Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomi
  • Svenska
  • English
  • Kirjaudu
Hakuohjeet
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Ammattikorkeakoulut
  • Turun ammattikorkeakoulu
  • Opinnäytetyöt (Avoin kokoelma)
  • Näytä viite
  •   Ammattikorkeakoulut
  • Turun ammattikorkeakoulu
  • Opinnäytetyöt (Avoin kokoelma)
  • Näytä viite

Natural language processing for automating queries in business intelligence systems

Leväniemi, Eevi (2025)

Avaa tiedosto
Levaniemi_Eevi.pdf (1.885Mt)
Lataukset: 


Leväniemi, Eevi
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202504106087
Tiivistelmä
Luonnollisen kielen käsittelyllä (Natural Language Processing, NLP) on mahdollista yksinkertaistaa vuorovaikutusta liiketoimintatiedon (Business Intelligence, BI) järjestelmien kanssa. Ei-tekniset käyttäjät kohtaavat usein haasteita tiedon kyselyissä, sillä BI-työkalut vaativat yleensä kyselykielten, kuten SQL:n, osaamista, mikä rajoittaa niiden käytettävyyttä. NLP-teknologiat voivat tehdä BI-järjestelmistä saavutettavampia automatisoimalla SQL-kyselyitä.

Tässä opinnäytetyössä tutkittiin NLP-mallien integrointia BI-järjestelmiin luonnollisen kielen kyselyiden kääntämiseksi SQL:ksi. Kehittyneitä, esikoulutettuja malleja, kuten T5, BERT ja GPT, hienosäädettiin, ja prototyyppi kehitettiin käyttäen PostgreSQL:ää, FastAPI:ta ja Power BI:tä. Ratkaisun suunnittelussa painotettiin käytettävyyttä yritystason skaalautuvuuden sijaan.

Tulokset osoittivat, että NLP-malleista erityisesti T5 ja BERT voivat tehokkaasti generoida SQL-kyselyitä. Integraatio korosti NLP-pohjaisten BI-järjestelmien potentiaalia parantaa saavutettavuutta luomalla visuaalisesti miellyttävän ja helppokäyttöisen käyttöliittymän. Vaikka skaalautuvuuteen ja monimutkaisiin kyselyrakenteisiin liittyviä haasteita on edelleen ratkaisematta, tutkimus toi esiin jatkokehitysmahdollisuuksia, kuten käyttäjäpalautteen hyödyntämisen ja eettisten näkökulmien huomioimisen.
 
Natural Language Processing (NLP) offers the potential to simplify interactions with Business Intelligence (BI) systems. Non-technical users often face challenges when querying data as BI tools typically require proficiency in query languages such as SQL, limiting their usability. NLP technologies can make BI systems more accessible by automating SQL query generation.

This thesis examined the integration of NLP models into BI systems to translate natural language queries into SQL. Advanced pretrained models, including T5, BERT, and GPT, were fine-tuned, and a prototype was developed using PostgreSQL, FastAPI, and Power BI. The focus was on designing a user friendly solution rather than achieving enterprise-level scalability.

The findings showed that NLP models, particularly T5 and BERT, can effectively generate SQL queries. The integration demonstrated the potential of NLP-driven BI systems to improve accessibility by providing a visually appealing and intuitive interface. While challenges in scalability and handling complex query structures remain, the research highlighted opportunities for further development, including refining model accuracy through active learning, incorporating domain-specific adaptations, leveraging user feedback, and addressing ethical considerations.
 
Kokoelmat
  • Opinnäytetyöt (Avoin kokoelma)
Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatKoulutusalatAsiasanatUusimmatKokoelmat

Henkilökunnalle

Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste