Bild vom Herausgeber
# Einführung
Es ist ein Mythos, dass der Einsatz von Projekten zur künstlichen Intelligenz (KI) Monate dauert. Die Wahrheit ist, dass Sie einen KI-Analysten einsetzen können, der in wenigen Minuten komplexe Geschäftsfragen aus Ihrer eigenen SQL-Datenbank (Structured Question Language) beantworten kann, wenn Sie wissen, wie Sie das richtige große Sprachmodell (LLM) erfolgreich mit Ihrer Datenquelle verbinden.
In diesem Artikel werde ich erläutern, wie man einen KI-Analysten einsetzt Beutel voller Wörtereine modern KI-Datenschichttechnologie. Sie erlernen praxisnahe Schritt-für-Schritt-Prozesse mit Fokus auf SQL-Datenbanken und LLMs. Unterwegs werden wir auf häufige Einsatzschwierigkeiten und ethische Überlegungen eingehen, die jeder Fachmann kennen sollte.
# Beutel voller Wörter verstehen
Bag of Phrases ist eine KI-Datenschichtplattform, die jedes LLM mit nahezu jeder Datenquelle verbindet, einschließlich SQL-Datenbanken wie PostgreSQL, MySQL, Schneeflockeund mehr. Mit den folgenden Schlüsselfunktionen können Sie Konversations-KI-Analysten auf Ihren Daten aufbauen:
- Es ermöglicht die direkte Anbindung an Ihre bestehende Dateninfrastruktur
- Es steuert, auf welche Tabellen und Ansichten die KI zugreifen kann
- Es verbessert Ihren Datenkontext mit Metadaten von Instruments wie Tableau oder dbt
- Es verwaltet den Benutzerzugriff und die Berechtigungen sicher
- Es ist für schnelle, vertrauenswürdige und erklärbare Erkenntnisse konzipiert
Dieser Ansatz bedeutet einfach, dass Benutzer „einmal fragen, verbessern und erklärbare Ergebnisse erhalten können“, und das alles ohne große technische Kosten.
Bild vom Herausgeber (zum Vergrößern anklicken)
# Bereitstellung eines KI-Analysten
Viele Unternehmen haben Schwierigkeiten, das volle Potenzial ihrer Daten auszuschöpfen, obwohl sie über leistungsstarke Instruments verfügen. Das Drawback ist vor allem die Integration, die komplex ist und für die es keine klare Integrationsmethode gibt. Auf LLMs basierende KI-Analysten wandeln Rohdaten durch Abfragen in natürlicher Sprache in Erkenntnisse um. Die genaue Verknüpfung dieser Modelle mit Backend-Daten ist jedoch von entscheidender Bedeutung.
Die gute Nachricht ist, dass Bag of Phrases es ermöglicht hat, Ihre SQL-Datenbanken und LLMs zu verbinden, ohne Probleme mit endlosem benutzerdefinierten Code zu haben. Dies senkt die Hürden und beschleunigt die Bereitstellung von Wochen oder Monaten auf Minuten, was sowohl Datenteams als auch Geschäftsanwendern Vorteile bringt.
# Einsatz eines KI-Analysten mit Bag of Phrases
Folgen diese technischen Schritte um einen KI-Analysten schnell in Docker zum Laufen zu bringen.
// Schritt 1: Vorbereiten Ihrer SQL-Datenbank
- Stellen Sie sicher, dass Docker auf Ihrem Pc installiert und ordnungsgemäß eingerichtet ist, bevor Sie den folgenden Code ausführen.
- Führen Sie dann den folgenden Befehl aus:
docker run --pull all the time -d -p 3000:3000 bagofwords/bagofwords- Wenn Sie neu sind, müssen Sie sich anmelden:
http://localhost:3000/customers/sign-up.
Bild vom Autor
Befolgen Sie die Schritte, um den Onboarding-Ablauf zum Einrichten Ihres KI-Analysten abzuschließen.
- Stellen Sie sicher, dass Sie über Ihre Anmeldeinformationen für Ihre SQL-Datenbank verfügen (Host, Port, Benutzername, Passwort).
- Klicken Sie auf Neuer Bericht. Wählen Sie dann eine beliebige Datenbank Ihrer Wahl aus. Für diesen Artikel werde ich PostgreSQL verwenden.
