AI 引领的企业级智能分析架构演进与行业实践

如果无法正常显示，请先停止浏览器的去广告插件。

1. 李飞

3. 数势科技为企业提供基于大模型增强的数据分析 AI Agent，提升企业的数字化决策能力，推动企业数字化升级。公司概况 • 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分析智能体SwiftAgent • 在金融、零售、先进制造领域有深度技术和业务know- how 部分代表客户投资机构

4. 目录

6. 企业数字化建设进度不一，大致分为以下三类数据仓库现状： 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.部分企业基于业务场景搭建企业级指标平台。 BI系统指标平台疑问：企业应该基于哪一层建立大模型数据分析？

7. 原始数据（Raw Data) 现状： 1.每个技能都分布在不同的角色或平台系统上； 2.分析结论需要经过很多环节。分析结论疑问：如何做分析能力的整合，以及沉睡技能的唤醒？

9. 信息茧房内容的偏好推荐搜索推荐 LLM 内容的检索过滤打破信息茧房人工过滤信息内容决策和思考的信息来源 01 02 TOOL 推动物理环境变化的手段

10. 通过自然语言快速满足业务需求，但是仅仅有自然语言可描述性的数据查询提效不明显。通过图形化设计和拖拉拽操作满足业务需求，图形化但是为了满足灵活的需求，设计及其复杂。通过SQL或python代码编写进行数据分析和硬编码洞察，但是需要研发角色和需求响应时长。代码分析到低代码的BI演进是因为“10”倍门槛的降低和“10”倍效率的提升，如果BI到LLM分析没有“10”倍的差距，就毫无意义

11. 依赖情感、记忆和经验迅速作出判断，它见闻广博，使我们能够迅速对眼前的情况作出反应思考的”快” 思考的”慢” 通过调动注意力来分析和解决问题，并作出决定，它比较慢，不容易出错

12. 利用大模型Agent能力，显著降本增效传统数据分析路径长，存在明显人力瓶颈（人力瓶颈）（产出缓慢）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 人工总结数据报告数据源提出任务数据Agent （大模型）系统执行数据查询数据报表异动分析数据报告给出行动（秒级响应）门槛高商业分析，需借助研发与BI协助门槛低简单交互，人人都是数据分析师效率低需求响应数小时，决策不及时效率高数据查询，报告分析任务秒级响应能力薄只能查数，分析需要人工能力厚归因分析、异动分析、报告总结交互性强多轮追问、歧义反问，有理有据交互性弱以数据查询与看板展示为主

13. 1.编排和固定工作流的划分，让稳的更稳，创新的更创新； 2.工具的多样性是核心； 3.针对数据分析结果的反思需要建立一套专属评估标准。

14.

15. 用户请求预处理检索生成数据对象对象召回逻辑对象描述口径关系对象编排 LLM DSL生成后处理多步思考错误修改解码策略一致性检查投票策略重排序 1.数据模型和业务场景相关，降低大模型关联的错误性。 2.字段冗余存储，降低选择的错误性 3.减少文本生成长度，降低时间复杂度和错误传递。 4.查询语句提前优化，减少慢SQL生成的概率

16. 在企业实际落地中，我们认为广义语义层要包括数据语义，加速语义和权限语义的定义 1 2 3 对象语义加速语义权限语义

17. 示例：数据对象语义逻辑对象语义帮我看一下上个月的GMV，按照不同城市进行排序数据对象语义：作为一个对象，在代码执行时会根据定义去查询，不需要翻译条件和表达式，减少出错的机会；逻辑表达语义：依靠SQL进行逻辑翻译，避免API开发带来的不灵活和效率低下；

18. • 查询加速：基于ROI优化OLAP引擎的查询路径，提升查询计算性能； • 自适应性：用户无感知，并基于用户提问智能识别出需要迭代加速的场景 • 实现效果：在跨底层模型join多指标查询时，查询速度比原始sql提升1-2个数量级，对比标准SQL查询速度，提升5-20倍，实现亚秒级查询体验

19. 01 02 03 角色记忆会话记忆轮次记忆用户的个人标签记忆，例如角会话记忆考虑用户的所有对轮次记忆中的每轮对话都是独色，行业，业务目标和关注场话，生成可捕获更广泛跨会话立增强的，重点关注各个轮次景等。的整体记忆。的细粒度内容

20. 非结构化记忆结构化记忆 {”卖了多少“:”销售额”,”上分”:”上海分行”,”质量问题””发热，易碎”} ...... 实体链接会话偏好记忆：“用户查销售金额时候，喜欢使用饼状图进行对比。用户想要查的公司一般指上海银行。用户做比较的时候，也喜欢把北京分公司的对比加上”。用户输入：2024年6月份，我的公司公募基金销售金额与5月相比下降？”} ...... • 时效性：避免重复识别，提高计算效率； • 准确性：提高识别的效果和稳定性；相关相似检索记忆状态：增删改处理记忆权重：加权平均，时间平滑

