湖仓数据：支持40+数据库对接，也支持自助式对接的云厂商/国产化等外部数据库
文件数据：支持远程数据湖文件如 ADLS Gen2,
支持本地和FTP文件
API 数据：Web Service灵活接入外部数据
业务数据：融合企业多样业务系统数据
OA 账户数据：OA与BI 账户数据无缝对接
填报数据：灵活填报格式和固定格式填报，支持不同数据收集和上报场景
其他：飞书表格，存储过程，卡片数据集、视图数据集、等更多数据源类型支持

总公司营业指标下来了，怎么把总公司和本地的分公司数据做融合分析？
IT 需求排到下个月，又不会写SQL。怎么办？

观远ChatBI是一款基于大语言模型（LLM）打造的智能数据问答产品，提供意图识别、知识召回、问题理解、数据查询、可视化生成等能力，帮助企业更敏捷地进行数据分析决策

信息化越来越完善，沉淀数据越来越多维度、指标指数级增长，复杂性提高
完全依赖分析师团队，无法满足快速洞悉、快速决策的组织敏捷性要求
人员流动，分析师团队建设进行中，缺乏科学、体系化的归因思路与方法，口径不统一，结论的可解释性不足
确定性解释之外，还需要探索可能性因素，才有机会发现冰山之下的问题

加速经营异常分析、定位
增强企业数据分析能力一提升智能化
保证分析结论一致性，准确性
透视冰山之下的问题

用户在PC上查看DRP Dashboard，系统自动触发结论报告，从维度层面给到归纳总结，如DRP整体Cost减少 （环比下降20%），但CPT增加（环比增加8%），核心原因在于Volume减少（环比下降25%），说明从维度层面，是整体销售量出现问题;此时，进一步发现，成都DC的CPT显著高于其他DC，于是可以定位从Volume来看，是成都DC产生了问题:想进一步看到底是什么对成都DC造成了影响；
用户点击AI智能问答，开始询问成都DC更详细的情况；
系统自动进行查询及分析，随即生成一段结论:从Volume角度，成都DC CPT较高，主要由于Deo品类整体CPT较高达1413，说明Deo整体销量减少的情况下，仍然在产生较高的物流费用，从承运Deo品类的线路数量看，只减少了4趟，这部分仍然对Deo品类CPT产生较大影响;从Value角度，虽然成都Cost在降低，但仍然可以发现，合肥DC1-成都DC线路Cost的大幅增长（上涨约66%），也影响了成都DC的CPT;接下来，系统自动给到行动建议，如优化Deo品类的运输计划，根据预测，若对比当前，运输次数减少6条，整体CPT将下降30%；最后，系统自动给出相关负责人，并给予本次分析数据及结论，生成相关订阅消息，并以邮件形式自动发送给相关人员；

用户通过自然语言描述任务需求，如：“我需要自动化地从供应商数据库中提取交货数据，并在交货延迟时自动发送预警邮件给采购部门。
系统解析描述，识别关键任务元素:“提取交货数据”、“交货延迟”和“发送预警邮件”。
系统设计数据结构，确保能够高效地从供应商数据库中提取所需数据。
系统编写自动化脚本，实现数据提取、延迟检测和邮件发送的自动化流程。
系统设置事件触发器，当检测到交货延迟时，自动执预警邮件发送任务。
系统通过API或消息队列与下游业务系统(如邮件系统或采购管理系统)集成，确保数据和通知的准确传递。