一、阿里瓴羊公司介紹

首先簡(jiǎn)單介紹阿里瓴羊公司。

1. 瓴羊介紹

瓴羊是阿里巴巴全資子公司，主營數(shù)據(jù)要素服務(wù)。瓴羊提供一整套數(shù)字化產(chǎn)品和服務(wù)，涵蓋數(shù)據(jù)加工、數(shù)據(jù)消費(fèi)以及數(shù)據(jù)流通等三大環(huán)節(jié)。幫助企業(yè)有效利用數(shù)據(jù)資源，促進(jìn)數(shù)據(jù)與企業(yè)實(shí)際經(jīng)營的深度融合，賦能企業(yè)增長(zhǎng)和數(shù)字化轉(zhuǎn)型。

瓴羊已服務(wù)了上百家知名企業(yè)和眾多中小企業(yè)的數(shù)字化建設(shè)，如一汽紅旗、星巴克、自然堂、極氪、喬丹、中國移動(dòng)和中海油等，覆蓋零售、汽車與制造、互聯(lián)網(wǎng)、金融等多個(gè)行業(yè)。

隨著企業(yè)的發(fā)展，數(shù)據(jù)不斷累積，導(dǎo)致管理難度增加。更加嚴(yán)重的是，隨著企業(yè)業(yè)務(wù)的渠道在變多，平臺(tái)在變多，相應(yīng)的 IT 系統(tǒng)和企服產(chǎn)品也在變多。企業(yè)組織內(nèi)過多的產(chǎn)品和系統(tǒng)，以及這些產(chǎn)品和系統(tǒng)所產(chǎn)生的各自為戰(zhàn)、零散不統(tǒng)一的數(shù)據(jù)。

瓴羊公司的前身是阿里巴巴內(nèi)部最懂?dāng)?shù)據(jù)的團(tuán)隊(duì)——數(shù)據(jù)中臺(tái)，也曾經(jīng)被叫做 DT 團(tuán)隊(duì)（Data Technology）?；凇窸ne Data」方法論，不斷演進(jìn)出 One Product、One Platform，直至 2021 年成立瓴羊公司。從服務(wù)于集團(tuán)內(nèi)部，發(fā)展到服務(wù)于成百上千的外部客戶，幫助各行業(yè)企業(yè)解決數(shù)據(jù)相關(guān)問題。

2. 瓴羊公司在數(shù)據(jù)領(lǐng)域構(gòu)建的產(chǎn)品

瓴羊在數(shù)據(jù)領(lǐng)域打造了兩大產(chǎn)品：

第一個(gè)是 Dataphin 智能數(shù)據(jù)建設(shè)與治理，旨在解決企業(yè)數(shù)據(jù)建設(shè)、數(shù)據(jù)采集、數(shù)據(jù)資產(chǎn)管理等一系列數(shù)據(jù)治理問題。針對(duì)各行業(yè)大數(shù)據(jù)建設(shè)、治理及應(yīng)用訴求，結(jié)合數(shù)據(jù)中臺(tái)方法論，一站式提供全域數(shù)據(jù)集成、可視建模及規(guī)范定義、數(shù)據(jù)資產(chǎn)治理等能力，助力企業(yè)打造標(biāo)準(zhǔn)統(tǒng)一、準(zhǔn)確可信、便捷可消費(fèi)的數(shù)據(jù)體系。

第二個(gè)是 Quick BI 智能商業(yè)分析，主要解決數(shù)據(jù)生產(chǎn)出來后如何服務(wù)于企業(yè)決策場(chǎng)景和各種分析應(yīng)用場(chǎng)景。Quick BI 是首個(gè)且唯一入選 Gartner 商業(yè)智能和分析平臺(tái)魔力象限報(bào)告(《Magic Quadrant for Analytics and Business Intelligence Platforms》)的中國企業(yè)產(chǎn)品，截至今年已經(jīng)連續(xù) 5 年進(jìn)入 Gartner 魔力象限，特別是最近兩年都進(jìn)入了挑戰(zhàn)者象限。

