“小浣熊家族AI办公助手”产品体验 — “人人都是数据分析师”

请添加图片描述

一、引言：

大家平时应该在工作中常常使用到Excel来做数据统计，比如临近过年时，公司一般会开各种复盘、年终、检讨、明年规划大会，势必需要准备一大堆的量化数据报表，用于会议上的数据汇报、分析工作，试想一下，在0到1的创业公司，在没有技术团队的情况下，如何进行数据报表相关的分析呢？

在这里插入图片描述

如果在没有了解“小浣熊AI办公助手”前提下，按照以前的惯性思路，肯定也是想着自己组建一个技术团队。现在，不妨试试新的指标平台。

通过对“小浣熊AI一站式办公助手”产品进行数据分析、趋势预测、数据可视化等功能，帮助办公任务变得更加轻松和高效，该产品也是一个低成本、高效率、轻量的、开箱即用的一站式AI相关的办公助手。

在这里插入图片描述

二、小浣熊家族介绍：

在这里插入图片描述

“小浣熊家族”是基于商汤大语言模型打造的 AI Native 生产力系列工具，覆盖软件开发、数据分析、编程教育等多个场景，旨在通过先进的人工智能技术优化和提升工作效率。家族现已推出代码小浣熊和办公小浣熊两位成员，为十余万用户提供数亿次智能辅助服务。

在这里插入图片描述

1. 代码小浣熊：

“代码小浣熊”是基于商汤大语言模型的软件智能研发助手，覆盖软件需求分析、架构设计、代码编写、软件测试等环节，满足用户代码编写、编程学习等各类需求。代码小浣熊支持 Python、Java、JavaScript、C++、Go、SQL 等90+主流编程语言和 VS Code、IntelliJ IDEA 等主流 IDE。在实际应用中，代码小浣熊可帮助开发者提升编程效率超50%。

2. 办公小浣熊：

“办公小浣熊“是基于商汤大语言模型的大模型原生数据分析产品，可通过用户的自然语言输入，自动将数据转化为有意义的分析和可视化结果。办公小浣熊支持复杂表格、多表格、多文件的理解，可以完成数据清洗、数据运算、比较分析、趋势分析，预测性分析、可视化等常见数据分析任务，赋能财务分析、商业分析、销售预测、市场分析、宏观分析等多个应用场景。

在这里插入图片描述

现在办公小浣熊全面开放公测，公测期间免费提供给个人用户使用，接下来快来跟我一起来体验一下，开启AI智能化办公。

三、“办公小浣熊”体验过程：

首先我们通过进入AI“办公小浣熊”官方地址，选择中间C位的“办公小浣熊”图标，这里提供了2种的登录与注册方式：

验证码登录(推荐个人使用)
密码登录(推荐团队使用)，后面会讲到为什么推荐团队使用。

1. 数据源说明：

公司是一家理赔相关的医疗服务平台，公司提供全面的保险服务，‌包括但不限于报案受理、‌保险咨询、‌投诉处理以及理赔服务，‌以下是赔付的相关数据，部分数据进行打码处理。

在这里插入图片描述

将“赔付数据”文件通过本地进行上传，这里支持很多类型的数据文件，本文使用比较通用的类型xlsx。

在这里插入图片描述

支持 .xlsx/.xls/.csv/.txt/json/word(beta)/pdf(beta)/ppt(beta)/sql(限免)/图片(限免) 等类型文件
单次≤3个文件，单个文件≤20M，单个会话≤10个文件/80M

2. 本地文件上传：查一下现在有多少人进行赔付？

在这里插入图片描述

聊天式问答交互：通过输入“帮我查询一下有多少个产品”，可以看到不到10秒钟就可以帮我计算出来，十分适合不会Excel函数、不会写SQL的小白。
可以看到小浣熊回答的是python代码的解析过程，表示有一些数据的加工是使用python的逻辑来处理。
罗列的python代码，可以针对专业人士（写代码、数据分析），可以做到既要知其然，还要知其所以然，主要是AI在数据分析过程中的一些思路、方法以及逻辑，很有参考价值。
AI推荐的智能询问：“选择题永远比填空题好做”，充分的在用户的角度考虑问题，尽可能的减少用户的操作次数，智能化就体现在这些方面。
让AI提前预判用户可能提出的问题，再让用户去做选择，引导用户完成使用，这在很大程度上提升了工作效率和与用户体验。
AI会根据已经提问的情况，进一步深入地挖掘可能感兴趣的提问话题，就像路标一样一步一步指引你解决问题。

