Рабочие процессы Dify и интеллектуальные помощники AI пересматривают модель принятия корпоративных данных

С волной оцифровки, охватившей сегодня весь мир, данные стали основным активом предприятий. Как быстро извлечь ценную информацию из огромных массивов бизнес-данных и представить ее в интуитивно понятном виде - вот ключ к тому, чтобы предприятиям выстоять в жесткой рыночной конкуренции. В то же время эффективный механизм передачи информации подобен нервным жилам предприятия, обеспечивая своевременное и точное поступление инструкций и данных в каждую "клеточку".

В прошлом традиционные способы доступа к данным и их представления были неудобными, неэффективными и дорогостоящими. Теперь, с быстрым развитием технологий, появились рабочие процессы Dify и интеллектуальные помощники, а также другие инновационные решения, в которые интегрированы технологии искусственного интеллекта. Эти революционные решения меняют традиционную модель, позволяя пользователям быстро получать доступ к нужным им данным, просто описав свои требования интеллектуальному помощнику. Вместо того чтобы проходить сложный процесс разработки отчетов о данных, разработчики данных могут просто использовать Dify Dify workflow - это как установка мощного цифрового двигателя для предприятия, который значительно повышает операционную эффективность и придает мощный импульс цифровой трансформации предприятия. В этой статье мы рассмотрим на примере системы управления проектами применение этого нового метода для сбора и представления данных.

1. Проблемы, с которыми сталкиваются приложения для работы с корпоративными данными

Бизнес-команды и команды по работе с данными часто сталкиваются с собственными болевыми точками при работе с данными, и на системном уровне возникают насущные проблемы, требующие решения.

Болевые точки для бизнес-команд: Когда дело доходит до анализа данных, бизнес-команды должны пройти ряд звеньев, чтобы передать свои требования, прежде чем они смогут увидеть окончательные данные и выводы, что приводит к длительному ожиданию и существенно влияет на эффективность принятия решений. Многие бизнесмены не знакомы с инструментами обработки данных, такими как Excel, или им необходимо экспортировать данные из системы, чтобы проанализировать их, поэтому они вынуждены передавать сбор и разработку данных специализированным ИТ-командам. Однако скорость реакции ИТ-команды часто не соответствует быстро меняющимся потребностям бизнеса. Задачи, которые можно решить за несколько минут с помощью Excel, могут занять у ИТ-команды несколько дней, что существенно ограничивает гибкость и оперативность бизнеса.

Болевые точки для команд по работе с данными: Командам по работе с данными часто приходится тратить много времени и сил на разработку большого количества отчетов для удовлетворения различных потребностей в данных со стороны бизнес-подразделений и руководства. Для того чтобы удовлетворить всего несколько минут запросов к данным со стороны бизнеса и руководства, команде по работе с данными может потребоваться неделя или даже больше времени для выполнения целого ряда работ, таких как очистка данных, разработка и развертывание отчетов. Такая неэффективная схема работы не только отнимает много сил у команды специалистов по работе с данными, но и затрудняет реальное использование ценности данных.

Болевые точки системной интеграции: Когда бизнесменам необходимо получить данные из нескольких источников для анализа, им часто приходится входить в несколько различных бизнес-систем, что обременительно и неэффективно. Более того, некоторые системы не поддерживают мобильный интерфейс, что делает невозможным доступ пользователей к данным в любое время и в любом месте, что еще больше ограничивает сценарии применения и удобство работы с данными.

Перед лицом всех этих проблем предприятия остро нуждаются в более разумном и эффективном подходе к анализу данных, чтобы улучшить их применение и расширить возможности развития бизнеса. Интеллектуальная аналитика появилась для того, чтобы устранить эти недостатки традиционной модели применения данных.

2. Сравнение нескольких технологических маршрутов: NLP2SQL vs. NLP2API vs. NLP2Python

Интеллектуальная аналитика может быть реализована различными способами, каждый из которых имеет свои преимущества и недостатки. В настоящее время основными технологическими маршрутами в отрасли являются NLP2SQL, NLP2API и NLP2Python.

