Bài toán

Dữ liệu kinh doanh bất động sản thường nằm ở nhiều bảng như giao dịch bán hàng, dự án, khách hàng tiềm năng, tài chính và KPI. Việc tổng hợp, truy vấn và trực quan hóa dữ liệu thường phụ thuộc vào nhân sự có kiến thức SQL hoặc công cụ BI chuyên sâu.

PropTech Analytics AI hướng tới giảm rào cản này bằng cách cho phép người dùng đặt câu hỏi bằng tiếng Việt và nhận lại biểu đồ, chỉ số hoặc dashboard phù hợp với ngữ cảnh dữ liệu.

Giải pháp

Hệ thống cung cấp các chức năng chính:

• Kết nối và khám phá dữ liệu từ nguồn Local hoặc Google Cloud/BigQuery.
• Hiển thị Semantic Layer để người dùng xem bảng, trường dữ liệu và quan hệ JOIN.
• Chuyển yêu cầu ngôn ngữ tự nhiên thành truy vấn semantic thông qua Cube.
• Tự chọn dạng trực quan hóa phù hợp như KPI, cột, đường, tròn, bảng, vùng, scatter, funnel, heatmap và treemap.
• Sinh dashboard từng biểu đồ; người dùng có thể tiếp tục trò chuyện để bổ sung biểu đồ vào dashboard hiện có.
• Hỗ trợ xem trước, duyệt/lưu dashboard và quản lý dashboard trong kho.
• Hỗ trợ phân quyền, phạm vi dữ liệu và nhật ký thao tác.

Kiến trúc kỹ thuật

• Frontend: Next.js, React, TypeScript, Tailwind CSS và Recharts.
• Backend: FastAPI, LangGraph và SQLAlchemy.
• Semantic query layer: Cube.dev.
• AI/LLM: cấu hình linh hoạt theo API key và model đang sử dụng.
• Data warehouse: Local dataset hoặc Google Cloud/BigQuery.
• Metadata retrieval: semantic catalog và vector retrieval khi được cấu hình.

Luồng hoạt động

1. Người dùng chọn nguồn dữ liệu hoặc tải dữ liệu lên hệ thống.
2. Hệ thống phân tích schema, nhận diện dimension, time dimension và measure cơ bản.
3. Người dùng nhập câu hỏi, ví dụ: “Vẽ doanh thu theo tháng và khu vực”.
4. Agent phân loại ý định, chọn metric/dimension, tạo Cube query và thực thi truy vấn.
5. Thành phần chọn biểu đồ xác định loại chart phù hợp với yêu cầu và cấu trúc dữ liệu.
6. Frontend hiển thị biểu đồ; người dùng có thể lưu hoặc tiếp tục yêu cầu thêm biểu đồ vào dashboard.

Tính khả thi và hướng phát triển

Sản phẩm đã có luồng từ dữ liệu đến dashboard, bao gồm Semantic Layer, truy vấn Cube, chat AI, sinh biểu đồ và quản lý dashboard.

Trong các giai đoạn tiếp theo, nhóm hướng tới:

• Hoàn thiện cross-filter giữa các biểu đồ như Power BI.
• Cải thiện chất lượng chọn biểu đồ theo ngữ cảnh nghiệp vụ.
• Mở rộng kết nối dữ liệu và cơ chế tự sinh semantic model.
• Bổ sung đánh giá chất lượng truy vấn, quan sát hệ thống và kiểm thử end-to-end.