01
02
（1）基于大模型会智能生成（AIGC）的应用模块（报表，图表，挖掘结论，结论） 打破个人对行业的认知。
（2）ChatBI以智能助手的身份作为业务人员或者研发人员的助理，在此基础上还可以进一步的修正和训练。
（3）后台引擎提供丰富的agent满足 个性化的报表，多维度的图表，有深度的数据探查，数据挖掘能力 增强数据分析能力。
（4）所见即所得 通过文本的输入就可以找到答案，不再需要借助繁琐的目录菜单来组织。
(5) 打破数据源的壁垒 满足跨数据源的融合。
03
综述：数据总览
当用户希望可以获取到某些主题数据，譬如输入《深圳二手房信息总览》 我们的ChatBI模型会反馈 数据的综述信息 让用户对某主题数据 有个全面的了解。
模态一：统计报表
用户输入查看小区名称总房价信息即可以得到如下的列表结论
用户补充表头的个性化需求 如行列合并 加粗 标记等都可以通过文本交互实现
用户也可以通过文本说明需要的过滤条件也可以立等可得。
模态二：图表
我们图表满足 趋势，对比，分布，同环比等统计场景。
模态三：挖掘结论
（1）指标相关性
（2）关联关系
预测 推荐 分布等挖掘需求都可以得到答案 帮助用户挖掘数据 发现指标属性之间潜在的关系 。譬如 发现房价和其他指标之间的相关性，房屋售卖的好 和哪些属性关联最大 发现非传统经验的结论。
模态四：开放性的问题
大语言模型在语言交互、知识检索之外有一个很强的泛化能力，即统合信息进行预测。
当这些信息是一些非语言，或者我们难以理解的语言时，预测在很大程度上就成为了翻译。比如很多科学家试图利用大语言模型理解鲸鱼、狐狸的语言并取得了一定的效果。
在私有模型的基础上，我们结合私有化部署的通用模型 提供行业结论，供综合分析使用。
输入《推荐一个在福田区的小区，具体要求是低楼层 坐北朝南 四室一厅一年内的小区。》等到的结论如下：