2.1. NLP2SQL

Основная функция NLP2SQL - извлечение данных. Это техническое решение использует большую языковую модель (LLM), позволяющую модели понимать естественный язык и генерировать соответствующие SQL-запросы путем точной настройки или использования обучающих наборов данных SQL. На этапе генерации SQL NLP2SQL все еще сталкивается с проблемами точности. Особенно при работе со сложными запросами, например, требующими соотнесения нескольких таблиц, для повышения точности генерации SQL разработчик должен предоставить модели подробную информацию о структуре таблиц данных и описании полей. Кроме того, стабильность крупномасштабных моделей в определении межтабличных связей относительно недостаточна, что позволяет легко ошибиться или сгенерировать неверные SQL-запросы в сложных средах данных.

2.2 NLP2API

Основная идея подхода NLP2API заключается в семантической инкапсуляции данных и предоставлении интерфейса API для внешнего мира. По сути, этот подход похож на заполнение пустых мест. Разработчик заранее определяет интерфейс API и параметры (эквивалентно заполнению пустого места в вопросе), а когда пользователь предъявляет требования к запросу данных, масштабная модель отвечает за понимание намерений пользователя, извлечение ключевых параметров и заполнение ими заранее определенных параметров API. Интерфейс API отвечает за обработку сложной бизнес-логики и операций запроса данных, а также возвращает результаты пользователю. Преимущество NLP2API перед NLP2SQL заключается в том, что он более стабилен; интерфейс API инкапсулирует лежащую в основе сложную логику, а крупномасштабная модель должна сосредоточиться только на понимании намерений пользователя и извлечении параметров, что снижает вероятность ошибок.

2.3. NLP2Python

Решение NLP2Python в полной мере использует гибкость и мощную экосистему языка Python. Разработчики могут использовать код Python для гибкой обработки широкого спектра задач анализа и обработки данных, преодолевая ограничения SQL-запросов в определенных сценариях. Например, код Python можно использовать для реализации более сложных алгоритмических моделей прогнозирования и атрибуции, а также для объединения этих моделей с возможностями взаимодействия с естественным языком. Однако решения NLP2Python также сталкиваются с проблемами стабильности, особенно когда ошибки в Python-коде, генерирующем модели, могут привести к нештатной работе системы. Однако с постоянным совершенствованием возможностей генерации кода крупномасштабных моделей и развитием методов тестирования и верификации кода, потенциал и перспективы применения схемы NLP2Python также заслуживают внимания.

2.4 Технологические варианты

Принимая во внимание преимущества и недостатки различных технических маршрутов, особенно в стабильности и точности компромиссов, практика в конечном итоге выбрала решение NLP2API, которое может лучше удовлетворить потребности предприятия в запросе и анализе данных при условии обеспечения стабильности системы.

Решение 3NLP2API на практике: Dify Workflow & Intelligent Assistant

3.1 Определение концепций и ролей рабочего процесса

Dify Workflow - это инновационный инструмент, ориентированный на разработку с низким содержанием кода. Он имеет простой и интуитивно понятный визуальный интерфейс, позволяющий пользователям быстро создавать сложные бизнес-процессы путем перетаскивания и настройки, без написания большого количества кода для достижения эффективной автоматизации рабочего процесса. Эта особенность Dify Workflow значительно снижает технологический барьер, так что деловые люди и непрофессиональные разработчики могут легко участвовать в проектировании и построении рабочего процесса, разрушая коммуникационные барьеры между разработчиками и деловыми людьми в рамках традиционной модели разработки, и достигая технической демократизации. Эта особенность рабочего процесса Dify значительно снижает технический барьер, так что деловые люди и непрофессиональные разработчики также могут легко участвовать в проектировании и построении рабочего процесса, разрушая традиционную модель разработки коммуникационных барьеров между разработчиками и деловыми людьми, и достигая технической демократизации.

