“易问易视”——让数据分析像聊天一样简单

一、项目简介

“易问易视”通过自然语言理解和大语言模型技术，将用户的中文查询自动转化为数据处理指令，实现无代码的数据检索与图表生成。你只要在大屏上输入一句话，比如“2024年每月有多少人出境”，它就能自动看懂你要查的时间、指标、维度，然后在后台用Pandas和NumPy把国家统计局或行业CSV里的数据清洗、筛选、聚合好，再用Matplotlib、Plotly画出柱状图、折线图、饼图甚至地图，最后在Streamlit界面上一秒钟呈现出来。

系统自动识别时间、指标、维度等要素，调用 Pandas 完成数据清洗、筛选与聚合，并智能选取柱状图、折线图、饼图等可视化形式，最终在 Streamlit 界面以大屏方式即时展示。

项目采用模块化架构，包含 NLU、数据处理、可视化生成和前端 UI 多个模块，既支持静态 CSV/Excel 数据源，也可扩展至数据库或 API 接入。

二、项目核心功能

1、自然语言理解（NLU）

系统接收用户的文本输入，通过自然语言处理技术（如意图识别、实体提取）解析用户查询意图，提取关键信息（如时间、指标、维度等）。

2、数据处理与分析

依据NLU结果，系统自动访问关联数据源（初期使用预设的结构化数据集，如公开的经济、社会统计数据等），并进行数据清洗、筛选、聚合等操作。

3、智能可视化生成

系统根据分析结果及用户查询类型，自动选择合适的图表形式（如柱状图、饼图、折线图、地图等）并生成图表。

4、展示结果

系统会在大屏展示区将图表、关键数据和文字解读一并呈现，用户无需额外操作，就能一目了然地看到。

三、技术路线

系统整体分为五大模块，每个模块各司其职，又紧密配合，共同实现“用户一句话→自动生成数据表格和图表”的体验。

四、效果演示 

1、条形图：

2、折线图：

 

3、饼状图：

 

五、潜在挑战与策略

1.自然语言理解（NLU）准确性

• 挑战：用户提问多样，语义歧义或复杂句式可能导致系统误解。
• 策略：
  • 初期限定提问模板（如“×年×省出境人口趋势”、“主要出境目的地占比”等），降低解析难度；
  • 选用高性能的预训练大模型（如中文T5、ERNIE等），并加入领域微调；
  • 建立用户反馈闭环：允许用户对“解析结果—可视化”进行打分与纠错，用于持续优化NLU模块。

2.数据源覆盖与时效性

挑战：无法实时获取所有用户可能问到的数据，难以满足用户的实时查询需求。

• 策略：
  • 在界面及文档中明确标注“数据截止时间”“数据范围”（如省级／市级）；
  • 优先接入公开、代表性强的历史统计数据进行演示；
  • 规划接入社交媒体、大交通运营等高频“信号源”作为未来扩展，提升时效性。

3.处理复杂多条件查询

• 挑战：用户可能提出多条件、比较类的复杂问题。
• 策略：
  • 从简单查询开始实现，逐步迭代支持更复杂的查询逻辑
  • 对复杂查询返回中间结果（如先展示筛选后的表格），并允许用户进一步细化。