首页 > 传媒 > 关键词  > 瓴羊Quick最新资讯  > 正文

瓴羊Quick BI V5.1版本升级,告别繁杂操作,拥抱智能体验

2024-05-08 13:54 · 稿源: 站长之家用户

伴随着5月的开启,瓴羊Quick BI也迎来了V5.1全新版本

本次更新的重磅要点:智能问数数据源&数据集能力拓展、可视化效果的优化、开放平台优化、协同办公体验优化。

这一次,瓴羊Quick BI依然从“好用、开放、智能”三个核心出发,致力于为用户带来更便利的使用体验,告别繁杂工作流程,拥抱智能化。

即问即答,更智能

随着AIGC的不断发展,许多行业陆续定制了专属AI助理,“智能小Q”就是瓴羊Quick BI为广大用户打造的专属AI助理工具,目前已支持PC端、手机端及PAD端。

为了帮助用户快速了解数据情况,智能小Q现已支持【智能问数】功能,用户只需创建好数据集,并对智能小Q进行问数配置,就可以在智能问数的对话页面中,通过输入问题提问或快捷提问等方式,直接向智能小Q问询数据情况。

(智能问数页面)

由于智能小Q具有出色的上下文理解能力,可支持多轮对话,所以用户可以针对智能小Q分析的数据细节进行追问。

查看数据的同时,也可以对切换图表显示样式,支持全屏查看,并能够对数据分析内容进行分享和导出。如果对分析的数据存疑,还可以点击查看AI取数过程,检验智能小Q分析的数据是否符合用户的需求。

(智能问数-数据分析页面)

能力升级,更好用

瓴羊Quick BI本次更新针对财务团队、市场团队和组织管理人员的使用体验进行了全方面的优化,旨在让每个岗位能够释放出更强的能力。

为了让财务团队的用户可以更灵活地按时间周期对数据进行管理,目前瓴羊Quick BI已经推出了【自定义配置业务财年】功能,用户在数据集中设定特定的业务财年周期(例如非自然年的财务年度),这样所有基于该数据集生成的报表、日期筛选以及同环比计算等,都将遵循用户设定的财年规则来展示和计算数据。

(财年周期设置)

为了让市场团队的用户可以实时获取最 新的数据,瓴羊Quick BI针对实时性要求高且数据量较小的情况,提供了API数据源直连查询功能,无需等待数据同步,大大提升了数据的时效性。

(设置API连接方式)

为了让组织管理员等相关人员能够一键了解组织内存在的一些潜在风险及待优化事项,瓴羊Quick BI已在【智能运维】板块上线了【健康巡检】功能,让管理人员通过一站式的白屏化运维工具,及时发现系统潜在风险,提高数据和系统的稳定性,保障业务连续性。

(健康巡检功能)

与此同时,组织管理员可以在资源分析和用户分析中下载操作类型对照表了,便于深入分析和理解各项操作的具体情况,便于及时对内部团队进行管理。

(下载操作类型对照表)

一个企业通常由多元化的部门构成,而各部门间的有效协作将成为推动业务稳健前行的关键。为了加强部门之间的协同办公体验,为企业工作效率赋能,瓴羊Quick BI的推送渠道目前新增了推送配置,钉钉和企业微信都支持设置自定义链接的打开方式,用户可以选择工作台、侧边栏、跳转浏览器或弹窗。

(推送配置)

由于企业微信的技术做了一些变更,所以使用部分功能前需要企业进行登录操作,瓴羊Quick BI已经为受影响模块开设了登录入口,有效提升操作效率。

(登录入口)

无论置身于任何部门或项目,用户普遍对于数据都十分重视,数据不仅是决策的基石,更是洞悉市场动态、优化运营策略、驱动创新发展的关键要素。为了让用户能够更准确、及时地了解到自己想要的数据,瓴羊Quick BI对查询控件相关能力进行了加强,目前日期查询控件支持与其他下拉列表类控件联动,用户可以轻松设置多个日期之间的级联关系;将数据卡片收藏至卡片看板时,也可以带入该卡片所在仪表板、Tab页以及卡片自身的查询条件,还可以在看板中直接对这些查询条件进行修改,便于集中管理和分析关键指标。

(查询控件新增级联配置)

功能加强之余,瓴羊Quick BI对于可视化效果也做了优化,让系统页面更美观。仪表板图标目前已经做了更新,而且交叉表的数据条展示逻辑也做了优化,正负值线条长度会以相同标准进行计算。用户在电子表格中隐藏网格线的设置也能够被保存下来了。

(电子表格隐藏网格线)

可拓展,更开放

为了给用户提供更强大、灵活且安全的API管理与集成能力,助力企业构建开放、互联的数字化生态。瓴羊Quick BI在本次更新中新增了开放平台场景解决方案,包括多租户数据安全隔离、企业资源集中化管控、自定义企业审批流、轻量化的增强嵌入、企业统一登录门户和报表密级管控等6个场景方案。

(开放平台-解决方案)

通过访问控制功能的强化,现在用户可以更精细地授予指定用户调用API的权限,确保数据和功能的安全访问与合规使用,有效防范潜在风险。

(授权指定用户调用API)