Во всем процессе обработки данных Dify workflow играет ключевую роль. Когда пользователь делает запрос данных, Dify workflow сначала проводит глубокий семантический анализ вопроса пользователя и точно извлекает ключевые параметры запроса пользователя с помощью технологии обработки естественного языка (NLP) и встроенной модели семантического понимания. На основе этой информации о параметрах Dify workflow может автоматически получать данные из различных предопределенных источников данных, включая реляционные базы данных, файловые системы хранения и сторонние интерфейсы прикладного программирования (API).

После получения данных рабочий процесс Dify гибко обрабатывает и преобразует исходные данные в соответствии с заданными бизнес-правилами и логикой, такими как очистка данных, фильтрация данных, форматирование, агрегация данных, расчет данных и т. д. После завершения предварительной обработки данных рабочий процесс Dify беспрепятственно передает обработанные данные в сеанс рендеринга диаграмм. После завершения предварительной обработки данных рабочий процесс Dify беспрепятственно передает обработанные данные в процесс рендеринга диаграмм, который может интеллектуально выбирать соответствующие типы диаграмм (например, гистограммы, линейные диаграммы, круговые диаграммы и т. д.) для визуального представления в соответствии с характеристиками данных и предпочтениями пользователя, делая данные более интуитивными и простыми для понимания.

Наконец, для достижения быстрого получения данных и эффективного обмена ими Dify workflow может быть глубоко интегрирован с широко используемыми на предприятии системами мгновенного обмена сообщениями (IM) (например, корпоративным WeChat). Dify workflow может отправлять окончательные результаты диаграммы в виде сообщения назначенным пользователям, группам или отделам, чтобы достичь мгновенного обмена и эффективной доставки данных, чтобы пройти "последний километр" применения данных. "Последний километр" применения данных.

3.2. Обработка параметров и оценка результатов с помощью ИИ

Dify workflow в полной мере использует мощные возможности обработки естественного языка крупномасштабных моделей ИИ для глубокого анализа и понимания вопросов, задаваемых пользователями на естественном языке, точной идентификации реальных запросов пользователей и извлечения из них эффективных параметров запроса данных. Затем Dify workflow может использовать эти извлеченные параметры для автоматизации соответствующих операций извлечения данных для получения целевых данных из заранее определенных источников данных (таких как базы данных, файловые системы или другие приложения).

Например, когда пользователь спрашивает интеллектуального помощника в Enterprise WeChat: "Какова общая сумма билетов, выданных на этой неделе?". Когда задается такой вопрос, рабочий процесс Dify может проанализировать запрос пользователя с помощью масштабной модели искусственного интеллекта, чтобы определить, что волнует пользователя.Тип индикатораэто "общая сумма выпущенных облигаций".измерение времениэто "на этой неделе", что, в свою очередь, преобразует естественно-языковой запрос в структурированную информацию метаданных:

{
"type":"票据签发总额",
"time":"本周",
"start_date":"2024-12-16",
"end_date":"2024-12-22"
}

Другой пример - если пользователь спрашивает: "Я хочу узнать общий объем продаж мобильных телефонов в этом году". При таком вопросе рабочий процесс Dify может аналогичным образом понять намерения пользователя с помощью модели искусственного интеллекта и извлечь информацию.Тип индикаторакак "Total Mobile Phone Sales" и временное измерение как "Current Year" и сгенерировать следующие структурированные метаданные:

{
"type":"手机销售总额",
"time":"本年度",
"start_date":"2024-01-01",
"end_date":"2024-12-31"
}

Благодаря вышеуказанному подходу масштабная модель ИИ может преобразовывать понятный пользователю естественный язык в точные инструкции по запросу данных, что значительно упрощает процесс сбора данных, повышает эффективность и точность сбора данных, а также закладывает прочный фундамент для последующей обработки и анализа данных.

