学会用自然语言提问你的数据。用AI/BI精灵，你可以用纯文本询问你的数据模型里的数据，并得到以表格、SQL或图表形式展示的答案。

在过去的几十年里，商务用户不得不依赖数据分析师的帮助，查看报告和仪表盘，或者学习如何使用查询数据的工具来回答商务问题。对于技术能力有限且很难接触到数据分析师的商务用户而言，常常不得不依赖假设而不是数据驱动的分析来做决策。

随着人们对大型语言模型（LLMs）的兴奋，商业智能受到了通过AI辅助和在该领域利用生成式AI而产生的新机遇的影响。我们见证了名为生成式商业智能（Gen BI）的新领域的诞生。通过Gen BI，业务用户能够像询问ChatGPT一样，提出关于最成功的产品、销售结果或所需见解的问题。然而，仅仅指向一个源数据库是不够的，我们需要开发一个包含Gen AI能理解的指标和属性的数据模型。在这篇文章中，我将分享我对Databricks上的AI/BI的观察。

AI/BI 功能需求

要开始使用Genie，我们必须启用它，配置Unity目录，并创建一个数据模型。此外，我们还可以配置一个SQL仓库，Genie将使用它来查询表中的数据。最后一步是创建一个Genie工作区，在那里我们选择Genie需要回答问题的表。配置非常简单，只需几步：你只需要选择目录、模式和表。大部分设置都很简单，除了Unity目录，但如果已经在你的Azure环境中完成了Unity目录的配置，你应该能够直接使用现有的设置而无需担心问题。

需要的资源有:

• Unity Catalog
• SQL 数据仓库
• Unity Catalog 中的数据模型
• Genie 工作空间

与AI/BI助手的对话

Genie可以用纯文字回答与数据相关的问题，这意味着我们可以用自然语言询问工作区表格中的具体数据。

为了测试的目的，我准备了包含波兰公寓价格的数据表格，还包含了M1货币供应量、利率和工资等额外指标。要检查工作空间中有哪些表格，我们只需要问一下Genie就行了。

一旦我们知道数据集中包含什么内容，我们就可以开始提问了。我从一个简单的问题入手：我问哪个城市的价格最高，几秒钟后我就得到了回复。如下面的截图所示，这是一个很简单的过程。

我的下一个任务是查询来自两个不同的表格的数据，看看Genie是如何将多个来源的数据结合在一起的。

真是太厉害了，Genie 能自动连接表，并选择合适的列来连接表。查看 AI 生成的查询，确保结果准确。点击“显示生成代码”按钮，我们就可以看到 Genie 使用的查询。

另一个我发现的有用功能是让Genie帮我做计算的功能。例如，我有关于房价和薪水的数据，我觉得知道“要买一平方米的房子需要多少份薪水”会很有帮助。我需要多少份薪水来买一平方米的房子，这样的计算对我的需求非常有帮助。

把数据放在表格里很有用，但要跟踪或分析趋势，将数据可视化则更好。再次地，我们可以让Genie把表格中的数据可视化一下，一会儿，它就会画出一个折线图，帮助我们更好地理解数据，并得出有用的结论。

我们可以把Genie看作一个文本转SQL工具，它将用户提供的文本转化为SQL代码，该SQL代码将在Databricks中执行。说白了，AI会尝试生成一个查询来回答用户的问题。有时，AI可能无法理解某些术语。然而，Genie的一大亮点就是它能提出澄清性的问题，从而减少错误回答或“捏造”答案的风险。

Genie需要一个准备充分的数据模型和详细的描述来提高其回答的准确性。用户可以对回答进行评价，这样Genie可以根据用户的反馈不断学习和改进。每个AI/BI Genie回答都包含一个点赞或点踩的反馈选项。此外，用户可以修改Genie生成的查询语句并重新执行它们，保存这些更改作为指令，教Genie将来如何回应。

AIBI精灵，与副驾助手一起，是一款强大的工具，它开启了新的可能性，允许用户在不需技术背景的情况下提问关于数据的信息。这些工具对于需要访问关键数据以做出明智决策或分析特定部门的业务人士尤其有益。它们在商业智能领域创造了新的机会，不仅面向专业人士，也面向更广泛的用户群体。这一创新开启了一个新的生成式商业智能领域，我们可以向AI询问所需的数据和进行计算，帮助让信息更普及。

相比之下，虽然Copilot可以帮忙完成各种任务，Genie则只专注于回答问题；它不能自己得出结论。我还挺喜欢Genie的一点就是可以查看用来生成答案的查询，并在必要时进行修改。虽然MS Fabric中的Copilot也能回答问题，但它不具备评估这些回复的能力，因此需要采取其他方法来评估答案。