自然语言分析NLA数据分析软件，最终实现用自然语言对信息系统中的数据进行查询、分析等操作。简言之，NLA数据分析和洞察。
Gartner人工智能创业公司代表厂商”的Smartbi正是看到了这些趋势，自主研发了增强分析 NLA，期望通过引入自然语言查询、知识图谱、推荐算法和机器问答等人工智能技术，使得NLA可以理解用户的数据分析需求，并帮助其快速完成分析任务，获得数据洞见。
三、NLA原理解析
下面我们将通过NLA原理图让大家更清晰地了解产品，自然语言查询引擎是如何实现让系统通过自然语言理解用户的分析意图，然后给出准确的查询分析结果。

01 完成数据建模
数据模型是查询结果提供数据的基础，也是知识图谱内容关系提取的来源之一。因此，我们在使用NLA功能之前，必须要完成数据模型的构建。此外，若把数据建模和指标管理结合起来，相得益彰，形成闭环，则会进一步提高查询的准确度。

02 构建知识图谱
知识图谱是一个知识库，用于对查询的内容进行关联分析和推理，从而让机器了解用户的意图。知识图谱的来源有两种，一是业务补充行业领域的知识，二是从数据模型中提取关系。
03 用户输入
用户支持以自然语言的方式输入问句，比如“去年广州卖的最好的车型和销量”。此外还支持推荐问句，将一些最热门、最常用的问句推荐给用户。

04 语义解析
通过语义解决引擎，把用户输入问句进行解构、要素解析，转义成类SQL的查询定义。
05 执行查询
调用查询接口，由查询引擎根据获取的查询定义执行查询、返回展示结果等操作。
06 图表显示
把查询引擎返回的结果以图表的方式展示。
07 结果反馈机制
产品还支持结果反馈，用户可以反馈查询结果正确与否并留下宝贵的意见，以便产品持续迭代优化，提高查询准确率。

四、为什么选择NLA
NLA是时下前沿的数据分析技术，以“帮助企业快速洞察、降本增效，辅助决策”为目标，受到各种用户的青睐：
帮助决策领导者，快速洞察决策
对于决策领导者来说，结合当前最新技术，简化数据分析和查看数据的过程，实现灵活便捷数据分析，既节省报表开发的成本，又提高了分析的效率，还能快速辅助支撑决策。
降低使用门槛，加大使用范围和频度
对于业务人员来说，以业务的思维和术语通过自然语言输入问句，即可自动把数据查询出来，还能根据多轮对话探索发生的原因，实现“想什么、问什么”“问什么、显什么”的效果，让用户免去学习操作的过程，真正实现分析零门槛，提高了分析效率！
降低建模成本，保证配置易用性和查询准确性
对于前端配置者来说，无论是知识图谱的构建、数据模型的生成等都充分考虑了操作的易用性，通过可视化的界面、简单的操作即可实现。
对于技术人员来说，NLA通过知识图谱关联业务知识和数据模型，又把数据模型和指标管理结合起来。指标管理通过业务参与构建指标体系的方式，不仅降低IT人员数据建模的成本，还能结合反馈机制形成闭环，大大提高查询的准确度。
五、NLA的应用情况
NLA相关功能一经推出便广受客户欢迎，目前已经应用于多个项目。
某大型保险集团领导常年采用报表来进行业务监控，但是报表分析灵活性不高，报表复用难，实施周期长，找出含有对应指标的报表也很困难。以前高管平均一天的时间只能看报表3.6次，采用NLA的对话式分析以后，简化数据分析和查看数据的过程，现在提升到平均一天6.2次，使用频率和效率提升一倍。领导层通过对话式分析实现灵活便捷数据分析，辅助支撑领导决策，实现与时俱进。
某制造企业业务人员在采用其他厂商数据分析工具的时候，发现该工具无法提供业务人员的分析思路，而且其学习门槛高，使用困难。采用NLA的对话式分析以后，通过自然语言就能进行可视化分析，大大降低了业务人员数据分析的难度，提高使用的频率和效率。以前大概20%的业务人员会使用拖拉拽的方式进行探索性分析，完成一轮分析至少要10分钟；现在90%以上的业务人员都使用对话式分析，推荐的问句和热门问句让业务人员可以找到分析的方向，这样的分析只需要2-3分钟即可完成一轮，使用范围和效率提升了5倍以上。