长按二维码,关注官方公众号
基于自然语言问答的数据服务架构实践
〇 分享简介 〇
数字化技术管理内容资产，可以有效的让数据赋能业务经营。通过自助分析(Self-service Analytics)降低数据使用门槛、推动数据驱动文化，一直是数据团队追求的目标。
当前业界有两股技术力量正在各自飞速发展：一个是BI领域的语义层(Semantic Layer)，屏蔽底层技术复杂性，带来业务可理解、口径统一的指标与维度；另一个是AI领域的LLM，通过量变到质变的涌现，带来大幅提升的语义理解能力。将语义层和LLM相结合，可以带来全新的基于自然语言对话的自助分析体验。
本次分享腾讯音乐在这个方向上的探索与实践，提出新的数据服务架构，结合开源的项目SuperSonic（开箱即用且易于扩展的框架），帮助企业快速构建基于自然语言问答的自助数据分析平台应用。
〇 分享收益 〇
目标：
了解自然语言问答如何在数据领域发挥价值，如何通过产品交互的创新，进一步降低数据的使用门槛。
成功要点：
语义层与LLM相结合会带来数据服务架构的创新，系系统设计与落地实践。
启示：
利用腾讯音乐的开源项目SuperSonic快速构建适合企业自身的数据问答平台。
〇 分享亮点 〇
1、自助分析平台的背景和发展
2、语义层和LLM各自的发展趋势
3、语义层和LLM相结合带来基于自然语言问答的自助分析
4、开源项目SuperSonic的设计思考和落地实践
5 QA
