自然语言查询可使未经数据科学培训的普通业务用户分析数据，但该技术在发展成为真正的变革工具前仍有很长的路要走。

自然语言查询（NLQ）是指简单地通过普通语言（口头或者输入）而不是代码提问题来查询数据的能力。理想情况下，自然语言查询将使业务用户无需编码即可进行深度分析。

但是，这种理想还没有照进现实。

目前的情况是，自然语言查询允许在福特经销店工作的人问：“2019年售出了多少蓝色野马？”以及，“2019年售出了多少红色野马？”然后比较两者。

服装店的人员可以问：“11月冬季大衣的销量预测如何？”

但是，自然语言查询还无法汇总数据仓库中的非结构化数据，并且还不够先进，无法进行复杂的查询和分析。

IT分析和研究公司Enterprise Strategy Group（ESG）的高级分析师Mike Leone说：“多年来，我们已经有语音搜索，但功能有限。我们刚刚开始可以有效地使用自然语言处理来查询数据，但我们还无法利用自然语言查询进行复杂查询，这些查询通常需要大量后端工作和数据科学团队参与。”

数据库和分析咨询公司DBInsight的创始人兼首席执行官Tony Baer表示，自然语言查询还没有发展到–允许没有数据科学家参与的情况下进行深度分析。

他说：“你不能进入给定的工具或数据库，提出任何随机问题。它仍然必须链接某种结构。我们还没有发展到，像与人类交谈那样，大脑可以自行进行处理。我们目前所处的位置是，为数据和语法提供了某种结构，这是一种以特定方式构造查询的替代方法。”

NLQ优势

在最基本的水平上，商业智能可以改善决策过程。而且，企业中可进行数据驱动型分析的人越多，决策过程就越有高效，不仅针对企业的高层，而且面向整个员工队伍。

同时，自然语言查询不需要大量的专业知识。它不会强迫用户编写大量的代码来为相对简单的分析问题提供答案，它使业务用户无需请求数据科学团队的帮助-至少对于基本查询而言。它使企业内更多用户可以进行分析。

Constellation Research首席分析师Doug Henschen说：“好的NLQ可以帮助BI高级用户和未经培训的业务用户更快地获得见解，但最需要帮助和最大收益的是业务用户。这些用户不知道如何编码SQL，很多用户甚至都不熟悉查询结构，例如“显示X”和“按Y时间段”，以及何时需要使用饼图、条形图或折线图。

IT咨询公司Impact Analytix的创始人兼首席顾问Jen Underwood表示：“想想那些想要运行报告但无法这样做的人，自然语言查询很简单，让这些人可以自行进行搜索，而带来价值。”

从本质上讲，自然语言查询和其他低代码/无代码工具有助于提高数据素养，而提高数据素养对很多企业而言是重大推动。

但目前而言，该技术有其局限性。

Leone说：“在企业中扩展这种功能，可使员工以他们感到舒适的方式与数据进行交互。但是不要指望仅仅因为有人可以使用Alexa来查看有多少人在星期二买了袜子而带来数据革命。”

局限性

全面自然语言查询的最大障碍也许就是语言本身的性质。

全球共有超过5,000种语言，估计200至400个字母表，单个语言就很复杂。有些单词的拼写相同但含义不同，其他单词的拼写不同但听起来相同，还有些彼此之间没有视觉或听觉关系的单词竟是同义词。

在商业世界中，经常有一些术语可能对不同企业有着不同的含义。

自然语言查询工具实际上无法理解口头或书面单词。他们了解特定的代码，并被编程为将口头或书面查询转换为SQL，然后将来自SQL的响应转换回口头或书面词语。

Underwood说：“自然语言查询在同义词和特定领域术语等方面存在缺陷-缺少背景信息。你仍然需要人工来处理同义词和术语，因为不同的公司对不同的单词具有不同的含义。”

另外，当进行自然语言查询时，口音也可能会带来问题。而且，无论是口语还是书面，该工具的最轻微的误解都可能导致无用的响应，甚至更糟糕的是，某些不正确的响应。

ESG的Leone说：“在查询方面，准确性至关重要。只要对语音请求的轻微误解，都会导致产生错误的结果。”

他说，在接下来的几年中，人们将依靠自然语言查询来快速在其设备上提出基本问题，但仅此而已。

Leone说：“不要指望NLQ取代数据科学团队。只不过，NLQ将成为快速返回结果的方式，然后可以将其用作进行更复杂的查询和专家分析的起点。”

虽然现在由于语言的限制而受阻，但该技术并不会举步不前。这些工具将变得更加先进，并在机器学习的帮助下，逐渐了解用户的模式以更好地理解他们的要求。

DBInsight的Baer说：“阻碍我们前进的主要是缺乏经验。它还处于早期阶段。现在的自然语言查询比两年前有了很大的进步，但是仍然有很多改进要做。我认为改进将是渐进的；机器学习将有所帮助。”

顶级NLQ工具

尽管功能有限，但是在询问结构化数据的基本问题时，自然语言查询工具确实可为企业用户节省大量时间。而且某些供应商的自然语言查询工具要比其他供应商更好。

在2007年收购Hyperion之后，顶级的BI供应商之一甲骨文一度失去动力，因为数据可视化改变了分析方式。而现在，增强智能和机器学习已成为BI的核心原则，甲骨文再次提高BI平台的技术功能。Oracle Analytics Cloud和Day by Day支持基于语音的查询，其自然语言查询支持28种语言，Henschen表示这是目前可用的最广泛的语言支持。

Henschen说：“甲骨文在几年前发布了Day by Day应用程序时，就提高了自然语言查询的门槛，该应用程序使用设备本地语音-文本，并引入了明确的点赞/差评训练。”

Henschen指出的另一家供应商是Qlik，它通过2019年1月对Crunch Data的收购提高了其平台的自然语言功能。

Henschen说：“关键资产是CrunchBot，自收购后更名为Qlik Insight Bot。”

他补充说，Qlik Insight Bot是一种机器人构建功能，可与现有Qlik应用程序一起使用，并且该机器人随后可以嵌入到第三方应用程序中，包括Salesforce、Slack、Skype和Microsoft Teams。

Henschen说：“它使NLQ超越Qlik Sense的范围，并与BI系统进行交互。”

Tableau是另一家尝试使用自然语言处理工具简化分析过程的供应商。他们于2019年2月推出了Ask Data，Tableau在2019年9月更新中添加了将Ask Data嵌入其他应用程序的功能。

Underwood说：“当我考虑设计一个系统，并将其更进一步时，Tableau就已经在做一些事情。它记得是否有人进行过类似的查询，并提供指导。它具有信息并且知道人们在问什么，并且可以提出建议。”

Baer同样提到Tableau的Ask Data，而Leone表示，自然语言查询的最终流行将由Amazon Web Services、谷歌和微软推动。