玩转 TableAgent 数据智能分析

• 一、什么是数据智能分析？

数据智能分析是指利用先进的技术和工具对大量数据进行收集、整理、分析和挖掘，以获取有益的信息和见解。这种分析通常涉及人工智能、机器学习、数据挖掘和统计分析等技术，旨在揭示数据背后隐藏的模式、关联和趋势，以帮助组织做出更明智的决策。以上官方解释来自网络检索，其次谈一下我个人的理解。 数据分析，即是对足够大的数据量信息进行“归纳总结”；足够大是因为少量数据和数据的不完整性会导致对该问题、行为或者社会现象规律性分析的不够准确以及针对性不足的情况，要做到不偏不倚，数据量一定要够大。然后是智能化，如果是以K数量级为参考的话，人工分析难度较大，不仅仅费时费力，准确性和可信度也难以得到考证，毕竟是人就一定会犯错，为了降低人因分析偏差的发生率，使用机器学习、数据挖掘和统计分析等前沿技术，可以有效的规避以上困难，如图1-1所示。

同时，随着移动互联网时代的不同发展和6G时代的即将到来（预计2030年前后），越来越多的公司进行数字化转型，推动其产业分布和公司业务同数字化经济挂钩，不得不说，ChatGPT确确实实已经影响到了一部分互联网公司的业务发展，在多场景、多模态和数字化的工作场景中，其已经得到了广泛的使用。不论是在文案撰写、方案整改还是代码编写等场合，都得到了不错的反响，很大程度上提升了工作效率。但是不同于GPT的是，TableAgent专注于数据智能化分析这一个热点方向展开研究，测试并发布。这也是数据智能分析具有里程碑意义的进步，接下来我带大家走进TableAgent，深入了解它的能力与魅力。

图1-1 未来数据智能分析场景

• 二、TableAgent使用初体验

有句话是这样说的：“始于颜值，忠于人品”，第一印象对于初次使用的用户极度重要。首先谈一下我的个人体验，TableAgent通过网址链接进行访问和使用的，至少目前技术预览版是这样，我觉得这样对于工作党和研发人员是非常友好的，减少了下载安装软件的琐碎流程。其次是它的使用界面，采用黑白双色主题自主选择，跟大多数编译器软件一样，提升了用户的体验，这一点很不错！然后是他的布局，我认为这个布局非常合理，至少优于ChatGPT的布局，在该产品的4.0版本，也上线了上传文件解析的功能，但是个人觉得布局极其不合理，使用体验极差。

TableAgent使用左右分布的文件上传和会话界面的布局方式，用户可以自主地对即将要上传的文件和已经上传的文件进行修改操作，而且上传的文件参数清晰可见（文件名称、大小以及文件类型等），笔者认为这一设置非常具备人性化。

除此以外，TableAgent在文件上传部分提供了部分的参考案例，可以引导初次使用的用户更快地了解该产品和上手使用。图2-1是该产品界面设计分布。

图2-1 TableAgent设计界面图示

了解了TableAgent的外观设计之后，我们该上手亲自体验一下该产品的使用体验和算法效能。图2-2是上传电影点评样例数据集之后的产品界面，在该图中可以清晰的看到，在用户还未提问之前，TableAgent已然给出了针对于该话题可能提出的问题。

“选择题永远比填空题好做”，这是一位资深的开发前辈给我的忠告，他建议我在做产品开发的时候，多站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！所以我觉得TableAgent在这一点上做的非常好，大家仔细观察可以发现，不论是工作中还是学习生活中，很多人不善用AI甚至于说不会用AI,那么问题出在哪里呢？

必然是需求层面，问题就在于他不会向AI提问题，也就是说用户往往搞不清楚自身的需求。尽管现在AI技术已经较为成熟了，但成熟点在于它对于逻辑的处理和解决问题的能力，在于人类交互沟通层面尚有欠缺。中华文化博大精深，一句“吃了吗？您嘞”尚且包含多种意思，更何况专业人员提出的非专业术语问题。故此，让AI提前预判用户可能提出的问题，然后让用户去做选择，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。相较于ChatGPT而言，这一票我投给TableAgent！

图2-2 TableAgent提问界面图示

在用户斟酌后，选择了相应的问题进行提问，如图2-3所示，从图中我们可以看出，TableAgent首先是给出了问题的直接答案，这一操作很直接，一目了然。其次是以表格的形式给出了具体的分析，包括相应的参数（编码、名称、星级以及上映日期和用户评论等等），可以说是很具体、很详细的回答了。

图2-3 问答会话界面

细心的用户会发现，在TableAgent给出解答以后，会附赠一个第三方链接，点击进去后你会发现，如图2-4所示。

图2-4 详细信息解读

这里是回复用户答案的详细表格展示，用户可以在这里进行截图、下载等操作，可视化界面做的可以说非常不错了。点击图2-4下方的use via API可以跳转到图2-5部分，这里包含了后台调用的相关代码程序，我们可以看到这里用到了python和JavaScript编程语言。

图2-5?代码查询界面

在结束上一环节的提问后，TableAgent又整新活了，他会根据你已经提问的情况，进一步深入地挖掘你可能想要提问的话题或想要获取的资源，就像路标一样一步一步指引你发现问题从而解决问题。

同时，下方的详情页，感兴趣的用户可以打开看看，尤其是对于专业人士，搞代码的、搞数据分析的。不能同普通用户一样，得到答案即跑开。我们要做到既要知其然，还要知其所以然。详情页内容主要是AI在数据分析过程中的一些思路、方法以及逻辑。其中还包括一些处理数据的详细代码和分析思路，感兴趣的用户可以展开了解一下，我觉得很有参考价值。如图2-6所示。

图2-6 详情页展示

• TableAgent用户体验总结及建议

整体一套使用流程体验下来，笔者个人体验是非常不错的，对于数据量较大的信息集分析的效果很好，无论是从速率问题上，还是回答准确率上，都极具针对性，至少满足了我这个用户的基本需求。其次是回答情况，该产品的回答很有层次感，逻辑性很强，这样的话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。本次产品的用户体验我打8.5分，我个人认为此产品将会在未来的应用场景中大展宏图，让我们拭目以待。

以下是关于我个人体验完该产品后，提出的作为用户角度的一点小小的建议，具体如下：①上传文件类型限制，目前体验测试版仅仅支持.csv的文件格式，那如果对于.xlsx和其他类型的文本文件是否也能进行处理呢，毕竟数据报表很多是以Excel格式存储的，此产品的适用性有待增强；②文件编码不一致问题，例如我第一次上传.csv文件时，产品提示我“加载文件时编码错误，请确保您上传的文件采用utf-8编码”，我个人觉得这个文件编码转换问题应该由产品内部来消化，因为不能保证每一个使用此产品的人都懂文件编码，万事开头难，如果一开始就卡住了，后续的使用将无法进行。所以智能化这一块，我觉得还有提升的空间。③第三点是此产品的绘图功能，整体上来说，没太大的问题，但是在横纵坐标的参数问题上，以及绘图类型的选择可以做进一步的优化，例如用户选择绘制饼状图还是条形图，以及同种文字类型是中文还是英文等等。

产品公测地址：TableAgent