#AI Agent · Viz: คู่มือการตั้งค่าสำหรับสถานการณ์ CRM

เรียนรู้วิธีทำให้ AI นักวิเคราะห์ข้อมูลเชิงลึกของคุณเข้าใจธุรกิจอย่างแท้จริงและดึงศักยภาพออกมาใช้ได้อย่างเต็มที่ โดยใช้ตัวอย่าง CRM

#1. บทนำ: ทำให้ Viz "เห็นข้อมูล" สู่ "เข้าใจธุรกิจ"

ในระบบ NocoBase, Viz คือ AI นักวิเคราะห์ข้อมูลเชิงลึกที่ติดตั้งมาให้ล่วงหน้า เขาสามารถจดจำบริบทของหน้าเว็บ (เช่น Leads, Opportunities, Accounts) และสร้างแผนภูมิแนวโน้ม, แผนภูมิกรวย และการ์ด KPI ได้ แต่โดยค่าเริ่มต้น เขามีความสามารถในการสอบถามข้อมูลพื้นฐานที่สุดเท่านั้น:

เครื่องมือเหล่านี้ทำให้ Viz เพียงแค่ "รู้จักโครงสร้าง" แต่ยังไม่สามารถ "เข้าใจเนื้อหา" ได้อย่างแท้จริง เพื่อให้เขาสามารถสร้างข้อมูลเชิงลึก, ตรวจจับความผิดปกติ และวิเคราะห์แนวโน้มได้ คุณจำเป็นต้องขยายเครื่องมือวิเคราะห์ที่เหมาะสมยิ่งขึ้นให้กับเขา

ใน CRM Demo อย่างเป็นทางการ เราใช้วิธีการสองแบบ:

• Overall Analytics (เอนจินวิเคราะห์อเนกประสงค์): โซลูชันที่ใช้เทมเพลต, ปลอดภัย และนำกลับมาใช้ใหม่ได้
• SQL Execution (เอนจินวิเคราะห์เฉพาะทาง): มีความยืดหยุ่นสูงกว่า แต่มีความเสี่ยงมากกว่า

สองสิ่งนี้ไม่ใช่ทางเลือกเดียว แต่เป็นเหมือนกระบวนทัศน์การออกแบบมากกว่า:

คุณสามารถปฏิบัติตามหลักการของมันเพื่อสร้างการนำไปใช้ที่เหมาะสมกับธุรกิจของคุณได้ดียิ่งขึ้น

#2. โครงสร้างของ Viz: บุคลิกที่มั่นคง + งานที่ยืดหยุ่น

เพื่อให้เข้าใจวิธีการขยาย Viz คุณต้องเข้าใจการออกแบบภายในที่เป็นชั้นๆ ของเขาก่อน:

การออกแบบที่เป็นชั้นๆ นี้ทำให้ Viz สามารถรักษาบุคลิกที่มั่นคง (ตรรกะการวิเคราะห์ที่สอดคล้องกัน) ในขณะเดียวกันก็สามารถปรับให้เข้ากับสถานการณ์ธุรกิจที่แตกต่างกันได้อย่างรวดเร็ว (CRM, การจัดการโรงพยาบาล, การวิเคราะห์ช่องทาง, การดำเนินงานการผลิต...)

#3. รูปแบบที่หนึ่ง: เอนจินวิเคราะห์แบบเทมเพลต (แนะนำ)

#3.1 ภาพรวมหลักการ

Overall Analytics คือเอนจินวิเคราะห์หลักใน CRM Demo มันจัดการการสอบถาม SQL ทั้งหมดผ่านคอลเลกชันเทมเพลตการวิเคราะห์ข้อมูล (data_analysis) Viz ไม่ได้เขียน SQL โดยตรง แต่จะเรียกใช้เทมเพลตที่กำหนดไว้ล่วงหน้าเพื่อสร้างผลลัพธ์

