像ChatGPT玩转Excel数据

*.引言

最近ChatGPT的出现，把人工智能又带起了一波浪潮。机器人能否替代人类又成了最近热门的话题。

今天我们推荐的一个玩法和ChatGPT有点不一样。我们的课题是“让用户可以使用自然语言从Excel查询到自己想要的数据”。

要让自然语言可以从Excel中查数据，那我们得做点准备：

需要一个Excel文档

需要一个自然语言查询工具（这里我们推荐Smartbi NLA）

*.*.体验自然语言查询

老规矩，先上效果再说其他。

【使用录屏动画】

2.Excel说明

我们先准备一个Excel，这个数据是模仿一个企业的合同签订表数据造的一份随机数据，有些数字可能不大合理。不合理的地方，请自动忽略 ^_^。

2.*.数据结构说明

2.*.*合同明细表

2.*.2.销售表

2.*.3.地区表

2.*.4.日期维

2.2.表关系图

【表关系图】

2.3.数据示例

【Excel详情】

3.数据导入与建模

数据情况介绍完了，我们要用上述的数据，做一个数据模型，下面主要介绍下建模的过程。

3.*.Excel导入

Smartbi中的Excel数据导入，非常简单，按照向导操作就可以了。

【Excel数据导入】

3.2.建立表关系

3.2.*.第一个表关系

数据导入完成后，我们先建立第一个表关系。鼠标放到《销售表》表上面后，会出现4个小圆圈。选择一个小圆圈，拖动到《合同表》上面，就会自动弹出表关系对话框。我们选择关联字段，然后选择“一对多”关系。

【《销售表》和《合同表》关系建立】

【完整表关系】

3.3.指标、维表和事实表处理

3.3.*.生成指标

【双击“合同金额”转指标】

3.3.2.处理维度

默认情况下，右侧栏的每一个字段，都会默认生成一个维度。但是有些字段（ID、编码等）在正常的查询中我们并不需要，所以建议将不需要的字段隐藏。同时为了让自然语言能够更好的识别到用户语言中的指标和维度，建议在设计模型的时候将指标和维度修改成用户常用的词语。

【隐藏“合同维表”】

【显示“合同名称”】

3.3.3.创建时间维度

【创建时间维度】

【选择时间层次结构】

【生成的时间层次】

【修改季度名字】

【改名后的时间层次】

3.4.自定义指标

除了合同金额，如果我们还想知道“合同个数”，我们需要对“合同编码”做唯一计数。

【生成“合同个数”指标】

3.5.模型抽取

最后，我们需要对模型进行抽取，将Excel数据加载到高速缓存库中。

【模型抽取】

【点击：抽取并建宽表】

3.*.模型验证

模型做好以后，我们需要验证下模型是否正确。这里可以使用“自助仪表盘”完成模型的验证工作。

【新建-交互式仪表盘】

【查询验证】

3.7.总结

以上是创建数据模型完整的过程。是不是很简单，手痒的同学可以先试试了。

Smartbi的数据模型建设过程非常简单，全程就是鼠标拖拽就实现了，除了改名，基本不需要使用键盘。更不需要写SQL语句或者其他程序语言。对用户的要求大大降低。就算稍微有点高级的--做计算指标，对用户的要求也只是：了解该指标的计算方法，然后基本也是全程鼠标就可以实现了。总之，使用Smartbi一切都太方便了！

4.自然语言查询

4.*.训练NLA模型

Smartbi自然语言查询，是在“数据模型”之上，再建立了一个知识模型（知识图谱）。这个知识图谱，需要有一个简单的训练过程。不过Smartbi已经把这些工作都包装好了，我们只需要点一个训练按钮就可以实现知识图谱的训练了。

【训练AI图谱】

【选择需要参与训练的维度】

【选择对话式分析-进入自然语言查询】

4.2.查询演示

4.2.*.语义场景自适应

【排名演示场景】

Smartbi的自然语言查询和同类产品有个不一样的地方就是，通常的自然语言查询工具，需要比较完整地说出数据库中的字段名，而Smartbi的自然语言查询是不需要的，用户可以按照常规的说法去说这个词语。系统会根据当前的语言场景匹配最合适的字段。

比如上述例子中的“广州分部合同金额排名前十销售”，系统会根据当前的语句自动识别是想要对“销售姓名”排名还是“销售分部”排名，在这句话中，系统给出的选择是使用“销售姓名”进行排序。

“合同排名”也是同样的意思。这里就不详细展开了。

4.2.2.自动生成计算指标

【动态生成计算指标】

Smartbi自然语言查询，还有一个显著特点是可以自动生成一些常用的时间计算指标（不需要预先在模型中做好）。比如：同比、环比这些。

Smartbi NLA支持的时间计算指标有：

同期比

环比

同期值

前期值

同期增量

前期增量

年累计

年累同比

季累计

季累同比

月累计

月累同比

占比

4.2.3.综合分析案例

【分析案例】

这个演示主要是介绍使用自然语言分析出“广州分部合同金额去年同比下降”的原因。最开始查的是“各分部的合同情况”，然后发现广州分部同比下降了37%。

然后继续问广州分部各行业的情况，只看行业数据看不出问题，我们加上了“同比”和“占比”，发现“占比”比较大的行业（零售、教育、旅游）的合同额都大幅下滑，特别是旅游行业下滑73%。

我们再从月份的角度看，基本看到4月、5月数据都下滑比较严重，到了下半年跌幅也比较巨大。

通过上述示例发现，在做数据分析的时候使用自然语言查询，要比传统的拖拉拽方式快速很多，比手写SQL更是进步了几代。所以使用自然语言做分析，将会给业务分析人员，带来更大的方便性。

👉感兴趣的朋友可点击链接，立即体验Smartbi智能问答

02*yin.com/smartbi/vision/test.html