這兩大產(chǎn)品是我們服務(wù)于客戶的核心載體。接下來將圍繞這兩個(gè)產(chǎn)品在 AI 方向上的實(shí)踐展開介紹。

二、AI 驅(qū)動(dòng)下的數(shù)據(jù)消費(fèi)

1. 數(shù)據(jù)消費(fèi)的三個(gè)主要方面

瓴羊服務(wù)的客戶非常多，有制造業(yè)、零售業(yè)等各種各樣的客戶，這些客戶的內(nèi)部流程和業(yè)務(wù)場(chǎng)景千差萬別。在 DA 數(shù)智大會(huì)現(xiàn)場(chǎng)，葉筆長(zhǎng)舉了一個(gè)具象化的例子：如果企業(yè)是一個(gè)人，那么算法、算力、數(shù)據(jù)就對(duì)應(yīng)智力、體力和血液，數(shù)據(jù)會(huì)流經(jīng)企業(yè)中的各個(gè)環(huán)節(jié)，因此其發(fā)揮作用的場(chǎng)景非常多。

葉筆長(zhǎng)指出，在面對(duì)復(fù)雜多變的業(yè)務(wù)場(chǎng)景時(shí)，數(shù)據(jù)消費(fèi)的核心問題主要集中在以下三個(gè)方面：

（1）問數(shù)：企業(yè)在決策分析的時(shí)候，能不能問到數(shù)據(jù)？

（2）找數(shù)：業(yè)務(wù)分析師和產(chǎn)品工程師能不能在海量的數(shù)據(jù)資產(chǎn)中快速找到真正想要的數(shù)據(jù)表？

（3）看數(shù)：數(shù)據(jù)的可視化是企業(yè)中最基礎(chǔ)的需求，也是傳統(tǒng) BI 一直在解決的問題。

葉筆長(zhǎng)認(rèn)為，隨著 AI 技術(shù)的不斷進(jìn)步和業(yè)務(wù)場(chǎng)景的持續(xù)演變，要充分發(fā)揮 AI 的獨(dú)特價(jià)值，關(guān)鍵在于以下兩點(diǎn)：

（1）數(shù)據(jù)資產(chǎn)建設(shè)：企業(yè)內(nèi)的數(shù)據(jù)相關(guān)部門或團(tuán)隊(duì)需要構(gòu)建清晰且易于使用的數(shù)據(jù)資產(chǎn)。在上一輪的數(shù)據(jù)革命中，阿里巴巴主要解決的就是通過打造數(shù)據(jù)中臺(tái)統(tǒng)一數(shù)據(jù)，并保證數(shù)據(jù)高質(zhì)量的問題。

（2）角色賦能與數(shù)據(jù)利用：一旦數(shù)據(jù)資產(chǎn)建立起來，接下來的重點(diǎn)是如何讓企業(yè)中的各個(gè)角色，尤其是那些與數(shù)據(jù)緊密相關(guān)的角色，發(fā)揮出其最大的價(jià)值。每個(gè)角色在服務(wù)用戶時(shí)所需的數(shù)據(jù)及其使用方式各不相同。瓴羊的策略是為這些角色提供一個(gè)名為 Data Agent 的數(shù)據(jù)平臺(tái)，在這個(gè)平臺(tái)上，他們可以根據(jù)自身的需求和場(chǎng)景快速創(chuàng)建定制化的數(shù)據(jù)代理（Agent）。這不僅有助于將特定角色的知識(shí)和經(jīng)驗(yàn)沉淀下來，還為未來構(gòu)建大規(guī)模的企業(yè)內(nèi)部AI代理市場(chǎng)奠定了基礎(chǔ)。

簡(jiǎn)而言之一句話：資產(chǎn)建設(shè)要做好，數(shù)字分身共打造。

2. 企業(yè)進(jìn)行數(shù)據(jù)分析的典型框架

現(xiàn)場(chǎng)，葉筆長(zhǎng)展示了一個(gè)企業(yè)內(nèi)數(shù)據(jù)分析服務(wù)的典型框架：在目標(biāo)方向清晰的情況下，經(jīng)過自上而下的拆解，能夠拆解出一套企業(yè)內(nèi)的分析體系、報(bào)表體系。這個(gè)體系能夠讓企業(yè)內(nèi)各個(gè)角色聯(lián)動(dòng)起來，形成一個(gè)目標(biāo)統(tǒng)一的體系。

