数字站让企业用户与他们的数据进行聊天

使用大型语言模型(LLMs)作为动力的数据分析平台初创企业Numbers Station 今天推出了云端产品：名为Numbers Station Cloud，目前处于早期试用阶段。通过这项服务，企业内几乎任何用户都可以使用Numbers Station的聊天界面分析他们的内部数据。

有几种类似的工具专注于将自然语言查询翻译成数据库语言如SQL。但是，“Numbers Station”团队认为，这种方法存在局限性，部分原因是通用的LLM并不了解一个公司如何运作，如何组织其数据以及公司内部人员如何引用特定数据对象。

正如 Numbers Station 的联合创始人兼首席执行官克里斯·艾伯格告诉我，他已经有点厌倦谈论这项服务如何让用户“与他们的数据对话”，因为这方面的讨论实在太多了。他告诉我：“但是，企业高管、非技术用户有问题想要问，然后通过传统结构化数据源得到答案，这确实是事情发展的高级层面。”“围绕这些基础模型和大型语言模型进行了大量的数据建模、数据管道工作，以使它们发挥作用。”

对于Numbers Station来说，这意味着花费大量工程资源在建立公司称之为语义目录的工作上。该目录主要是公司度量和定义的自动整理来源。该目录针对每家公司都是特定的（不会在公司间共享）。Aberger描述这个目录像“一个庞大的怪物”，它确保模型对“循环收入”的定义与公司对该术语的使用保持一致。

尽管Numbers Station的平台建立在一套非常专业的LLMs和机器学习模型之上，但正是这个目录将一切联系在一起。正如Numbers Station的联合创始人兼首席科学家Ines Chami告诉我，团队最初低估了建立平台这一部分的挑战。

"这源于经典的[机器学习]和经典的数据工程：我要如何创造一个知识表示，让模型能够用来回答这些问题，"她告诉我说。"因为没有办法让一个模型能理解所有那些指标，所有那些业务用户提出的问题。毕竟，即使是人类也不会立刻理解每个问题，而模型必须将那些模糊的问题转化为非常具体的查询。《数字台站》的研究显示，其方法相比更传统的文本到SQL流程，在精确度上有显著的提高。"

公司今天推出这项聊天服务，但整体愿景要远大得多。

“我们从根本上正在构建用于分析的人工智能平台。”阿伯格尔说。“这是其应用之一[...]公司还在继续努力追求更大更广泛的目标，即解决许多不同的数据问题，比如：如何使用第三方数据源丰富我的数据？如何运用一些更经典的算法如模糊匹配等？在这个平台上，你可以建立几乎无限数量的分支。”

该公司已经签约了几家财富500强客户，包括全球房地产服务公司仲量联行。仲量联行的Work Dynamics Technology CEO Sharad Rastogi表示：“Numbers Station处于企业结构化数据人工智能的前沿。我们对Numbers Station可靠且具有吸引力的平台印象深刻。随着我们的使用，它不断学习，使我们的数据团队能够发现和验证推动业务成果的假设。”