这里为什么使用python做为AI分析的语言？因为Python数据分析是一个广泛的领域，它涉及到使用Python编程语言来处理、分析、可视化和解释数据，Python因其易用性、强大的库支持和社区支持而在数据分析领域广受欢迎。

在这里插入图片描述

3. 导入数据库文件功能：

这个功能貌似是官方给的Demo示例，而且数据库的链接信息也不能修改，里面有3个Excel文档，分别为用户基础信息表(users)、产品信息表(products)、订单信息表(orders)，可以用于做一些测试演练，但是数据量也不太多。

在这里插入图片描述

三张SQL表的数据库ER模型，可以看到Users和Products都是主表，Orders表是一个中间关联表，即通过user_id与Users表进行关联，又通过product_id与Products表进行关联，所以这3张表可以产生一个笛卡尔积的数据结果。

在这里插入图片描述

帮我分析一下各个地区的销量总价是多少，由大到小进行排列。

可以看到如果是SQL文件的话，一般是写SQL语句来解决，而且SQL写的比我也好，但是如果我自己写的话，就是只查2张表就可以了，不用再JOIN Products表。

# Query to get total sales value by region and order by total sales value in descending order
query = """
SELECT Users.registration_location AS region, SUM(Orders.quantity * Products.price) AS total_sales_value
FROM Users
JOIN Orders ON Users.user_id = Orders.user_id
JOIN Products ON Orders.product_id = Products.product_id
GROUP BY Users.registration_location
ORDER BY total_sales_value DESC;
"""sales_value_by_location = cursor.execute(query).fetchall()
sales_value_by_location

在这里插入图片描述

为什么要选择SQLite3数据库？SQLite3提供了一个实验性的 Web 版本，‌称为 SQLite 3 Fiddle。‌这个版本允许开发者直接在 Web 浏览器中运行 SQLite3，‌无需下载或安装任何额外的软件。‌用户可以在浏览器的沙箱环境中运行最新的 SQLite 3.39.0 Beta 版本。‌这个 Web 版本是通过 WASM（‌WebAssembly）‌编译的最新 3.39.0 构建的副本，‌使得开发者能够在不离开浏览器的情况下进行 SQLite3 数据库的操作和管理。‌

在这里插入图片描述

4. 数据管理服务：

上文有一个伏笔，提到了使用手机密码进行登录可以进行团队管理，比如一些数据可以放到“数据管理”中进行管理，比如：

基础数据表可以将一些比较基础的枚举数据定义在这里，比如证件类型，大概率长期不会发生变化，比如性别男女，基本上定义后不会修改。
业务数据表可以将一些部分的基本业务数据表上传进行保存。
因为没有自动更新的功能，所以，最好业务数据表推荐使用日期来区分。

在这里插入图片描述

进行团队管理Excel数据的关键，在于实现多人可以共享一些数据源，包括数据表格的定时更新，但是好像无法进行数据表格的权限的控制，‌可以大大提高团队管理Excel数据的效率和准确性，‌助力团队高效运营。‌

在这里插入图片描述

通过简单的从0到1对“AI办公小浣熊”的体验，可以发现“AI办公小浣熊”十分的简单，不需要学习什么Excel函数，也不需要学习IT相关的技术，可以进行低门槛的使用，只需要上传数据源文件，通过交互式聊天问答，就可以利用商汤自研的大模型算法将用户的自然语言输入，自动将数据转化为有意义的分析和可视化结果。

在这里插入图片描述

四、高级功能最佳实践：

不知道大家有没有遇到过，由于公司的前期阶段，经常需要进行业务的数据统计，特别是公司高层的一些会议，经常会有助理、主管找我说，帮我查一下某某的数据，这时候，只能打开SQL查询工具，来进行查询，但是这样效率比较慢，可以利用“AI办公小浣熊”来帮助我们提高效率。