3.數(shù)據(jù)分析的典型問題與挑戰(zhàn)

然而，上述解決方案還存在一個(gè)重大的問題。在這套確定性的看數(shù)和問數(shù)模式下，缺失了很多靈活性，比如臨時(shí)性、探查性和分析性的問題。AI 的出現(xiàn)給了我們一種新的契機(jī)去解決這類問題。

在原來的確定性體系下，業(yè)務(wù)人員或數(shù)據(jù)分析人員今天要臨時(shí)取這個(gè)數(shù)據(jù)，明天要分析那個(gè)數(shù)據(jù)，時(shí)間都花費(fèi)在取數(shù)上。如果提交給業(yè)務(wù)產(chǎn)品開發(fā)，就需要排版本，需求可能一直排在后面，要不斷地等待。

傳統(tǒng) BI 解決這個(gè)問題的方式是構(gòu)建一些自定義的卡片，來支持靈活報(bào)表和靈活分析。但是在新的 AI 技術(shù)條件下，有一種新的解決方案，就是用自然語言去表達(dá)業(yè)務(wù)訴求，解放企業(yè)的數(shù)據(jù)人員，從而發(fā)揮數(shù)據(jù)人員向上的邏輯和業(yè)務(wù)人員向下的邏輯，讓雙方需求更好地 mapping 起來。

三、智能分析

1. 瓴羊智能商業(yè)分析產(chǎn)品 Quick BI

瓴羊智能商業(yè)分析產(chǎn)品 Quick BI 正是為了解決企業(yè)中看數(shù)的問題，特別是針對(duì)確定性問題之外的那些靈活看數(shù)需求。

葉筆長(zhǎng)在現(xiàn)場(chǎng)演示了一段真實(shí)場(chǎng)景操作視頻，在 Quick BI 的基礎(chǔ)功能之上，融合了先進(jìn)的大模型技術(shù)，對(duì) AI 助手智能小 Q 進(jìn)行了升級(jí)，旨在有效解決企業(yè)在日常數(shù)據(jù)查看與查詢中遇到的難題。

智能小 Q 可以幫助用戶通過智能搭建快速生成整張報(bào)表，或者指定報(bào)表快速呈現(xiàn)數(shù)據(jù)結(jié)果。在搭建過程中，無需尋找隱藏在頁面深處的功能點(diǎn)和配置項(xiàng)，只需簡(jiǎn)單輸入即可完成復(fù)雜配置。無需設(shè)計(jì)師幫助，也能打造專業(yè)美觀的視覺效果。

通過智能小 Q，用戶可以隨時(shí)隨地以對(duì)話方式問數(shù)。只需要上傳企業(yè)知識(shí)，智能小 Q 就能學(xué)習(xí)到業(yè)務(wù)邏輯。通過對(duì)話輸入，數(shù)據(jù)即可一覽無余。如果對(duì)數(shù)據(jù)準(zhǔn)確性有顧慮，還可以查看 AI 取數(shù)過程。支持多輪對(duì)話、追問下鉆即可獲取詳細(xì)指標(biāo)，拆解波動(dòng)原因，歸納關(guān)鍵貢獻(xiàn)因素。分析數(shù)據(jù)規(guī)律，預(yù)測(cè)未來走勢(shì)等等。

隨著大模型的引入，Quick BI 更加智能，業(yè)務(wù)人員可以更簡(jiǎn)便地查詢分析數(shù)據(jù)，降低了操作門檻，也減少了分析師簡(jiǎn)單重復(fù)的勞動(dòng)，使其可以專注于更有價(jià)值的工作。企業(yè)可以借助越來越智能化的 Quick BI 去應(yīng)對(duì)不斷膨脹的業(yè)務(wù)數(shù)據(jù)和復(fù)雜分析。目前 Quick BI 已經(jīng)服務(wù)于各類行業(yè)，助力銷售、金融、制造等行業(yè)客戶實(shí)現(xiàn)數(shù)據(jù)智能分析，不斷提升企業(yè)數(shù)字化水平，推動(dòng)了數(shù)據(jù)消費(fèi)新范式。