ขั้นตอนการทำงานมีดังนี้:

flowchart TD
    A[Viz รับงาน] --> B[เรียกใช้เวิร์กโฟลว์ Overall Analytics]
    B --> C[จับคู่เทมเพลตตามหน้า/งานปัจจุบัน]
    C --> D[รัน SQL ของเทมเพลต (อ่านอย่างเดียว)]
    D --> E[ส่งคืนผลลัพธ์ข้อมูล]
    E --> F[Viz สร้างแผนภูมิ + การตีความสั้นๆ]

ด้วยวิธีนี้ Viz สามารถสร้างผลลัพธ์การวิเคราะห์ที่ปลอดภัยและเป็นมาตรฐานได้ภายในไม่กี่วินาที และผู้ดูแลระบบสามารถจัดการและตรวจสอบเทมเพลต SQL ทั้งหมดจากส่วนกลางได้

#3.2 โครงสร้างคอลเลกชันเทมเพลต (data_analysis)

#ตัวอย่างเทมเพลตใน CRM Demo

#3.3 ข้อดีของรูปแบบนี้

📘 คอลเลกชัน data_analysis นี้ไม่จำเป็นต้องมีชื่อนี้ สิ่งสำคัญคือ: การจัดเก็บตรรกะการวิเคราะห์ในรูปแบบเทมเพลต และให้เวิร์กโฟลว์เรียกใช้จากส่วนกลาง

#3.4 วิธีทำให้ Viz ใช้งาน

ในการกำหนดงาน คุณสามารถบอก Viz ได้อย่างชัดเจนว่า:

สวัสดี Viz,

โปรดวิเคราะห์ข้อมูลของโมดูลปัจจุบัน

**ลำดับความสำคัญ:** ใช้เครื่องมือ Overall Analytics เพื่อรับผลการวิเคราะห์จากคอลเลกชันเทมเพลต
**หากไม่พบเทมเพลตที่ตรงกัน:** แจ้งว่าไม่มีเทมเพลต และแนะนำให้ผู้ดูแลระบบเพิ่ม

ข้อกำหนดในการแสดงผล:
- สร้างแผนภูมิแยกต่างหากสำหรับแต่ละผลลัพธ์
- มีคำอธิบายสั้นๆ 2-3 ประโยคใต้แผนภูมิ
- ห้ามสร้างข้อมูลหรือสมมติฐานขึ้นมาเอง

ด้วยวิธีนี้ Viz จะเรียกใช้เวิร์กโฟลว์โดยอัตโนมัติ จับคู่ SQL ที่เหมาะสมที่สุดจากคอลเลกชันเทมเพลต และสร้างแผนภูมิ

#4. รูปแบบที่สอง: ตัวดำเนินการ SQL เฉพาะทาง (ใช้ด้วยความระมัดระวัง)

#4.1 สถานการณ์ที่เหมาะสม

เมื่อคุณต้องการการวิเคราะห์เชิงสำรวจ, การสอบถามชั่วคราว หรือการรวมข้อมูลหลายคอลเลกชันด้วย JOIN คุณสามารถให้ Viz เรียกใช้เครื่องมือ SQL Execution ได้

คุณสมบัติของเครื่องมือนี้คือ:

• Viz สามารถสร้างคำสั่ง SELECT ได้โดยตรง
• ระบบจะดำเนินการและส่งคืนผลลัพธ์
• Viz รับผิดชอบการวิเคราะห์และการแสดงผลด้วยภาพ

ตัวอย่างงาน:

"โปรดวิเคราะห์แนวโน้มอัตราการแปลง Leads ตามภูมิภาคในช่วง 90 วันที่ผ่านมา"

ในกรณีนี้ Viz อาจสร้างคำสั่งดังนี้:

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

#4.2 ความเสี่ยงและคำแนะนำในการป้องกัน

คำแนะนำทั่วไป:

• ผู้ใช้ทั่วไปควรเปิดใช้งานเฉพาะการวิเคราะห์แบบเทมเพลต (Overall Analytics) เท่านั้น
• เฉพาะผู้ดูแลระบบหรือนักวิเคราะห์ระดับสูงเท่านั้นที่ควรได้รับอนุญาตให้ใช้ SQL Execution

