Copilot 对话分析功能介绍

基本用途： 用户可以先选择一个数据集，并围绕该数据集的相关信息与 Copilot 进行对话。将通过表格、折线图等形式展示相关的分析数据

功能介绍和基本使用 ：详见 ++DataEase V2 Copilot 功能介绍++

v2.9.0 中采用的模型：通义千问

备注：在 v2.9.0 中，暂不能使用跨源数据集，社区用户每天限制提问 100 次，企业版用户不限制次数。

提问技巧

1. 字段有备注的表回答的会比较准确

2. 提问时，尽量指定好返回的类型，比如金额总表，店铺金额对比，用途金额对比，店铺金额占比等，日期金额趋势等，对比->柱状图，占比->饼图，趋势->折线图，表-> 表格

3. 提问的字段可用中文命名，如为英文字段时描述需要准确些

4. 提问时，问题描述应清晰，如"年份为 2024 时，销售金额的总和"

5. 模型会解析用户提问的字段和采用图表类型，分析后转义为 SQL 进而生成图表，可根据这个特点进行提问，如分组、求和、总计、做一个饼图、表格等字眼，能更好地生成图表

6.把一个复杂的问题拆解，如要做一个饼图表示占比信息，直接说 "要 A 的比" 时，生成的效果可能不太好，模型未理解你想表达的意思。可采用 "给出 A 字段中各部分的占比情况，绘制一个饼图"

提问示例

以官方 「茶饮原料费用」 数据集为例，数据集结构：

汇总表：给出各个店铺里面，金额的总和
结果：

明细表：给出店铺为欢果店时，每个日期下的金额明细
结果：

饼图提问：给出店铺的金额占比情况，不需要添加后缀
结果：

折线图提问：给出店铺为乐园店，各个日期的金额增长趋势，绘制折线图
结果：

柱状图提问：店铺为乐园店，给出每个日期下的金额情况，绘制柱状图
结果：

多条件复杂提问，问题要清晰，表达简洁，踩中要点，以 「茶饮订单明细」 为例：
提问：时间在 2024 年 3 月 2 日到 3 月 8 日，店铺为香橙店，菜品名称是超大酷柠，温度是冷，给出菜品名称和销售数量的明细
结果：

常用助词，隔开各个指标，有助于准确度的提升：A "的" B，"根据"，"在...中"，"按照"，"在"，A "是" A1，"实现" ，"分组"，"求和"，"绘制"，"以"，"为"，"和"，"或者"，A "到" B 等

提示：按照 sql 生成、字段解析和模型使用的角度，来构建提问会有很好的效果，如 select * from A，翻译过来就是「给出所有的字段的明细」。