藉助 MCP 賦能數據可視化，讓數據‘燃’起來
- 背景信息
- 方案介紹
- 上手實操
- 資源準備
- 創建API-KEY
- 插入數據
- 一鍵部署
- 體驗測試
- 體驗感受
背景信息
在當下的數字化時代，數字信息對於企業的作用毋庸置疑，誰優先從有限的數據信息中獲取有效的信息，那麼誰就能掌握市場的主動權。然而數據分析卻並不是人人都可以做到，對於沒有一定的技術人員的企業，數字分析更是無從下手。此時，MCP工具就像一個功能強大的“數據中轉站”和“智能翻譯官”。它能夠輕鬆地連接到您的阿里雲PolarDB MySQL數據庫，自動理解其中的表結構。之後，數據分析人員無需編寫複雜的SQL代碼，只需通過簡單的拖拽和點選操作，就能快速地將數據轉化為直觀的圖表和報表，從而極大地降低了技術門檻，讓企業能夠以更低的成本和更快的速度，實現從數據到洞察的全流程分析。
今天我們就來通過一個實驗室場景操作來驗證一下我們的想法，是否真的非技術人員同樣可以實現數據分析可視化。實驗地址：https://www.aliyun.com/solution/tech-solution/polardb-mysql-mcp?spm=a2c6h.13066369.question.1.13ca33dejqR4ca
方案介紹
本方案基於 PolarDB 構建智能數據庫分析應用，集成阿里雲百鍊（簡稱“百鍊”），提供開箱即用的智能化分析能力。PolarDB 作為雲原生數據庫，具備 Serverless 彈性伸縮、自動存儲擴縮等特性，實現資源的高效利用。其高性能架構和多可用區部署保障業務穩定可靠，通過智能分層存儲技術，在確保性能的同時優化成本，讓企業輕鬆應對各類業務場景需求。
方案架構如下
上手實操
在對我們的藉助MCP 賦能數據可視化實驗場景有了基礎的瞭解之後。下面我們就可以打開我們的實驗室場景頁面，點擊【免費試用】
進入到實驗部署操作頁面後繼續點擊【立即試用】等待資源創建，等待所有資源創建成功之後。
資源準備
登錄 阿里雲百鍊大模型服務平台 ：https://bailian.console.aliyun.com/?spm=a2c6h.28997786.0.0.3b091597WfX45q 點擊右上角的，隨後點擊頁面左側的【賬號管理】，再點擊頁面右上角的【新增用户】
在新增 用户彈窗頁面，我們選擇類型【RAM用户】，選擇具體的RAM用户，輸入顯示名稱，自定義即可，點擊【確定】完成用户新增
完成用户新增後，在【賬號管理】列表點擊右側的【權限管理】，隨後點擊【添加權限】
在添加權限界面，勾選業務空間為 【默認業務空間】，點擊下一步，隨後設置權限名稱為管理員，點擊完成為角色授權
回到 模型 頁面，點擊頂部的【模型】切換到模型頁面，點擊右側的【立即開通】
在彈出的頁面勾選協議後完成當前RAM賬號的阿里雲百鍊模型服務的開通
創建API-KEY
在阿里雲百鍊大模型服務平台 ，點擊右上角的，隨後點擊頁面左側的【API-Key】，再點擊頁面的【創建API-KEY】
創建完成後複製 API-KEY 備用。
插入數據
點擊左側雲產品資源面板，在集羣基本信息界面單擊右上角登錄數據庫，進入雲數據庫控制枱。在彈出的創建DMS服務關聯角色中，單擊確認。在彈出的登錄實例界面，輸入左側雲產品資源面板中雲原生數據庫欄下的數據庫用户名以及密碼，並點擊登錄
登錄成功後，雙擊選擇 db-test 數據庫，下載測試數據集orders.sql 並複製sql到 sql執行窗口，執行
一鍵部署
點擊前往部署打開我們提供的 Function AI 項目模板，在彈出的【角色授權頁】保持默認選項，並點擊底部的一鍵授權，根據提示完成授權。完成授權後，在
參數配置頁面，依次配置數據庫及API-KEY信息，
其他參數選擇默認配置，然後單擊【部署項目】，最後在彈出面板中單擊【確認部署】，部署預計等待 3～5 分鐘
體驗測試