2. 大模型的兩個(gè)重要認(rèn)知

在 BI 應(yīng)用這個(gè)方向上，應(yīng)該如何選擇模型？立足 Quick BI 智能小 Q 的研發(fā)歷程，總結(jié)出以下兩點(diǎn)重要認(rèn)知：

首先，模型越大、參數(shù)越多，則效果越好。但是這同時(shí)意味著對(duì)資源的要求越高，即對(duì)算力卡、內(nèi)存，以至于整個(gè)機(jī)器的成本更高。葉筆長(zhǎng)建議需要在這兩者之間找到一個(gè)平衡點(diǎn)。

另外，數(shù)據(jù)是解鎖智能的關(guān)鍵鑰匙，數(shù)據(jù)質(zhì)量決定了模型的效果。更多的預(yù)訓(xùn)練數(shù)據(jù)和更高質(zhì)量的標(biāo)注數(shù)據(jù)可以顯著降低模型大小，提升模型性能。

葉筆長(zhǎng)介紹到，由于瓴羊的客戶覆蓋了廣泛的行業(yè)領(lǐng)域，因此在模型部署上采取了兩種方式：

一種是公有云模式，用戶只需訂閱服務(wù)即可使用；另一種則是針對(duì)那些出于數(shù)據(jù)安全考慮而偏好私有化部署的客戶。為了同時(shí)滿足這兩類客戶的需求，不僅要在客戶的軟件、硬件設(shè)施以及網(wǎng)絡(luò)環(huán)境等多方面作出適應(yīng)性調(diào)整，還要確保模型能夠達(dá)到基本的性能標(biāo)準(zhǔn)。為此，團(tuán)隊(duì)對(duì)從 7B 到 72B 不同規(guī)模的模型進(jìn)行了全面測(cè)試。

此外，為了避免數(shù)據(jù)分析過程中可能出現(xiàn)的信息誤導(dǎo)（所謂“幻覺”），持續(xù)地對(duì)模型進(jìn)行微調(diào)變得尤為重要。特別是在數(shù)據(jù)分析的應(yīng)用場(chǎng)景下，準(zhǔn)確地識(shí)別排名、趨勢(shì)及分布等關(guān)鍵指標(biāo)，對(duì)于提供可靠的數(shù)據(jù)洞察來說至關(guān)重要。

3. 產(chǎn)品的技術(shù)架構(gòu)

下面分享模型選擇后如何構(gòu)建產(chǎn)品技術(shù)架構(gòu)。

在智能問數(shù)場(chǎng)景，如果用戶輸入的是自然語言，那么從自然語言到具體的指令需要做一些中間轉(zhuǎn)換。不同的廠商對(duì)此有不同的處理方式，而 Quick BI 智能小 Q 則支持多種轉(zhuǎn)換路徑，包括 NL2API、NL2DSL 以及 NL2SQL。

由于瓴羊產(chǎn)品內(nèi)置的 AI Agent 允許用戶自定義并快速編排功能，使得其應(yīng)用場(chǎng)景非常廣泛且復(fù)雜。在具體應(yīng)用中：

（1）對(duì)于那些明確且固定的場(chǎng)景，采用 NL2API 的方式最為高效和準(zhǔn)確，因?yàn)樗苤苯訌挠脩舻淖匀徽Z言映射到最終的操作指令。

（2）瓴羊產(chǎn)品的發(fā)展歷程并非從零開始，它需要兼容內(nèi)部已有的多種歷史產(chǎn)品和技術(shù)體系，同時(shí)也要適應(yīng)外部客戶多樣性的需求，因此開發(fā)了 NL2DSL 技術(shù)。通過創(chuàng)建一套獨(dú)特的 DSL（領(lǐng)域特定語言），實(shí)現(xiàn)了更靈活高效的轉(zhuǎn)換機(jī)制。