为了避免线下反复部署带来的效率问题,瓴羊Quick BI对自定义组件添加与管理流程进行了全面优化,引入了在线调试的demo组件功能;同时,自定义菜单功能的入口与注册流程也得到了简化,使得用户在构建个性化应用界面时更加得心应手。

同时,瓴羊Quick BI对报表嵌入统计与API调用统计页面也进行了拆分,并对展示与交互细节进行了细致优化。用户现在可以更清晰地查看各自独立的统计信息,享受更为流畅的操作过程,从而更好地监控API调用情况,及时调整策略,确保系统的有效稳定运行。

(报表嵌入统计页面)

更多相关内容,欢迎登录瓴羊Quick BI进行体验,在数字智能化道路上行稳致远。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • Nemotron-4-340B-Reward:多维奖励模型,助力构建自定义大型语言模型。

    Nemotron-4-340B-Reward是由NVIDIA开发的多维奖励模型,用于合成数据生成管道,帮助研究人员和开发者构建自己的大型语言模型(LLMs)。该模型由Nemotron-4-340B-Base模型和一个线性层组成,能够将响应末尾的标记转换为五个标量值,对应于HelpSteer2属性。它支持最多4096个标记的上下文长度,并能够对每个助手轮次的五个属性进行评分。

  • Nemotron-4-340B-Instruct:NVIDIA的高级语言模型,优化于英文对话场景。

    Nemotron-4-340B-Instruct是由NVIDIA开发的大型语言模型(LLM),专为英文单轮和多轮对话场景优化。该模型支持4096个token的上下文长度,经过监督式微调(SFT)、直接偏好优化(DPO)和奖励感知偏好优化(RPO)等额外的对齐步骤。模型在约20K人工标注数据的基础上,通过合成数据生成管道合成了超过98%的用于监督微调和偏好微调的数据。这使得模型在人类对话偏好、数学推理、编码和指令遵循方面表现良好,并且能够为多种用例生成高质量的合成数据。

  • BookSlice:让阅读更有趣,用游戏化的方式增加阅读量。

    BookSlice是一款面向忙碌人群的游戏化阅读应用,通过心理学原理帮助用户建立阅读习惯,并通过设置每日挑战来维持阅读连续性。它利用实施意图、习惯叠加等心理工具,使阅读变得习惯性和上瘾。此外,BookSlice还提供AI问答功能,帮助用户在阅读过程中获得上下文答案。

  • agentUniverse:基于大型语言模型的多智能体应用开发框架

    agentUniverse 是一个基于大型语言模型的多智能体应用开发框架,提供了构建单一智能体和多智能体协作机制的所有必需组件。通过模式工厂,允许开发者构建和自定义多智能体协作模式,轻松构建多智能体应用,并分享不同技术与业务领域的模式实践。

  • HunyuanDiT Distillation Acceleration:高性能图像生成模型的蒸馏加速版本

    HunyuanDiT Distillation Acceleration 是腾讯 Hunyuan 团队基于 HunyuanDiT 模型开发的蒸馏加速版本。通过渐进式蒸馏方法,在不降低性能的情况下,实现了推理速度的两倍提升。该模型支持多种GPU和推理模式,能够显著减少时间消耗,提高图像生成效率。

  • WonderWorld:从单张图片生成交互式3D场景

    WonderWorld是一个创新的3D场景扩展框架,允许用户基于单张输入图片和用户指定的文本探索和塑造虚拟环境。它通过快速高斯体素和引导扩散的深度估计方法,显著减少了计算时间,生成几何一致的扩展,使3D场景的生成时间少于10秒,支持实时用户交互和探索。这为虚拟现实、游戏和创意设计等领域提供了快速生成和导航沉浸式虚拟世界的可能性。

  • ChatTTS_Speaker:基于ERes2NetV2模型的音色稳定性评分与音色打标。

    ChatTTS_Speaker是一个基于ERes2NetV2说话人识别模型的实验性项目,旨在对音色进行稳定性评分和音色打标,帮助用户选择稳定且符合需求的音色。项目已开源,支持在线试听和下载音色样本。

  • fastc:轻量级文本分类工具,使用大型语言模型嵌入。

    fastc是一个基于大型语言模型嵌入的简单且轻量级的文本分类工具。它专注于CPU执行,使用高效的模型如deepset/tinyroberta-6l-768d生成嵌入。通过余弦相似度分类代替微调,实现文本分类。它还可以在不增加额外开销的情况下,使用相同的模型运行多个分类器。

  • MeshAnything:3D资产的自动生成工具

    MeshAnything是一个利用自回归变换器进行艺术家级网格生成的模型,它可以将任何3D表示形式的资产转换为艺术家创建的网格(AMs),这些网格可以无缝应用于3D行业。它通过较少的面数生成网格,显著提高了存储、渲染和模拟效率,同时实现了与先前方法相当的精度。