1. 提问：帮我分析一下每年每个季度案件状态是已结案的直付总金额是多少？

接下来，可以让“AI办公小浣熊”帮我处理一下想要的领导需要的数据，首先可以看到“AI办公小浣熊”利用商汤AI大模型可以分析一下逻辑流程图，需要做哪些事情，可以看到逻辑思路上其实跟我们程序员写代码差不多，读取了存放在服务器的本地目录文件，然后分析需要的字段，再进行python代码逻辑的运算，可以得出一个table的表格数据。

在这里插入图片描述

可以看到通过“AI办公小浣熊”，可以不到一分钟就能给出量化的分析结果，比IT开发人员处理的速度快了不至10倍，这里可以看到还提示了2022年第2季度的总金额是0，复盘了一下excel的数据表，确实第二季度（4-6月）是没有数据的。

思考：但是领导一般不会去看这些表格，一般来说可以做一些可视化的报表比较合适的。

在这里插入图片描述

可以让“AI办公小浣熊”直接帮我们创建一个季度比较的柱状图，可以更直接的表现数据，可以看到也是使用python的图表来进行画图，不过，通过对比，画图的时间比AI生成table表格的时间要稍微长一点，生成的图表颜色比较单调，可以让更改颜色的方案来重新生成图表，但是总是觉得差点意思。

在这里插入图片描述

让“AI办公小浣熊”帮助我们生成一个echarts图表的json数据，生成也比较快，在echarts在线的调试示例中，找到一个比较中意的图表，可以看到数据也不太适合，需要自己重新转化改造一下，就可以看到生成图表样式还是可以的，发给领导看的话，也可以比较美观，同时，也可以生成带有代码的echarts图表代码，非常的方便。

2. 提问：帮我分析一下每年每个季度案件状态是已结案的直付总金额是多少？

上面我们使用了“AI办公小浣熊”快速的得到了一个每个季度已结案的直付总金额柱状图，只是简单的一个纬度查询，并不能体现很大的优势，接下来，让“AI办公小浣熊”帮我们生成多纬度的数据比较堆叠柱状图，来看看效率会提高多少？

在这里插入图片描述

数据源中有一些字段是需要数据转换的，比如被保人性别F表示男，M表示女，因为上面数据是放到“数据管理”中，可以看到是去读取服务器的文件，先查找数据为M女性的数据，而且python的代码也是有一些注释，也可以帮助我们去进行一些逻辑的排错，这个可能对IT程序员比较有用处。

通过python的代码可以生成一个2个纬度的数据表格，也可以直接下载生成的结果转化为excel格式的文档，也可以做为二次数据源保存到“数据管理”中。

# 提取需要的列：报案时间、结案时间、被保人性别
data_needed = data[['报案时间', '结案时间', '被保人性别']]# 将报案时间和结案时间转换为日期格式，并提取年月信息
data_needed['报案时间'] = pd.to_datetime(data_needed['报案时间']).dt.to_period('M')
data_needed['结案时间'] = pd.to_datetime(data_needed['结案时间']).dt.to_period('M')# 计算每个月的报案和结案人数
report_counts = data_needed.groupby('报案时间').size()
close_counts = data_needed.groupby('结案时间').size()# 合并报案和结案人数
monthly_counts = pd.concat([report_counts, close_counts], axis=1)
monthly_counts.columns = ['报案人数', '结案人数']# 计算每个月被保人性别的占比
gender_counts = data_needed.groupby(['报案时间', '被保人性别']).size().unstack(fill_value=0)
gender_ratio = gender_counts.div(report_counts, axis=0) * 100# 合并性别占比到月度统计表中
monthly_counts_with_gender = pd.concat([monthly_counts, gender_ratio], axis=1)
monthly_counts_with_gender.columns = ['报案人数', '结案人数', '男性占比(%)', '女性占比(%)']monthly_counts_with_gender.reset_index(inplace=True)
monthly_counts_with_gender.rename(columns={'index': '月份'}, inplace=True)monthly_counts_with_gender.head()