等待部署完成後，在應用部署完成之後的頁面，按照下圖找到訪問地址
點擊訪問地址後，在對話框中輸入我們想要獲取的數據分析的內容，比如【哪些食物的配料裏用到了黑豆，他們的訂單量如何，使用知識圖譜進行視覺化展示 TOP 30】此時我們的大模型會自動分析中文內容，並根據中文內容描述的需求自動調用MCP Server 工具來分析我們的數據庫表數據，最後返回我們想要的可視化內容
等待分析結束後，自動為我們生成對應數據的可視化圖片內容
再比如，我們想要獲取【所有訂單中，最受歡迎的十種食物是哪些？分析數據並使用雙軸曲線圖進行可視化展示，最終將數據使用表格形式展現出來】，同樣的，我們可以直接將我們的需求通過中文語言的形式描述出來，那麼此時我們的語言大模型則會根據我們需要獲取的信息自動調用數據分析MCP Server 工具獲取具體的內容
返回的結果內容，包含表格、柱狀圖、折線圖
或者説我們想要統計一下軟玉米餅類食物的訂單銷售情況，進一步判斷受眾羣體的喜愛程度，輸入我們的需求描述【使用 SQL 查詢 orders 表中所有軟玉米餅類食物，並根據訂單量使用樹狀圖進行可視化展示 TOP 7 的食物，隨後判斷當地人是否喜歡在軟玉米餅類食物中添加生菜】，
下面我們來查看經過數據分析後返回的內容，包括：
樹狀圖（Treemap Chart）：展示了軟玉米餅類食物的訂單量分佈，可以直觀地看出雞肉軟玉米餅是最受歡迎的
柱狀圖（Column Chart）：詳細對比了軟玉米餅類食物的訂單量，清晰展示了每種食物的受歡迎程度
條形圖（Bar Chart）：進一步驗證了柱狀圖的結果，直觀呈現訂單量的分佈
餅圖（Pie Chart）：展示了軟玉米餅類食物訂單量的佔比，顯示雞肉軟玉米餅在總訂單量中佔據最大份額
雙軸圖表（Dual Axes Chart）：同時展示了軟玉米餅類食物的訂單量以及添加生菜的情況。從圖表可以看出，只有雞肉軟玉米餅的訂單中明確提到了添加生菜（9單）
最後給出統計分析後的結論內容
生菜的使用情況
查詢結果顯示，只有 9 份訂單明確指出了配料中包含生菜，且這些訂單均為“雞肉軟玉米餅”。這表明當地人對軟玉米餅類食物添加生菜的偏好較低，或者菜單中並未廣泛提供這一選項。
結論
最受歡迎的軟玉米餅類食物：雞肉軟玉米餅以 12 單位居第一，其次是牛排軟玉米餅和素食軟玉米餅。
生菜的使用偏好：僅有 9 單明確包含生菜，且集中在雞肉軟玉米餅上，説明當地人對生菜的偏好較低，或者該配料在菜單中未被廣泛提供。到這裏，我們關於藉助 MCP 賦能數據可視化的所有部署操作以及體驗測試都已經完成了。
體驗感受
其實，隨着AI 的不斷髮展，各行各業的工作方式或者説人們的生活方式都在一點點發生改變。對於企業來説，在數字化時代，數據的重要性不言而喻。那麼如何讓歷史的數據產生數據分析的價值，知道企業制定合理決策，數據分析就顯得尤為重要。但是對於大型企業來説，可以通過招聘數據分析師來解決利用歷史數據分析獲取後續決策指導意義的問題。但是對於中小企業，沒有資源，沒有成本，如何也能享受到數字時代帶給企業的宏利，一直是一個值得探索，也必須去探索的方向。
那麼通過本方案，已經可以成功看到中小企業無成本接入數據分析的希望了。對於中小企業，可以無需招聘數據分析師，而是可以直接通過阿里雲百鍊服務平台搭配 MCP Server 的方式。企業端只需要通過自然語言描述的方式，就可以輕鬆的從企業現有數據中篩選出有效信息，為企業後續生產經營方向提供參考。在這樣的場景下，企業管理人員可以直接通過與 AI 進行自然語言對話的方式獲取數據分析，報表，數據統計等信息，真的是很方便很有價值。
另外，本方案是基於 PolarDB 構建智能數據庫分析應用，集成阿里雲百鍊大模型服務，提供開箱即用的智能化分析能力。方案涉及到的全系列產品都已經穩定運行，可以快速接入，在另一方面也會大大降低企業接入當前方案時的人力成本，學習成本的投入。既然這麼好用，還等什麼呢？