Рабочие процессы Dify могут интегрировать модели искусственного интеллекта для интеллектуального анализа и оценки результатов запрошенных данных, таких как выявление провалов данных, обнаружение потенциальных бизнес-рисков и рекомендации профессиональных контрмер на основе результатов анализа, предоставляя пользователям более глубокое понимание данных и поддержку принятия решений. Это обеспечивает пользователям более глубокое понимание данных и поддержку принятия решений.

3.3. Рендеринг диаграмм: ECharts

ECharts - это мощная библиотека диаграмм JavaScript с открытым исходным кодом, которая играет ключевую роль в преобразовании данных в интуитивно понятные и красивые графики с высокой степенью гибкости и богатым набором типов диаграмм. ECharts предоставляет десятки распространенных типов диаграмм, таких как линейные диаграммы, гистограммы, диаграммы рассеяния, круговые диаграммы, карты и так далее. Хотите ли вы показать тенденцию изменения данных, сравнительную зависимость или распределение, вы сможете найти подходящую форму представления диаграмм в ECharts. Кроме того, ECharts поддерживает глубокую настройку диаграмм, начиная с цветов, шрифтов, стилей и заканчивая интерактивными эффектами, которые можно персонализировать в соответствии с потребностями пользователей, чтобы удовлетворить потребности в визуализации в различных сценариях.

3.4. Интеллектуальный помощник: интеграция WeChat на предприятии

Корпоративный WeChat в настоящее время является предпочтительной платформой для внутреннего общения и сотрудничества на многих предприятиях, а его богатые функции приложений обеспечивают естественное преимущество для достижения эффективного потока данных и визуального представления. На базе платформы корпоративного WeChat можно легко создать интеллектуальное приложение-ассистент для построения полного набора замкнутых процессов от сбора данных до представления графиков.

В фоновом режиме управления Enterprise WeChat администраторы могут использовать функцию разработки приложений, предоставляемую Enterprise WeChat, для быстрого создания приложений интеллектуального помощника. Этот процесс включает в себя настройку основной информации приложения, такой как имя приложения, аватар приложения, профиль приложения и т. д., чтобы сотрудники могли четко идентифицировать и доверять использованию приложения. В то же время администраторам также необходимо настроить объем полномочий приложения интеллектуального помощника, четко ограничив ресурсы данных предприятия, к которым приложение может получить доступ, и операции, которые могут быть выполнены для защиты безопасности данных предприятия.

4. Демонстрация эффектов применения

Если взять в качестве примера сценарий управления проектами, то администраторы проектов могут использовать интеллектуальный помощник WeChat для быстрого доступа к данным проекта с помощью естественного языка и их наглядного представления в виде диаграмм.

Например, администратор проекта может захотеть увидеть тенденции в добавлении пользовательских историй за предыдущий год, просто спросив интеллектуального помощника что-то вроде: "Посмотрите прошлогодние истории История Система автоматически генерирует линейный график тенденции добавления пользовательских историй для таких вопросов, как "Тенденция добавления пользовательских историй".

Другой пример: администратор проекта может захотеть посмотреть распределение серьезности дефектов за определенный период времени, чтобы оценить качество разработки. Достаточно задать вопрос: "Посмотрите распределение тяжести дефектов за последний квартал", и система быстро представит круговую диаграмму тяжести дефектов.

Например, администратор проекта может захотеть посмотреть планирование итерации за прошлый год, просто спросите: "Я хочу знать планирование августовской итерации в следующем году", и система сгенерирует диаграмму Ганта соответствующего планирования итерации.