在这里插入图片描述

上面得到了table表格数据集，但是想要转化为图表，可以让它生成一个折线图的图表，可以看到上面的数据还是可以在下面的对话中继续使用的，最开始由于月份日期格式有问题，导致绘制的图表画不出来，但是可以看到AI可以非常智能的自动调整并修复逻辑。

通过查看折线图，可以明显分析出一些数据趋势的变化情况，针对这些变化可以做出对公司策略的调整：

显示报案人数与结案人数的折线图
7月-8月报案人数急剧增加
12月达到了2022年的最高点
9月-11月报案人数比较平稳
7月到10月结案人数一直在递增

在这里插入图片描述

不过，上图只有报案人数与结案人数，明显这样来看只能看出一些变化，领导需要图中也要显示男女的人数占比。可以使用“堆叠柱状图”来展示4种类型的数据的分布和关联关系，提高数据传达和决策的效果。

当然，这里如果有时间的话，可以对图表进行参数调整，达到美化图表的效果。但是比较费时间，建议官方能默认支持生成比较好看的图片，让我们在会议汇报、领导查收时，能够眼前一亮，当然也是可以生成好json数据，在echarts根据自己的喜好生成美观的图表。

思考“AI办公小浣熊”产品价值的体现：

自己在公司也是开发有4年多的时间，通过上述从0到1的“AI办公小浣熊”产品实践，结合公司自己业务本身遇到的场景，进行以下几个角度的分析。

1. 企业内部报表系统存在的问题点：

不少公司企业内部，是完全依赖技术团队报表进行开发，但是，从技术团队的角度来看，在灵活性、通用性、产出效率几个特点来看，技术团队往往会存在以下一些问题。

在这里插入图片描述

往往一个小事情，解决的链路会很复杂、繁琐，往往增加了额外的沟通、时间成本，从人效的角度并不适合。

2. 某些业务场景下，对比“AI办公小浣熊”产品与技术开发的报表系统的分析：

在某些大方向上，基于公司的常规报表需求，在合理范围内是很正常的，但是在某一些不常用的报表需求范围内，可以使用“AI办公小浣熊”产品来解决，比如临时需要的紧急数据，走流程审批下来，估计都为时已晚，比如公司刚刚成立，需要很多统计类的需求，所以在有些场景下，我们可以通过“AI办公小浣熊”来优化工作流程，提高工作的效率，让人更专注于本职工作上。

在这里插入图片描述

3. 公司业务导入“AI办公小浣熊”可行性分析：

上面也提到了，结合公司的一些业务，并非所有的场景都适用，以下整理了公司某些场景下可替换的评估项，以及导入“AI办公小浣熊”后，初步预判可替换成本评估：

在这里插入图片描述

公司其实一直以来有些领导也在质疑，技术团队的价值？买一套成型的BI可以用吗？

序号	业务场景类型	CostDown成本预算/收益值
1	非公司层面性、临时性、小范围内的数据统计分析	业务开发量减少30%
2	开发成本对比	产品、UI、开发、测试工作量减少25%
3	成本预算对比	人力降低15%，IT软件资源降低20%
4	产出时效性对比	加快60-70%
5	沟通成本对比	降低30%

注：以上只是一个初步的预算模型值，在某些场景下，希望在各个业务部门，导入“AI办公小浣熊”后能够实现业务精细化运营、降本增效，实现“人人都是数据分析师”。

六、总结

随着移动互联网时代的不同发展和ChatGPT推动，越来越多的公司进行数字化转型，但是不同于GPT的是，“AI办公小浣熊”专注于数据智能化分析这一个热点方向展开了深入的研究、测试并发布，这也是数据智能分析具有里程碑意义的进步，一步一步深入了解“AI办公小浣熊”的能力与魅力。

通过对“AI办公小浣熊”的探索，可以发现对于数据量较大的信息数据源分析的效果也很好，无论是从速度上，还是回答准确率上，都极具针对性，至少满足了我个人平时的基本需求。通过AI的辅助让用户就不需要过度的思考和操作，确实做到了智能化、人性化和精确化这一步，可以实现让每个人都是数据的生产者和消费者，用来支撑企业的管理和运营需求。

在这里插入图片描述