#5. หากคุณต้องการสร้าง "Overall Analytics" ของตัวเอง

นี่คือแนวคิดทั่วไปง่ายๆ ที่คุณสามารถนำไปใช้กับระบบใดก็ได้ (ไม่ขึ้นอยู่กับ NocoBase):

#ขั้นตอนที่ 1: ออกแบบคอลเลกชันเทมเพลต

ชื่อคอลเลกชันอะไรก็ได้ (เช่น analysis_templates) เพียงแค่ต้องมีฟิลด์: name, sql, collection, และ description

#ขั้นตอนที่ 2: เขียนบริการหรือเวิร์กโฟลว์ "ดึงเทมเพลต → ดำเนินการ"

ตรรกะ:

1. รับงานหรือบริบทของหน้า (เช่น คอลเลกชันปัจจุบัน)
2. จับคู่เทมเพลต
3. ดำเนินการ SQL ของเทมเพลต (อ่านอย่างเดียว)
4. ส่งคืนโครงสร้างข้อมูลที่เป็นมาตรฐาน (rows + fields)

#ขั้นตอนที่ 3: ให้ AI เรียกใช้อินเทอร์เฟซนี้

คำสั่งพร้อมท์สำหรับงานสามารถเขียนได้ดังนี้:

โปรดลองเรียกใช้เครื่องมือวิเคราะห์เทมเพลตก่อน หากไม่พบการวิเคราะห์ที่ตรงกันในเทมเพลต ให้ใช้ตัวดำเนินการ SQL
โปรดตรวจสอบให้แน่ใจว่าการสอบถามทั้งหมดเป็นแบบอ่านอย่างเดียว และสร้างแผนภูมิเพื่อแสดงผลลัพธ์

ด้วยวิธีนี้ ระบบ AI Agent ของคุณจะมีขีดความสามารถในการวิเคราะห์ที่คล้ายกับ CRM Demo แต่เป็นอิสระและปรับแต่งได้ทั้งหมด

#6. แนวทางปฏิบัติที่ดีที่สุดและคำแนะนำในการออกแบบ

#7. จาก CRM Demo สู่สถานการณ์ของคุณ

ไม่ว่าคุณจะทำงานกับ CRM โรงพยาบาล, การผลิต, โลจิสติกส์คลังสินค้า หรือการรับสมัครนักเรียน ตราบใดที่คุณสามารถตอบคำถามสามข้อต่อไปนี้ได้ Viz ก็สามารถสร้างมูลค่าให้กับระบบของคุณได้:

เมื่อคุณกำหนดสิ่งเหล่านี้แล้ว คุณเพียงแค่ต้อง:

• เขียนตรรกะการวิเคราะห์ลงในคอลเลกชันเทมเพลต
• แนบคำสั่งพร้อมท์สำหรับงานเข้ากับหน้า
• Viz ก็จะสามารถ "ดูแล" การวิเคราะห์รายงานของคุณได้

#8. บทสรุป: นำกระบวนทัศน์นี้ไปใช้

"Overall Analytics" และ "SQL Execution" เป็นเพียงสองตัวอย่างการนำไปใช้ สิ่งที่สำคัญกว่าคือแนวคิดเบื้องหลัง:

ทำให้ AI Agent เข้าใจตรรกะทางธุรกิจของคุณ ไม่ใช่แค่ทำตามคำสั่งพร้อมท์

ไม่ว่าคุณจะใช้ NocoBase, ระบบส่วนตัว หรือเวิร์กโฟลว์ที่คุณเขียนเอง คุณสามารถทำซ้ำโครงสร้างนี้ได้:

• เทมเพลตส่วนกลาง
• การเรียกใช้เวิร์กโฟลว์
• การดำเนินการแบบอ่านอย่างเดียว
• การนำเสนอโดย AI

ด้วยวิธีนี้ Viz จะไม่เป็นเพียง "AI ที่สามารถสร้างแผนภูมิได้" อีกต่อไป แต่จะเป็นนักวิเคราะห์ที่แท้จริงที่เข้าใจข้อมูลของคุณ, คำจำกัดความของคุณ และธุรกิจของคุณ