之前小億給大家介紹過，億信華辰有一款了不起的智能語音問答式BI產品——智問。很多小伙伴都給小編留言：你們是怎么做到的？今天我就來給大家科普一下，帶領大家了解一下智能BI——智問是如何工作的！

智能BI是怎樣煉成的？
首先智問的核心技術，可以稱之為NL2SQL技術，這里先搬運一下NL2SQL的官方解釋，NL2SQL（Natural Language to SQL）是一項將用戶的自然語句轉為可執行 SQL 語句的技術，對改善用戶與數據庫之間的交互方式有很大意義。NL2SQL 的本質，是將用戶的自然語言語句轉化為計算機可以理解并執行的規范語義表示 (formal meaning representation)，是語義分析 (Semantic Parsing) 領域的一個子任務。

NL2SQL的歷史悠久，早在1973年，Woods等人就開發了一個名為LUNAR的系統，可以回答關于從月球帶回的巖石樣本的問題。到了1978年，Hendrix設計了一個連接美國海軍艦艇信息數據庫的自然語言接口，名為LIFER/LADDER。這些系統僅僅支持特定數據庫的單表操作，受限于當時的技術發展，NL2SQL并沒有受到太多的關注。直到2015年AI的復蘇和NLP的發展，它漸漸回到人們的視線。

傳統的NL2SQL技術，目標是直接通過直連數據庫，系統就能直接了解數據并可以通過自然語言生成sql查詢出想要的數據，當然能做到這一步最好，但在我們看來，由于AI技術目前的局限性，其實還沒有辦法做到非常完美的用戶體驗，于是我們退而求其次，結合我們多年深耕BI領域的行業經驗，以及當前流行的可以幫助計算機理解人類知識的知識圖譜等技術，創造出一個全新的NL2SQL解決方案——智問。

智問架構圖
拆解智問的工作流程
在這個方案中，語音識別和搜索框是耳朵和眼睛，用來收到對話的信息；NLP技術是理解力，將收到的信息轉換成可以理解的信息；知識圖譜是掌握的知識，搜索引擎是存儲的數據；SQL引擎是思考的過程，將信息轉換成SQL，最后圖表引擎是手中的筆，用來將獲取的知識表現出來。

讓我們來看一個具體的例子，系統接受到一句自然的語句，比如“2020年全公司凈利潤同比增加了多少？”

第一步：明確需求
系統需要理解當前用戶想要查什么東西，也就是需要通過NLP技術將自然語句轉化為業務目標，這里我們的知識圖譜就會起到很大的作用，知識圖譜被寫入我們的業務大腦，通過檢索，我們可以對其中的業務術語進行定位，比如這一句話，“2019年”是時間范圍，“機構”是一個維度概念，“凈利潤”是一個業務指標，“同比”是一個業務計算方式。然后經過NLP的理解，智問就了解了這句話目標是問凈利潤的同比值，時間是2020年，機構范圍是全公司。

第二步：語義轉換
下一步就是把理解到的內容轉化為具體的數值了，目前支持所有主流的數據庫系統，所以就是把理解的內容變成sql語句，并到對應的數據庫中進行計算。

第三步：智能圖表匹配
得到想要的數據之后就是選擇用什么形式展現數據的時候了。智問內置一套圖表選擇引擎，根據問題的形式、數據格式等多個條件判斷最適合的展現形式。

AI+BI的落地是個持續且復雜的工程，企業想要快速落地必須借助專業工具和平臺。億信華辰耕耘大數據領域15年，已成功幫助金融、能源、保險、醫療衛生等行業客戶實現AI+BI的項目落地，不論你有何種需求，都可針對性的為您制定AI+BI的最佳方案，樹立企業智能化轉型的信心及突出行業重圍的決心。