  • HunyuanDiT-v1.1:多分辨率扩散变换器,支持中英文理解

    HunyuanDiT-v1.1是由腾讯Hunyuan团队开发的一款多分辨率扩散变换模型,它具备精细的中英文理解能力。该模型通过精心设计的变换器结构、文本编码器和位置编码,结合从头开始构建的完整数据管道,实现数据的迭代优化。HunyuanDiT-v1.1能够执行多轮多模态对话,根据上下文生成和细化图像。经过50多名专业人类评估员的全面评估,HunyuanDiT-v1.1在中文到图像生成方面与其他开源模型相比,达到了新的最先进水平。

  • UniAnimate:高效生成一致性人物视频动画的模型

    UniAnimate是一个用于人物图像动画的统一视频扩散模型框架。它通过将参考图像、姿势指导和噪声视频映射到一个共同的特征空间,以减少优化难度并确保时间上的连贯性。UniAnimate能够处理长序列,支持随机噪声输入和首帧条件输入,显著提高了生成长期视频的能力。此外,它还探索了基于状态空间模型的替代时间建模架构,以替代原始的计算密集型时间Transformer。UniAnimate在定量和定性评估中都取得了优于现有最先进技术的合成结果,并且能够通过迭代使用首帧条件策略生成高度一致的一分钟视频。

  • LVBench:长视频理解基准测试

    LVBench是一个专门设计用于长视频理解的基准测试,旨在推动多模态大型语言模型在理解数小时长视频方面的能力,这对于长期决策制定、深入电影评论和讨论、现场体育解说等实际应用至关重要。

  • Mo:通过卡片式学习,轻松掌握AI科技知识。

    Mo是一款结合超现实主义艺术和堂吉诃德理想主义精神的AI科技学习APP。它通过卡片形式,以图文、动画、视频、语音等多样化内容,使AI和科技知识的学习变得生动有趣。Mo不仅覆盖了AI的基础知识,还包含了元宇宙、大数据、大模型等前沿技术,适合各种背景的学习者,旨在打造一个个性化的学习体验。

  • 开搜AI搜索:面向大众的AI问答搜索引擎

    开搜AI问答搜索引擎是一款面向大众的、直达答案的AI问答搜索引擎,它能够帮助用户从海量的文献资料中筛选出有用的信息,提供直接、精准的答案,并且能够自动总结重点、生成大纲、思维导图并下载。

  • AI Math Notes:一个交互式绘图应用,用于数学方程的绘制和计算。

    AI Math Notes 是一个开源的交互式绘图应用程序,允许用户在画布上绘制数学方程。应用程序利用多模态大型语言模型(LLM)计算并显示结果。该应用程序使用Python开发,利用Tkinter库创建图形用户界面,使用PIL进行图像处理。灵感来源于Apple在2024年全球开发者大会(WWDC)上展示的'Math Notes'。

  • VideoTetris:文本到视频生成的创新框架

    VideoTetris是一个新颖的框架,它实现了文本到视频的生成,特别适用于处理包含多个对象或对象数量动态变化的复杂视频生成场景。该框架通过空间时间组合扩散技术,精确地遵循复杂的文本语义,并通过操作和组合去噪网络的空间和时间注意力图来实现。此外,它还引入了一种新的参考帧注意力机制,以提高自回归视频生成的一致性。VideoTetris在组合文本到视频生成方面取得了令人印象深刻的定性和定量结果。

  • Visual Sketchpad:多模态语言模型的视觉推理工具

    Visual Sketchpad 是一种为多模态大型语言模型(LLMs)提供视觉草图板和绘图工具的框架。它允许模型在进行规划和推理时,根据自己绘制的视觉工件进行操作。与以往使用文本作为推理步骤的方法不同,Visual Sketchpad 使模型能够使用线条、框、标记等更接近人类绘图方式的元素进行绘图,从而更好地促进推理。此外,它还可以在绘图过程中使用专家视觉模型,例如使用目标检测模型绘制边界框,或使用分割模型绘制掩码,以进一步提高视觉感知和推理能力。

  • GoMate:基于RAG框架的可靠输入和可信输出系统

    GoMate是一个基于Retrieval-Augmented Generation (RAG)框架的模型,专注于提供可靠输入和可信输出。它通过结合检索和生成技术,提高信息检索和文本生成的准确性和可靠性。GoMate适用于需要高效、准确信息处理的领域,如自然语言处理、知识问答等。

  • SD3-Controlnet-Canny:一种用于生成图像的深度学习模型。

    SD3-Controlnet-Canny 是一种基于深度学习的图像生成模型,它能够根据用户提供的文本提示生成具有特定风格的图像。该模型利用控制网络技术,可以更精确地控制生成图像的细节和风格,从而提高图像生成的质量和多样性。

  • Tencent EMMA:多模态文本到图像生成模型

    EMMA是一个基于最前沿的文本到图像扩散模型ELLA构建的新型图像生成模型,能够接受多模态提示,通过创新的多模态特征连接器设计,有效整合文本和补充模态信息。该模型通过冻结原始T2I扩散模型的所有参数,并仅调整一些额外层,揭示了预训练的T2I扩散模型可以秘密接受多模态提示的有趣特性。EMMA易于适应不同的现有框架,是生成个性化和上下文感知图像甚至视频的灵活有效工具。

今日大家都在搜的词:

热文

  • 3 天
  • 7天