李飞- 如何利用 Agent 解决企业数据分析与洞察的经验探索.pdf

《李飞- 如何利用 Agent 解决企业数据分析与洞察的经验探索.pdf》由会员分享，可在线阅读，更多相关《李飞- 如何利用 Agent 解决企业数据分析与洞察的经验探索.pdf（30页珍藏版）》请在三个皮匠报告上搜索。

1、如何利用 Agent 解决企业数据分析与洞察的经验探索演讲人：李飞数势科技/AI技术负责人公司和个人介绍公司概况公司概况部分代表客户部分代表客户投资机构投资机构为企业提供基于大模型增强的数据分析数据分析 AI AgentAI Agent、智能指标平台智能指标平台、智能标签平台智能标签平台及智能营销平台智能营销平台，提升企业的数字化决策能力，推动企业数字化升级 2020年，由原京东技术副总裁黎科峰博士创立 行业首个商业化落地的数据智数据智能分析助手能分析助手SwiftAgentSwiftAgent 行业首发智能指标平台智能指标平台 在金融、零售、先进制造领域有深度技术和业务know-how010

2、10202030304040505目录企业数据分析与洞察的难点和挑战常见解决方案的技术路线如何设计分析与洞察Agent，以及难点和挑战总结和展望企业数据分析与洞察的难点和挑战以前我们是这样认为的.缺少好的数据体系来指引分析数据需求交付时间长，业务经常投诉分析灵活性和性能很难兼得业务异常问题定位难，数据无法归因数据洞见难以提炼，行动无从下手业务团队业务团队之痛之痛数据团队数据团队之痛之痛艰难用数的业务人员如：业务管理者、产品运营、业务专家分身乏术的数据工程师如：数据开发工程师、数据产品经理，数据分析师口径拉通困难，业务协作效率低问题是存在的，但是不是目标客户之痛实际上.20%60%20%企业数字

3、化建设数量占比数仓建设看板建设智能建设1.少部分企业仍处在数仓建设阶段，主要原因是数据之殇。2.BI和看板已在大部分的企业落地，ROI仍有待估算。3.数据的智能化的目标和场景仍是企业在持续探索的场景。真正的痛点是如何做出决策获取数据分析数据制定决策一线业务人员有很多的看板工具，对于他们来说痛点并不是灵活的看数据，而是如何响应数据的变化，快速制定策略。过程提效只是痒点给出当前正确的策略才是痛点从原始数据到有洞见的决策需要多少环节Python/R/SPSSPython/R/SPSS数据可视化工具数据可视化工具异常检测算法异常检测算法了解可执行落地的策略建议了解可执行落地的策略建议学会绘制折线图学会

4、绘制折线图高阶预测模型高阶预测模型相关性分析相关性分析归因算法归因算法复杂复杂SQLSQL撰写撰写了解数据清洗机制了解数据清洗机制归纳总结能力归纳总结能力“帮我看看最近的业绩情况，并给出一些决策建议帮我看看最近的业绩情况，并给出一些决策建议”原始数据（Raw Data)有洞见的决策报告（Insights）为什么需要Agent才能做成这件事Agent的本质是连接数据Agent提出任务数据查询数据报表异动分析数据报告给出行动数据源利用大模型利用大模型AgentAgent能力，显著降本增效能力，显著降本增效（大模型）（秒级响应）门槛低简单交互，人人都是数据分析师效率高数据查询，报告分析任务秒级响应能

5、力厚归因分析、异动分析、报告总结传统数据分析路径长，存在明显人力瓶颈传统数据分析路径长，存在明显人力瓶颈老板任务数据+BI工程开发数据查询运营任务数据+BI人工绘制数据报表产品任务数据+BI人工梳理异动分析临时需求数据+BI人工总结数据报告（人力瓶颈）（产出缓慢）门槛高商业分析，需借助研发与BI协助效率低需求响应数小时，决策不及时能力薄只能查数，分析需要人工交互性弱以数据查询与看板展示为主交互性强多轮追问、歧义反问，有理有据系统执行常见解决方案的技术路线企业级数据分析的实现路径NLP2APINLP2API：基于现有产品的语义层开放出独立的API用于扩展应用；NLP2SQLNLP2SQL：基于S

6、QL相对标准的数据库查询语言，完全由数据库自身来解释运行；NLP2PythonNLP2Python：让 AI 自己编写代码（通常是 Python）然后自动在本地或者沙箱中运行后获得分析结果获取数据和分析数据是必要过程，企业级的实现方式分别有NLP2API,NLP2SQL和NLP2python codeNLP2NLP2APIAPI实现路径实现路径1.数据逻辑封装成语义对象，减少大模型对复杂逻辑的理解和生成错误；2.分析范式封装成算子对象，扩展分析语言现有的边界。3.以“搜索+填空”代替“生成”，提升结果生成的稳定性。4.现有的平台或工具可实现组件化的复用。NLP2SQLNLP2SQL实现路径实现