Flint-interactive: đưa tương tác vào trực quan hóa dữ liệu do AI tạo
Microsoft Research giới thiệu Flint-interactive, ngôn ngữ giúp AI tạo trực quan hóa có thể click, lọc, thu phóng và chọn vùng dữ liệu. Các lựa chọn có thể cập nhật thành phần khác hoặc làm ngữ cảnh cho câu hỏi tiếp theo.
AI có thể hỗ trợ tạo biểu đồ, nhưng một biểu đồ tĩnh thường chưa đủ cho nhu cầu phân tích tiếp theo. Khi người xem muốn khoanh một giai đoạn, lọc một nhóm dữ liệu hoặc so sánh các phần liên quan, trải nghiệm cần vượt ra ngoài câu trả lời ban đầu.
Microsoft Research giới thiệu Flint-interactive, một ngôn ngữ hướng tới việc để AI tạo trực quan hóa dữ liệu có tương tác, thay vì chỉ xuất biểu đồ tĩnh.
Người dùng có thể click, lọc, thu phóng, chọn vùng dữ liệu (brush), làm nổi bật nội dung liên quan và dùng lựa chọn đó để cập nhật các thành phần khác hoặc dẫn dắt câu hỏi tiếp theo.
Flint-interactive hoạt động theo hướng nào?
Flint-interactive được xây dựng trên hệ thống Flint của Microsoft. Điểm cốt lõi là biểu diễn tương tác dưới dạng sự kiện ngữ nghĩa (semantic events).
Thay vì chỉ dựa vào chi tiết hiển thị ở mức thấp của biểu đồ, hệ thống ghi nhận người dùng đã chọn gì trong dữ liệu, chẳng hạn một quốc gia, một khoảng thời gian hoặc một tập bản ghi. Lựa chọn này có thể được dùng để:
Cập nhật biểu đồ hoặc bảng khác.
Làm nổi bật dữ liệu liên quan ở thành phần khác.
Cập nhật văn bản, tiện ích hoặc trạng thái ứng dụng.
Làm ngữ cảnh cho câu hỏi tiếp theo trong hội thoại với AI.
Với người làm BI, đây là một hướng tiếp cận đáng chú ý: biểu đồ không chỉ là đầu ra cuối cùng, mà có thể là điểm bắt đầu cho việc khám phá sâu hơn.
Một thao tác chọn có thể liên kết nhiều thành phần
Microsoft Research nêu các thao tác như click, lọc, thu phóng, chọn vùng dữ liệu và làm nổi bật nội dung liên quan.
Trong trực quan hóa dữ liệu, brush là thao tác quét hoặc chọn một vùng dữ liệu, ví dụ kéo qua một đoạn trên trục thời gian. Flint-interactive cũng có các tương tác dựng sẵn, trong đó có linked brushing: khi người dùng chọn dữ liệu ở một thành phần, dữ liệu liên quan ở thành phần khác có thể được làm nổi bật hoặc cập nhật.
Ví dụ minh họa, một bảng điều khiển bán hàng có thể gồm:
Biểu đồ doanh thu theo khu vực.
Biểu đồ doanh thu theo nhóm hàng.
Bảng dữ liệu chi tiết.
Khi người dùng chọn một khu vực trên biểu đồ, ý nghĩa của thao tác có thể được biểu diễn như một điều kiện dữ liệu, thay vì chỉ là vị trí con trỏ trên màn hình. Điều kiện đó có thể được chuyển sang các thành phần còn lại để phản hồi theo cùng lựa chọn.
Thông tin công bố không cho thấy Flint-interactive tự sinh hoặc tự kiểm chứng truy vấn SQL, DAX hay Python nguồn.
Có thể dùng Flint-interactive ở đâu?
Theo Microsoft Research, Flint-interactive có thể được sử dụng:
Trong hội thoại qua Flint-MCP và MCP Apps.
Trong bảng điều khiển và data story qua Flint Interactive Canvas.
Microsoft Research cho biết compiler của Flint quản lý các phụ thuộc giữa logic tương tác và phần hiển thị trực quan. Theo nhóm phát triển, cách tiếp cận này giúp giảm công việc lặp lại về mã nguồn, bố cục và gỡ lỗi — những phần có thể khiến biểu đồ tương tác do AI tạo khó ổn định và tốn kém.
Tuy vậy, nguồn công bố chưa cung cấp benchmark, thông tin chi phí, giới hạn quy mô dữ liệu hay đánh giá về mức độ sẵn sàng cho môi trường production.
Ý nghĩa với analyst và BI developer
Giá trị tiềm năng nằm ở các luồng phân tích quen thuộc:
Xem tổng quan.
Chọn một lát cắt dữ liệu.
So sánh hoặc tìm điểm bất thường.
Đi xuống bảng chi tiết.
Đặt câu hỏi tiếp theo dựa trên phần đã chọn.
Nếu lựa chọn trên biểu đồ được giữ dưới dạng ngữ cảnh có cấu trúc, người dùng có thể không cần diễn đạt lại toàn bộ bộ lọc bằng ngôn ngữ tự nhiên khi muốn đào sâu thêm.
Ngược lại, với báo cáo định kỳ chỉ cần vài KPI hoặc bảng xuất cố định, một lớp tương tác phức tạp có thể chưa tạo ra giá trị tương xứng.
Khuyến nghị biên tập khi thử nghiệm
Phần dưới đây là khuyến nghị biên tập, không phải hướng dẫn chính thức từ Microsoft Research. Khi đánh giá một trải nghiệm bảng điều khiển có AI, đội ngũ BI nên kiểm tra:
Lựa chọn trên biểu đồ có áp dụng đúng vào tập dữ liệu liên quan không?
KPI, biểu đồ và bảng chi tiết có khớp tổng số không?
Bộ lọc ngày có được áp dụng nhất quán giữa các thành phần không?
Giá trị NULL được xử lý thế nào khi lọc hoặc chọn vùng?
Quan hệ dữ liệu có làm nhân dòng khi bảng chi tiết cập nhật không?
Câu hỏi tiếp theo có nhận đúng ngữ cảnh từ lựa chọn trước đó không?
Có thể bắt đầu với schema và dữ liệu mẫu đã được ẩn danh. Một tập dữ liệu nhỏ, tên cột rõ nghĩa cũng thuận lợi hơn cho việc đối chiếu luồng tương tác trước khi mở rộng phạm vi thử nghiệm.
Checklist đánh giá luồng tương tác
[ ] Mỗi thao tác chọn có ý nghĩa nghiệp vụ rõ ràng.
[ ] Các thành phần phản hồi được đối chiếu về tổng số và bộ lọc.
[ ] Câu hỏi tiếp theo bám đúng lựa chọn trước đó.
[ ] Có kiểm thử cho ngày, NULL và quan hệ dữ liệu.
[ ] Dữ liệu thử nghiệm đã được ẩn danh.
[ ] Có cách quay về trải nghiệm bảng điều khiển truyền thống khi AI diễn giải sai.
Không nên xem Flint-interactive là công cụ thay thế SQL, semantic model hay quy trình kiểm soát số liệu. Nhưng công bố của Microsoft Research cho thấy một hướng phát triển rõ ràng: trực quan hóa do AI tạo có thể hữu ích hơn khi người dùng được tiếp tục tương tác và khám phá từ câu trả lời ban đầu.