概览
概览
在医药行业的数据分析与商业智能场景中，药企的商业化部门负责人等非技术人员经常需要编写复杂的 SQL 查询语句才能获取所需的数据洞察，给工作效率带来了挑战。为解决这一痛点，亚马逊云科技构建了医药行业智能数据分析助手解决方案指南。该指南借助大语言模型的自然语言处理能力，使非技术人员可以通过自然语言对药品 / 器械采购、销售等数据进行查询和分析，无需掌握 SQL 等专业技能。同时，该方案会自动生成 SQL 查询语句，检索历史问答提升提示质量，最终与 BI 报告系统相结合生成分析报表，帮助用户高效获取数据洞察，提升决策效率。该指南基于 Amazon Bedrock、Amazon OpenSearch、Amazon DynamoDB 等服务构建。
在医药行业的数据分析与商业智能场景中，药企的商业化部门负责人等非技术人员经常需要编写复杂的 SQL 查询语句才能获取所需的数据洞察，给工作效率带来了挑战。为解决这一痛点，亚马逊云科技构建了医药行业智能数据分析助手解决方案指南。该指南借助大语言模型的自然语言处理能力，使非技术人员可以通过自然语言对药品 / 器械采购、销售等数据进行查询和分析，无需掌握 SQL 等专业技能。同时，该方案会自动生成 SQL 查询语句，检索历史问答提升提示质量，最终与 BI 报告系统相结合生成分析报表，帮助用户高效获取数据洞察，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
整合内外部数据，支持人机交互
- 非技术人员可以通过对话的方式，借助大语言模型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。
- 例如可提问：对比 2021 年，A 药品在某地区市场 2022 年销售情况、竞品销售情况，市场占有率。
快速生成智能报表
- 方案可与企业既有 BI 报告系统集成，快速生成数据分析报表。
- 例如可提问：生成 B 药品在 2022 年 6-12 月内的市场推广活动情况，包括活动次数， 参加人数，以及对应的药品每月销售信息的柱状图。
集成 RAG 检索增强技术，支持个性化查询
- 方案支持接入药企内部知识库，打通销售数据与内部知识库，通过 RAG 技术实现个性化查询，为业务分析提供更多洞察。
- 例如可提问：2023 年一季度，A 药销售代表拜访所用的学术材料是什么，并提供原始材料。
架构图及说明
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。
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。