5. ценности и сильные стороны программы

5.1 Значительное повышение эффективности

Раньше, если сотруднику требовалось получить данные, ему приходилось переключаться между несколькими бизнес-системами и входить в систему, а также выполнять громоздкие ручные операции по проверке и экспорту данных, что делало весь процесс трудоемким, затратным и неэффективным. Теперь же с помощью интеллектуальных помощников сотрудникам достаточно сформулировать требования к данным на естественном языке, и система автоматически запустит процесс сбора, обработки данных и построения диаграмм для мгновенного получения необходимой информации. Это значительно сокращает время сбора данных, позволяя сотрудникам уделять больше времени и энергии анализу и принятию решений, а не утомительному сбору и систематизации данных. Например, если сотруднику отдела маркетинга необходимо проанализировать данные о рынке конкурентов, раньше ему приходилось тратить часы на сбор и сопоставление данных из нескольких источников, а теперь, с помощью интеллектуального помощника, на выполнение задачи уходит всего несколько минут, что значительно повышает эффективность работы.

Кроме того, низкокодовый характер рабочих процессов Dify значительно сокращает объем работ, необходимых для создания рабочего процесса сбора данных. Деловым людям не нужны профессиональные навыки программирования, с помощью простого перетаскивания и настройки можно завершить создание рабочего процесса. Более того, автоматизированный режим работы рабочего процесса сокращает ручное вмешательство, снижает риск ошибок в данных, вызванных человеческими ошибками, и обеспечивает точность и согласованность данных. Повторные модификации и переделки из-за проблем с данными исключены, что еще больше повышает общую эффективность работы.

5.2 Значительно улучшенная визуализация данных

С помощью мощных библиотек диаграмм, таких как ECharts, рабочие процессы Dify могут преобразовывать сложные бизнес-данные в интуитивно понятные и яркие графики визуализации. Например, с помощью линейных диаграмм можно наглядно показать тенденцию изменения данных с течением времени, а с помощью круговых диаграмм можно интуитивно представить долю каждой части данных в общей ситуации. По сравнению с традиционными табличными данными, визуальные диаграммы легче понять и проанализировать. Сотрудники предприятия, будь то руководство или рядовые сотрудники, могут быстро понять ключевую информацию, содержащуюся в данных, что обеспечивает надежную поддержку для последующего принятия решений.

Кроме того, библиотека диаграмм ECharts обеспечивает высокую степень кастомизации, что позволяет создавать индивидуальный дизайн в соответствии с конкретными бизнес-сценариями и потребностями пользователей. Пользователи могут гибко настраивать цвета, шрифты, стили и интерактивные эффекты диаграмм, чтобы выделить ключевую информацию на диаграмме и повысить релевантность и эффективность передачи данных. Например, в сценарии анализа финансового отчета можно использовать различные цвета и привлекательные надписи для выделения динамики ключевых финансовых показателей, что позволяет лицам, принимающим решения, с первого взгляда понять изменения в финансовом состоянии.

5.3 Сильное поощрение командной работы

Dify workflow централизует все взаимодействия с данными и представление графиков на единой платформе WeChat, разрушая барьеры между отделами в традиционной модели. Сотрудники разных отделов могут обмениваться данными и графиками визуализации в режиме реального времени на базе единой платформы, что способствует межведомственному сотрудничеству и эффективному общению. Например, отделы продаж и маркетинга могут совместно разрабатывать согласованную (скоординированную) маркетинговую стратегию на основе одних и тех же данных о продажах и графиков анализа рынка, повышая общую эффективность маркетинга и сотрудничества.

Кроме того, интеллектуальное приложение-ассистент делает передачу информации на предприятии более своевременной и точной. Сотрудники могут получить доступ к последним бизнес-данным в любое время и в любом месте через корпоративный WeChat, что позволяет избежать задержек, вызванных запаздыванием информации о работе, и уменьшить искажения и недопонимание в процессе передачи информации, тем самым эффективно укрепляя доверие и сотрудничество между членами команды.

5.4 Значительное снижение операционных расходов

Низкокодовый характер рабочих процессов Dify значительно сокращает объем работ, необходимых для разработки системы, и позволяет быстро использовать технологии искусственного интеллекта для расширения возможностей приложений для работы с данными, помогая организациям значительно сократить инвестиции в человеческие ресурсы. Предприятиям больше не нужно нанимать большое количество профессиональных специалистов по обработке данных для выполнения сложных задач по обработке и анализу данных, которые раньше требовали совместной работы многих людей, что позволяет эффективно сократить расходы на человеческие ресурсы.

