自然语言分析（NLA）技术让普通业务人员无需编写SQL或构建图表，便能通过自然语言获得数据洞察。作为国内首个引入Agent BI理念的商业智能平台，Smartbi 在ABI平台中集成NLA技术，通过语义解析、指标理解和智能推荐，为数据使用开启“对话式”入口。本文从技术架构、流程机制到落地策略，全面解析NLA在企业分析场景中的核心工作原理及价值。

NLA的核心在于通过自然语言输入，转换为可执行的指标查询语句并自动生成图表。Smartbi技术架构可拆分为三个层级：

● 用户理解层：支持中文语音+文本输入，结合分词、词性标注、实体识别，将输入问题拆解为分析意图、指标名、过滤维度、时间范围等基本成分。

● 语义映射层：通过内部指标字典与知识图谱，对接“销量”、“客户数”等关键词，并识别时间、经销商等维度，将自然语言意图映射为结构化语义查询。

● 执行与可视化层：将语义转换为SQL（或多维 OLAP 查询），执行分析查询后智能匹配图表模板（如趋势线、条形图等），并生成图表+分析结论。

整体流程简洁高效：输入自然语言 → 意图解析 → 语义映射 → 执行查询 → 智能作图 → 输出图文报告。

2.1 多轮上下文理解

用户完成一个查询后，仍能继续对话追问，如“本周销量趋势怎么样？”→“上月同期与本周环比？”并能正确理解“环比”所指时间关系，体现上下文记忆与语义追踪能力。

2.2 知识图谱支持

Smartbi基于构建的指标元数据知识图谱维护指标含义、维度层级关系、图表关联等语义关系。当描述“地区销售排名”“同比增长率”时，通过知识图谱快速定位合适维度与计算逻辑。

2.3 模板智能匹配

系统根据语义结构自动推荐图表类型，例如趋势类问题使用折线图，结构比较通常采用柱状图，构成比选象更适合饼图或漏斗图。整个过程无需人工干预。

2.4 异常分析推荐

当发现查询结果出现显著异常（如同比降幅大于20%），系统将自动标注异常并生成自然语言提醒，如提示“X 产品线下降明显，请检查原因”。

● 降门槛，让业务即问即看：无需SQL技能也能轻松获取报告，快速响应业务需求；

● 提升效率，减少BI建设压力：大量常规查询用NLA替代手动建模与图表；

● 辅助决策，自动推荐重点洞察：系统敏感分析异常并及时提醒，减少数据遗漏；

● 推动数据民主，激发用户使用意愿：AI对话降低学习成本，更容易接受数据分析习惯。

1. 完善指标字典与知识图谱：确保指标名称与维度统一，支持更高NLA识别率；

2. 培训用户自然语言模型使用：让用户了解“同比”“环比”“区域X”等关键词利逻辑；

3. 设置常用查询模板：提前配置FAQ问题与高频查询，提高问数效率；

4. 根据反馈优化模型：收集错误解析或错误图表结果，逐步增强语义解析准确度。

NLA技术让数据分析进入“会话模式”，Smartbi通过语义解析、知识图谱与作图智能推荐，为用户提供“提问即洞察”的体验。深度治理指标与知识体系、持续优化模型语义，将使这一AI能力更具发展潜力，成为企业数据自助分析的核心利器。