概览
概览
在零售电商和旅游行业的数据分析与商业智能的场景中，分析人员经常需要编写多轮、复杂的查询语句以获得业务洞察。亚马逊云科技面对该场景构建零售行业智能数据分析助手解决方案指南。借助大语言模型强大的自然语言处理能力，非技术人员也可以通过自然语言对零售环节采购、销售等数据进行查询和分析，无需掌握 SQL 等专业技能，帮助业务人员获取数据洞察、提升决策效率。该指南基于 Amazon Bedrock、Amazon OpenSearch、Amazon DynamoDB 等服务构建。
在零售电商和旅游行业的数据分析与商业智能的场景中，分析人员经常需要编写多轮、复杂的查询语句以获得业务洞察。亚马逊云科技面对该场景构建零售行业智能数据分析助手解决方案指南。借助大语言模型强大的自然语言处理能力，非技术人员也可以通过自然语言对零售环节采购、销售等数据进行查询和分析，无需掌握 SQL 等专业技能，帮助业务人员获取数据洞察、提升决策效率。该指南基于 Amazon Bedrock、Amazon OpenSearch、Amazon DynamoDB 等服务构建。
优势
优势
业务人员自助分析
非技术人员可以独立地对多维度和多指标的复杂业务数据进行复杂的数据分析，而无需数据分析师或 BI 团队的帮助。
满足临时需求
技术人员例如数据分析师或 BI 团队可以满足数据分析的临时需求，并及时响应不同业务角度的临时需求。
成本优化
使用 LLM 自动化处理重复性数据分析工作，减少工作时间和最小化人工成本来优化和节省数据分析和数据运营团队的成本。
架构图及说明
ECS 将请求路由到 Amazon Lambda 函数，该函数连接到不同的后端服务。
查询被发送到 Amazon OpenSearch，根据嵌入式的现有历史记录检索前 k 个结果。
Amazon Lambda 将查询、提示和检索到的历史问答（少数样本）组合成一个提示，以调用 LLM 聊天模型。
查询被发送到嵌入模型以生成用于检索的嵌入。OpenSearch 使用 KNN 检索前 k 个问答对作为生成的示例。
Amazon Lambda 从数据库中提取 DDL 信息（包括列描述和表描述），然后组合成提示。
生成的 SQL 语句在数据源上运行并提供数据结果
历史数据和提供的示例数据定期填充到 OpenSearch 中
数据库管理员定期将问答示例提供到 Amazon DynamoDB 中
架构图及说明
用户通过前端服务 (Streamlit) 在 Amazon ECS 上触发搜索请求
ECS 将请求路由到 Amazon Lambda 函数，该函数连接到不同的后端服务。
查询被发送到 Amazon OpenSearch，根据嵌入式的现有历史记录检索前 k 个结果。
Amazon Lambda 将查询、提示和检索到的历史问答（少数样本）组合成一个提示，以调用 LLM 聊天模型。
查询被发送到嵌入模型以生成用于检索的嵌入。OpenSearch 使用 KNN 检索前 k 个问答对作为生成的示例。
Amazon Lambda 从数据库中提取 DDL 信息（包括列描述和表描述），然后组合成提示。
生成的 SQL 语句在数据源上运行并提供数据结果
历史数据和提供的示例数据定期填充到 OpenSearch 中
数据库管理员定期将问答示例提供到 Amazon DynamoDB 中
