、大模型上架部署到大模型应用编排和业务效果对齐的全链路流程,从而实现针对大模型的“数据和分析的持续提升”。

星环科技,构建明日数据世界