Bild vom Autor
- Erstellen Sie Ihre Datenbank und füllen Sie sie. Ich empfehle Supabase für die Demo. Sie können jedes beliebige Ihrer Wahl verwenden. Stellen Sie außerdem sicher, dass Ihre Datenbank über das Netzwerk zugänglich ist, in dem Sie Bag of Phrases bereitstellen.
Bild vom Autor
- Erfahren Sie, welche Schemata, Tabellen und Ansichten die Daten enthalten, die der KI-Analyst abfragen soll.
- Als nächstes müssen Sie Ihrer Analyse einen Kontext geben.
Bild vom Autor
Hier müssen Sie der KI Anweisungen geben, wie die Daten verwaltet werden sollen, und Sie können eine Verbindung mit Tableau, dbt, Datenformund Ihr AGENTS.md Dateien in Git.
Sie können auch eine Konversation einrichten, bei der Sie per Knopfdruck Ihre Antwort mit allen benötigten Informationen parat haben.
Bild vom Autor
Sie können Ihren Bericht auch einrichten und erneut ausführen. Der Bericht über Ihre Daten wird zum Autopiloten.
Bild vom Autor
// Schritt 2: Abfragen testen und verfeinern
- Interagieren Sie mit dem KI-Analysten über die Bag of Phrases-Schnittstelle.
- Beginnen Sie mit einfachen Abfragen in natürlicher Sprache wie „Wie hoch conflict der Gesamtumsatz im letzten Quartal?“ oder „Prime-Produkte nach Umsatz anzeigen.“
- Verfeinern Sie Eingabeaufforderungen und Anweisungen basierend auf ersten Ergebnissen, um Genauigkeit und Relevanz zu verbessern.
- Verwenden Sie Debugging-Instruments, um zu verfolgen, wie das LLM SQL interpretiert, und passen Sie bei Bedarf Metadaten an.
// Schritt 3: Bereitstellung und Skalierung
- Integrieren Sie den KI-Analysten über APIs oder die Einbettung von Benutzeroberflächen (UI) in Ihre Geschäftsanwendungen oder Berichtstools.
- Überwachen Sie Nutzungsmetriken und Abfrageleistung, um Engpässe zu identifizieren.
- Erweitern Sie den Datenbankzugriff oder die Modellkonfigurationen iterativ, wenn die Akzeptanz zunimmt.
# Herausforderungen und Lösungen
Hier sind einige Hindernisse, auf die Sie beim Einsatz von KI-Analysten stoßen können (und wie Bag of Phrases helfen kann):
| Modell | Zug-Acc | Val Acc | Lücke | Überanpassungsrisiko |
|---|---|---|---|---|
| Logistische Regression | 91,2 % | 92,1 % | -0,9 % | Niedrig (unfavourable Lücke) |
| Klassifizierungsbaum | 98,5 % | 97,3 % | 1,2 % | Niedrig |
| Neuronales Netzwerk (5 Knoten) | 90,7 % | 89,8 % | 0,9 % | Niedrig |
| Neuronales Netzwerk (10 Knoten) | 95,1 % | 88,2 % | 6,9 % | Hoch – Lehnen Sie dies ab |
| Neuronales Netzwerk (14 Knoten) | 99,3 % | 85,4 % | 13,9 % | Sehr hoch – Lehnen Sie dies ab |
# Zusammenfassung
Die Bereitstellung eines KI-Analysten innerhalb von Minuten durch die Verbindung eines beliebigen LLM mit Ihrer SQL-Datenbank ist nicht nur möglich; Dies wird in der heutigen datengesteuerten Welt erwartet. Bag of Phrases bietet eine zugängliche, versatile und sichere Möglichkeit, Ihre Daten schnell in interaktive, KI-gestützte Erkenntnisse umzuwandeln. Durch Befolgen der beschriebenen Schritte können sowohl Datenexperten als auch Geschäftsanwender neue Ebenen der Produktivität und Klarheit bei der Entscheidungsfindung erreichen.
Wenn Sie Schwierigkeiten haben, KI-Projekte effektiv umzusetzen, ist es jetzt an der Zeit, den Prozess zu entmystifizieren, neue Instruments zu nutzen und Ihren KI-Analysten selbstbewusst aufzubauen.
Shittu Olumid ist ein Software program-Ingenieur und technischer Autor, der sich leidenschaftlich dafür einsetzt, modernste Technologien zu nutzen, um fesselnde Erzählungen zu erschaffen, mit einem scharfen Blick fürs Element und einem Gespür für die Vereinfachung komplexer Konzepte. Sie können Shittu auch auf finden Twitter.