（3）鑒于每種數(shù)據(jù)庫都有其獨(dú)特的 SQL 語法方言，單獨(dú)適配每一種數(shù)據(jù)庫的成本極高。為此，Quick BI 團(tuán)隊(duì)特別訓(xùn)練了一個(gè)大型模型解決 DSL2SQL，極大地降低了適配成本。

此外，Quick BI 還對(duì)可視化展示與復(fù)雜計(jì)算能力進(jìn)行了大量針對(duì)性優(yōu)化，構(gòu)建了一套強(qiáng)大的 BI 基礎(chǔ)引擎。這套系統(tǒng)不僅能夠很好地處理復(fù)雜的 SQL 查詢，還能通過高級(jí)的應(yīng)用渲染組件顯著增強(qiáng)數(shù)據(jù)可視化效果。

基于通義千問這一強(qiáng)大的基礎(chǔ)模型，Quick BI 成功構(gòu)建了專為數(shù)據(jù)分析領(lǐng)域優(yōu)化的大規(guī)模模型。在此過程中，特別關(guān)注了數(shù)據(jù)質(zhì)量、多任務(wù)協(xié)同以及模型泛化這三個(gè)關(guān)鍵要素。

（1）高質(zhì)量的數(shù)據(jù)：首先，高質(zhì)量的數(shù)據(jù)意味著多樣性。如果僅使用單一類型的數(shù)據(jù)進(jìn)行訓(xùn)練，那么模型的學(xué)習(xí)能力將受到限制，只能針對(duì)某一類問題提供解決方案。為此，Quick BI 團(tuán)隊(duì)向大模型提供了豐富多樣化的樣本以支持微調(diào)與預(yù)訓(xùn)練過程，確保其能夠處理更廣泛的應(yīng)用場(chǎng)景。此外，保持?jǐn)?shù)據(jù)的一致性同樣重要，這有助于避免因輸入信息不一致而導(dǎo)致的預(yù)測(cè)結(jié)果不穩(wěn)定。

（2）多任務(wù)間的協(xié)調(diào)：在模型訓(xùn)練階段，合理配置不同類型的任務(wù)比例對(duì)于提升最終模型性能至關(guān)重要。通過精心設(shè)計(jì)不同任務(wù)之間的相互作用關(guān)系，可以使模型在面對(duì)實(shí)際問題時(shí)更加靈活地選擇合適的解決策略。

（3）逐步提高難度：為了增強(qiáng)模型的泛化能力，在訓(xùn)練過程中采取循序漸進(jìn)的方式增加挑戰(zhàn)性是非常有效的做法。這種方法可以幫助模型更好地適應(yīng)未曾見過的新情況，從而提高其整體表現(xiàn)力和應(yīng)用范圍。

通過上述措施，Quick BI 不僅提高了自身產(chǎn)品的技術(shù)水平，也為用戶帶來了更加高效準(zhǔn)確的數(shù)據(jù)分析體驗(yàn)。

瓴羊?qū)Ω鞣N復(fù)雜 SQL 進(jìn)行了抽象。比如時(shí)間算子，做了單獨(dú)的訓(xùn)練和加強(qiáng)，能夠準(zhǔn)確理解用戶指令，將各類關(guān)于時(shí)間的表達(dá)精準(zhǔn)映射到具體的數(shù)據(jù)庫 SQL 指令。

4. 案例分享

分享過程中，葉筆長(zhǎng)現(xiàn)場(chǎng)還展示了一個(gè)企業(yè)使用實(shí)例。

Step1：需求背景

某企業(yè)在制定銷售激勵(lì)活動(dòng)時(shí)，需要對(duì)其銷售明細(xì)數(shù)據(jù)進(jìn)行深入的探查與分析，以確定具體的激勵(lì)政策方案。這包括對(duì)銷售金額的拆分、排名等一系列復(fù)雜的操作，旨在通過精細(xì)化的數(shù)據(jù)分析來優(yōu)化激勵(lì)機(jī)制，提高銷售團(tuán)隊(duì)的積極性和效率。

Step2：分析挑戰(zhàn)

