在设计 DBD 时，我们添加组件可能需要频繁地点击来完成创建组件、添加数据集、添加参数、组件基础设置等。润乾推出 DBD 版的 Copilot，支持汉语指令助力完成这些动作，用语句完成一些操作流程，提高了设计的便利性。下面就来借助此功能制作一个 Dashboard。任务描述：1，KPI 层：展示关键数据，一眼定位目标完成情况。2，问题分析层：布局动线串联对比和分析。查询联动。3，预警与机会：产品、

AI 时代，软件开发相关工作正被全面重塑——从理解意图、自动生成代码，到补全逻辑、辅助调试错误、自动编写测试用例，AI 已深度融入开发的每一个环节，推动整个领域经历前所未有的生产力重构然而，在这场重构的浪潮中，报表开发，这一同样属于技术人员的开发环节，却像一个被遗忘的孤岛，迟迟未能迎来自己的智能时刻。

从 GUI 到 LUI，报表工具 Copilot 的问世对于个人而言：是一场人机交互方式的深度进化——它把我们从繁琐的菜单点击和公式记忆中解放出来，让做报表真正变得简单对于企业而言：是一次技术路线与成本结构的双重革新：谁能率先拥抱 LUI、率先用上 Copilot，谁就能先一步拥有 AI 制表的能力，在技术赛道上抢占先机；同时，它还能省下大量的软件采购成本和人力投入，当别人还在用旧工具堆人力的时候

当“降本增效”从可选题变为必选题，润乾报表以“三万买断”为起点，发起的不仅是一场定价颠覆，更是一套完整的成本与效率解决方案，它精准地解剖了传统报表体系的两大“出血点”——失控的采购成本与隐形的人力消耗，并提供了系统性的“止血”与“造血”方案在采购成本上，实现“可控性。

当整个软件开发领域都在热议 AI 编程助手带来的效率革命，感慨 Copilot 真香时，报表开发这一细分领域却始终没有自己的 Copilot。

夜里十一点，办公区只剩下报表团队的灯还亮着，屏幕上排满了各种复杂表格与冗长 SQL 语句，报表工程师们仍紧锁眉头，埋头制作着一个个报表而仅一墙之隔的开发团队区域，早已人去灯熄，曾经常年加班、被称为“公司守夜人”的他们，自从用上 AI 编程助手后，不仅效率翻倍，下班时间也变得越来越早只有报表团队的键盘声，在寂静的夜里显得格外清晰“如果报表开发也有 AI 助手就好了，”这个念头不止一次出现在报表工程师

数据挖掘通常需要结构化数据才能建模，而不是近些年来热闹的非结构化数据，预测建模仍然是结构化数据上的运算！所谓结构化数据，是指表现为二维形式的数据，一般特点是：数据以行（也称样本）为单位，一行数据表示一个实体的信息，每一行数据的属性（也称字段或列）是相同的。结构化数据可以来自于数据库，也可以来自于文本文件或 Excel。例如预测 titanic 幸存者数据见下图，就是一个结构化数据，数据的每一行表示

例题描述和简单分析有 Excel 文件 matrix.xlsx，数据如下所示：现在要计算每列中各个数值出现的次数，结果如下：解法及简要说明在集算器中编写脚本 p1.dfx，如下所示：AB1=file("matrix.xlsx").xlsimport()=to(46656)2=A1.fno().(A1.field(~).group@n(~).(~.count(~)))=B1.(~|A1.fno().

当“降本增效”从可选题变为必选题，润乾报表以“三万买断”为起点，发起的不仅是一场定价颠覆，更是一套完整的成本与效率解决方案，它精准地解剖了传统报表体系的两大“出血点”——失控的采购成本与隐形的人力消耗，并提供了系统性的“止血”与“造血”方案在采购成本上，实现“可控性。

AI 时代，到处都在说“智能问数”，用大白话直接问，数据就给你整得明明白白。理想很美好，可真要一探究竟，大家心里就打了鼓：这玩意儿是不是得养个 AI 科学家团队？是不是得买几十上百万的 GPU 服务器？查出来的数要是不准，谁敢拿来做决策？别急，润乾 ChatBI 带来了一条不同的路——一条让中小企业、普通开发团队都能轻松上车、用得安心、花得明白的路。不依赖“黑盒”大模型去猜，而是用一套清晰的“规则