В то же время применение Dify workflow может помочь предприятиям сократить потенциальные потери, вызванные ошибками в данных и задержками в работе. Повышая точность и эффективность обработки данных, можно эффективно избежать нерационального использования ресурсов и потерь бизнеса из-за неверных решений, а также снизить альтернативные издержки из-за задержек в рабочем процессе, создавая тем самым большую экономическую выгоду для предприятия.

6. Перспективы развития предприятий с поддержкой ИИ

С быстрым развитием и повышением зрелости технологий искусственного интеллекта роль ИИ в управлении операциями на предприятии растет и, как ожидается, полностью нарушит традиционные концепции и модели разработки программного обеспечения. Традиционная модель разработки программного обеспечения обычно предполагает, что профессиональные разработчики тратят много времени и сил на написание кода, что приводит к длительным циклам разработки и высокой стоимости разработки. В будущем, с развитием технологий искусственного интеллекта, платформы разработки с низким кодом и даже без кода будут становиться все более зрелыми и популярными, позволяя нетехническим специалистам легко создавать мощные программные приложения и демократизировать разработку программного обеспечения.

Если взять в качестве примера систему обработки и визуализации данных, созданную на основе рабочего процесса Dify, корпоративного WeChat и технологии искусственного интеллекта, то это лишь начальные исследования и попытки использования технологии искусственного интеллекта для цифровой трансформации и модернизации предприятий. В будущем сотрудники всех отделов предприятия смогут в полной мере использовать различные интеллектуальные инструменты ИИ в соответствии с конкретными потребностями бизнеса, быстро создавать эксклюзивные приложения для обработки и анализа данных, значительно сократить цикл разработки приложений, быстро реагировать на изменения в бизнесе и повысить общую гибкость и инновационность предприятия.

Для того чтобы лучше ориентироваться в интеллектуальном будущем, основанном на ИИ, предприятиям необходимо активно внедрять технологии ИИ и постоянно повышать уровень грамотности в области ИИ в организации. Это требует от сотрудников и руководства постоянного изучения знаний, связанных с ИИ, а также активного обучения навыкам ИИ для расширения возможностей сотрудников по применению ИИ.

С одной стороны, предприятия должны активно организовывать внутреннее обучение технологиям ИИ, чтобы помочь сотрудникам понять основные принципы, ключевые технологии, типичные сценарии применения и сочетание технологий ИИ с их собственной деловой деятельностью, чтобы они могли освоить и использовать инструменты ИИ для решения проблем в своей реальной работе, повысить эффективность работы и инновационные способности. Например, сотрудники отдела маркетинга могут узнать, как использовать ИИ для составления точных прогнозов рынка и анализа профилей пользователей, чтобы разрабатывать более эффективные маркетинговые стратегии; сотрудники финансового отдела могут узнать, как использовать технологию ИИ для интеллектуальной оценки финансовых рисков, управления финансовым бюджетом и других работ.

С другой стороны, предприятия должны активно поощрять своих сотрудников к развитию инновационного мышления, активно изучать возможности применения технологии ИИ в различных сегментах бизнеса, а также способствовать всесторонней популяризации и глубокому применению технологии ИИ на предприятии, чтобы ускорить общий процесс цифровой трансформации предприятия.

В будущем технология ИИ продолжит менять режим работы и модель развития предприятий. Только активно используя возможности для изменений, создаваемые технологией ИИ, и постоянно усиливая обучение и инновационные приложения, предприятия смогут сохранить свои лидирующие позиции в условиях все более жесткой рыночной конкуренции и в конечном итоге добиться устойчивого развития.

приложение

• Dify - платформа для разработки приложений LLM с открытым исходным кодом
• Официальная ссылка на пример ECharts:https://echarts.apache.org/examples/zh/index.html#chart-type-line