在這一過程中，由于涉及到大量的數(shù)據(jù)分析工作，如根據(jù)銷售金額進(jìn)行拆分，并基于這些細(xì)分后的數(shù)據(jù)進(jìn)一步做排名等，采用傳統(tǒng)方法往往意味著企業(yè)必須向 IT 部門提出具體的需求，由專業(yè)工程師開發(fā)相應(yīng)的解決方案。這種方式不僅耗時(shí)較長(zhǎng)，而且靈活性較差，難以迅速響應(yīng)市場(chǎng)變化或內(nèi)部策略調(diào)整的需求。

Step3：解決方案

（1）快速搭建能力：提供一個(gè)能夠快速構(gòu)建分析模型的平臺(tái)，使非技術(shù)人員也能輕松地獲取所需的信息，例如各區(qū)域內(nèi)的銷售業(yè)績(jī)前三名。

（2）智能呈現(xiàn)方式：系統(tǒng)能夠自動(dòng)識(shí)別數(shù)據(jù)特征并選擇最合適的展示形式。對(duì)于包含地理位置信息的數(shù)據(jù)集，平臺(tái)會(huì)自動(dòng)生成地圖視圖，直觀展現(xiàn)不同地區(qū)的銷售情況。

（3）靈活鉆取與自定義分析：除了直接回答用戶提出的特定問題（如浙江省的銷售表現(xiàn)），該解決方案還能自動(dòng)擴(kuò)展分析范圍至全國各省，并允許用戶自由選取感興趣的維度深入探索。此外，整個(gè)分析過程透明化，用戶可以查看從原始數(shù)據(jù)到最終結(jié)論之間的每一步驟，增強(qiáng)了結(jié)果的可信度與可解釋性。

四、智能找數(shù)

除了智能分析方向的產(chǎn)品，葉筆長(zhǎng)還分享了 AI 在大數(shù)據(jù)領(lǐng)域另一應(yīng)用方向——智能找數(shù)。

1. Dataphin 產(chǎn)品實(shí)踐介紹

企業(yè)中的數(shù)據(jù)量一般會(huì)有萬級(jí)甚至十萬、百萬級(jí)，這些大規(guī)模的數(shù)據(jù)每天都在不斷地迭代更新，要從中快速找到真正需要的表就構(gòu)成了一個(gè)巨大的挑戰(zhàn)。

瓴羊的 Dataphin·DataAgent 有兩個(gè)核心能力：「快速找表」和「快速構(gòu)建私有化DataAgent」能力。

DataAgent 是基于已準(zhǔn)備好的數(shù)據(jù)資產(chǎn)（包括但不限于表格、指標(biāo)、標(biāo)簽和數(shù)據(jù) API 等），通過 Dataphin 快速編排而形成的智能化工具。它支持權(quán)限管理，能夠針對(duì)不同業(yè)務(wù)部門實(shí)施訪問控制。借助阿里巴巴成熟的數(shù)據(jù)資產(chǎn)管理經(jīng)驗(yàn)，企業(yè)可以創(chuàng)建專門的工作空間來構(gòu)建各部門的知識(shí)庫，并根據(jù)這些知識(shí)庫實(shí)現(xiàn)跨用戶群及部門間的權(quán)限隔離。與 Quick BI 提供的大模型解決方案不同，Dataphin 允許用戶靈活配置多種類型的大規(guī)模模型，以滿足不同企業(yè)和個(gè)人用戶的特定需求。

對(duì)于企業(yè)管理者來說，最大化利用企業(yè)數(shù)據(jù)資產(chǎn)的價(jià)值至關(guān)重要；而對(duì)于數(shù)據(jù)開發(fā)者而言，則需要提高處理眾多請(qǐng)求時(shí)的工作效率；數(shù)據(jù)分析師面對(duì)海量信息時(shí)，需尋找更高效的方法來檢索相關(guān)資料；此外，減少業(yè)務(wù)人員獲取數(shù)據(jù)過程中的等待時(shí)間和溝通成本也是亟待解決的問題。

