彭阳-20250621大模型时代智能数据服务_百度_彭阳_v2 (1).pdf

1、 演讲嘉宾：彭阳线上异常线上异常指标指标智能智能分析分析AI+BI AI+BI 智能智能驱动峰会驱动峰会中台项目背景介绍0102目录目录CONTENT 智能问数&归因 指标智能洞察 多Agent智能编排Agent建设思路AI+BI AI+BI 智能智能驱动峰会驱动峰会03 智能分析探索与实践01中台项目背景介绍AI+BI AI+BI 智能智能驱动峰会驱动峰会数据中台面临业务场景AI+BI 智能驱动峰会场景一:数据报表类需求数据建模报表建设提出数据需求需求方数据开发需求方BI 平台数据集自助拖拽需求方NL2SQLSeq2SQL规则引擎统计模型痛点：单向需求承接，边际成本高痛点：数据集学习成本高，

2、使用差异明显痛点；传统NL泛化性差，无法处理复杂场景ChatBI场景二:指标归因分析场景三:数据洞察线上指标异常业务告警指标分析业务关联分析分析结论人为排查报表式 BI敏捷BI智能BI数据异动归因(近7日新增发文量)经过分析，你负责的模块中，垂类=体育近7日发文量波动最大，共-20w条(环比-40%)。维度挖掘：通过对垂类=体育 发文量进行分析，机构 XXX 发文波动-18w(贡献度70%)方案推荐：按照以往历史经验，可对机构 XXX 作者 XXX 进行发文沟通干预，具体步骤为：XXXX数据异动归因(近7日作者活跃数)XX，今天您有 15 处异常指标需要关注核心指标看板近7日新增发文量100.

3、50 万日环比-10.07%周同比+1.76%近7日内容分发量40.4 亿日环比-10.07%周同比+1.76%近7日作者活跃数100 万日环比-10.07%周同比+1.76%目标-提升业务数据分析效率AI+BI 智能驱动峰会取数自助业务方通过自然语言2SQL/2Viz的方式，完成各个业务场景的报表需求异动监控基于报表完成各项核心指标的监控，支持多策略的告警方式，支持业务场景的告警配置推荐自助归因当报表指标出现波峰波谷时，agent学习业务的排查经验，自动给出分析报告根因洞察结合业务场景，建立各个业务指标的联系，完成跨业务的定位。支持多Agent工作流编排，端到端的给出指标波动的结论。02Ag

4、ent 建设思路AI+BI AI+BI 智能智能驱动峰会驱动峰会Agent建设思路AI+BI 智能驱动峰会APP打点APP/H5 SDK日志采集通用SDK性能SDK日志传输规范统一日志采集日志转发数据回溯数据基建离线数仓实时数仓模型基建文心4.5/X1专业小模型模型微调模型蒸馏工程能力基建RAG意图理解模型效果评估agent编排Text2SQL报表解读Text2Viz多轮对话指标自动归因业务报表自助异动分析经验图谱归因算法业务关联Feed搜索百家号电商好看Push贴吧用增性能百科文小言商业化数据分析平台指标中台训练数据构建智能监控指标智能洞察业务场景构建多Agent编排专业Agent建设数据飞

5、轮端/服务端/h5 统一日志格式快速支持业务迭代/数据分析Agent整体架构AI+BI 智能驱动峰会03智能分析探索与实践AI+BI AI+BI 智能智能驱动峰会驱动峰会智能问数&归因智能问数&归因-数仓建设AI+BI 智能驱动峰会业务需求方原始表ODS明细表DWD主题表DWS结果表ADSMysql/Palo/Ck结果表ADSMysql/Palo/CkBI报表ChatBI需求交付数据开发四层模型数仓需求提出结果表ADSMysql/Palo/Ck数据分析数仓结构复杂:表快速膨胀(500+层级表)跨层关联成本高：部分查询需要多层级的表关联，SQL易出错或者低效建模复杂路径繁琐元数据管理难:每层表/

6、字段的变化需实时维护。业务需求迭代频繁:频繁训练模型理解口径元数据维护成本高指标口径分散:同一指标在不同层定义不同，难以匹配，可能同名不同义、同义不同名语义映射混乱原始表ODS明细表DWD主题表DWSChatBI/归因分析准确率低四层建模缺点智能问数&归因-宽表建模&指标平台AI+BI 智能驱动峰会主题宽表（HDFS/Clickhouse）搜索原始表主题宽表（HDFS/Clickhouse）处理加工逻辑沉淀至底层数仓建模复杂-宽表建模极大降低建模复杂度，从4层建模-宽表建模单层查询500+业务表-20+宽表、数据集指标混乱-构建指标平台在宽表层完成口径统一，同时口径在指标平台进行注册，口径标准