Dataphin·DataAgent 為每位數(shù)據(jù)工作者提供了一個(gè)專屬的數(shù)據(jù)智能助手。該平臺(tái)集中管理來自多個(gè)源頭的數(shù)據(jù)資源，采用主題式的目錄結(jié)構(gòu)進(jìn)行組織，并賦予每項(xiàng)數(shù)據(jù)豐富的多維度屬性，從而實(shí)現(xiàn)了從原始數(shù)據(jù)到有價(jià)值資產(chǎn)的轉(zhuǎn)變。通過構(gòu)建向量數(shù)據(jù)庫并結(jié)合流程設(shè)計(jì)，用戶可以輕松創(chuàng)建個(gè)性化的智能助手，開啟智能化對(duì)話服務(wù)。

例如，官方推出的智能助手小 D 可以根據(jù)具體的商業(yè)目標(biāo)提出建議，并給出分析框架。此外，它還能深入剖析復(fù)雜問題，識(shí)別出重要的數(shù)據(jù)資產(chǎn)元素，幫助用戶精準(zhǔn)定位所需信息。同時(shí)，這款工具還提供了查看數(shù)據(jù)間的關(guān)聯(lián)性以及生成報(bào)告的功能，使得從需求分析到報(bào)表制作整個(gè)流程變得更加簡(jiǎn)單快捷。另外，當(dāng)有特定的數(shù)據(jù)提取需求時(shí)，它也能輔助生成相應(yīng)的查詢代碼，展示結(jié)果，并支持可視化數(shù)據(jù)分析，進(jìn)而高效地完成高質(zhì)量的數(shù)據(jù)分析報(bào)告，助力企業(yè)更好地挖掘其數(shù)據(jù)資產(chǎn)潛力。

用戶還可以自行開發(fā)定制化的智能應(yīng)用，并一鍵部署上線，以便更加有效地服務(wù)于具體業(yè)務(wù)場(chǎng)景，激發(fā)新的增長(zhǎng)點(diǎn)。

2. 通過應(yīng)用 AI 技術(shù)，在數(shù)據(jù)資產(chǎn)發(fā)現(xiàn)方面帶來的變化

過去，企業(yè)數(shù)據(jù)分析師通常是通過關(guān)鍵詞在數(shù)據(jù)資產(chǎn)中進(jìn)行搜索。而現(xiàn)在，分析師或運(yùn)營專員可以完整地表達(dá)自己的思路，DataAgent 能夠自動(dòng)解析這一分析框架，識(shí)別出其中涉及的數(shù)據(jù)資產(chǎn)。隨后，系統(tǒng)會(huì)智能匹配并推薦最適合的分析內(nèi)容。

五、小結(jié)

以上就是對(duì)智能分析和智能找數(shù)兩大產(chǎn)品的介紹。

在真實(shí)業(yè)務(wù)場(chǎng)景中，智能找數(shù)和智能問數(shù)并非孤立存在的，兩者在業(yè)務(wù)閉環(huán)過程中是一個(gè)完整體。業(yè)務(wù)人員分兩種，一種是完全不了解數(shù)據(jù)分析技術(shù)，一種是掌握一些數(shù)據(jù)分析技術(shù)。我們的產(chǎn)品在這兩種不同類型的人做數(shù)據(jù)消費(fèi)時(shí)，都能形成一個(gè)閉環(huán)。不懂技術(shù)的可以去看數(shù)據(jù)，懂技術(shù)的可以去找數(shù)據(jù)資產(chǎn)，找到數(shù)據(jù)資產(chǎn)后通過編排快速生成專屬 Agent，或者基于問數(shù)繼續(xù)提問來得到答案。兩個(gè)產(chǎn)品之間可以實(shí)現(xiàn)快速的切換和連接。

如何發(fā)揮企業(yè)中人的力量，讓企業(yè)中的每個(gè)人都可以用智能的方式服務(wù)好相應(yīng)的業(yè)務(wù)，這正是瓴羊致力于解決的問題。當(dāng)然，AI 時(shí)代還將會(huì)有更多數(shù)據(jù)消費(fèi) Agent 實(shí)踐，期待與大家一起去挖掘更多的業(yè)務(wù)場(chǎng)景和價(jià)值。