21. Research是Agent最好的落地场景，符合“慢思考”和“10”倍提效。模板报告实例大纲生成任务生成任务执行迭代式任务下钻 Agent执行总结式 Agent池状态传递修订信息召回消息传递记忆汇总反思

22. 支持多种生成报告形式，如用户上传分析模板后，由大模型进行outline提取 1.支持模板上传/报告实例进行outline解析 2.用户也可以自由输入报告需求由大模型生成 3.用户通过专家模板库自动推荐合适的模板进行报告生成（开发中）思考过程与大纲，大纲内容支持编辑

23. 什么时候适合用推理模型，什么时候更适合用非推理模型，从数据洞察的金字塔讲起更适合由推理模型辅助完成（结合COT的“慢思考”） 01 02 03 04 Data-Driven Action Plan：核心指标整体复盘与建议输出 Wisdom Knowledge Insight Ex. “帮我对今年10月份XX分行的业绩做个复盘“ Data Reasoning：洞察归因分析、异常分析、趋势分析 Ex. “帮我看下今年9月到10月的余额变化情况，并做个归因分析“ Data Discovery：数据统计分析（如同环比、占比、对比等） Ex. “帮我看下今年10月不同分行的余额以及月环比增速，并对增速进行降序排序“ Facts Ask Data：数据查询、数据检索、事务型查询 Ex.“帮我看下今年10月底余额”、“帮我查看下XX分行的总资产” 更适合由非推理模型快速进行意图识别和语义解析完成（“快思考”）

24.

25. x50 数据需求满足效率 90%+ 客户痛点行领导分析需求满足度 100% 指标语义理解准确率应用的核心产品能力行内领导可以通过自然语言形式快速获取每日所需经营数据，并支持智能生成可视化图表数据查询效率低：数据需求无限，开发资源有限，需求排队严重；从询问到结果使用场景净收入分析 1200+ 上线一周领导主动问询数量使用部门项目一期服务重点总行领导自然语言数据查询贷款情况分析根据行内常用分析维度与指标的因子关系，进行自动化归因分析与建议生成，帮助行领导快速发现数据异动的原因，形成业务闭环。指标归因慢：主要依赖分析师人工在BI工具或Excel中进行维度与因子下钻，手工挖掘洞见归因分析数据解读靠人工：领导每次对于大量表格表示看不过来，想直接知道结论和哪些指标出了问题 <6秒基于明细数据自动进行趋势分析、占比分析、排序分析和异常值分析等工作，并将生成的结果以清晰易懂的报告形式进行展现报告生成存款情况分析分支行领导项目二期服务重点业务分析师同业负债分析

26. 痛点1：数据需求无限，开发资源有限，需求排队严重数据 ① 需求管理团队 … 需 ② 求排队信贷团队财富管理团队信用卡团队代发团队痛点2：指标口径不一致，定义黑盒，无法高效复用指标口径不一致：各部门指标的数据来源不同、指标口径定义也不同，拉齐业务口径沟通成本高、技术口径难梳理，下游应用五花八门，分析决策难数据资产是个黑盒子：数仓模型与指标无清晰映射，指标定义全靠开发人员文档记录，上游指标变更影响哪些下游应用，追溯过程复杂难回答 … • 烟囱林立 • 指标口径不统一数据应用开 ④ 发完成 … 结果表数 ③ 据开发数仓杂乱数据源数据工程师 IT部门指标加工黑盒子 • 指标定义黑盒子 • 无法高效复用

27. 以该金融机构的数据应用场景为例，通过自然语言指标取数，系统能够快速准确地获取相关数据；智能归因分析则帮助找出业务发展中的关键因素和问题所在；自动报告生成则以直观的方式呈现分析结果，为银行的决策制定、风险管理、业务优化等提供有力支持。这些场景展示了在银行业中运用自然语言处理和数据分析技术的重要性和实用性，有助于提高银行的运营效率和决策科学性。 03 客户行为分析 02 理财产品销售分析理财经理需要了解上个月理财产品 01 的销售情况，询问“上个月哪几款理财产品销售额最高”，系统通过自然语言指标取数，帮助理财经理了解市场需求，优化产品推荐策略信用卡业务分析常见问题如：“信用卡逾期率最高的客户群体是哪些”，系统通过自然语言交互形式，从信用记录、消费行为、收入情况等多维度数据，找出逾期率最高的客户群体特征，以便银行采取针对性的措施降低风险 04 分支行业绩对比运营团队提出“客户流失率与哪些因领导想要比较各分行的贷款业务总素相关”，系统进行智能归因分析，量，询问“A分行和B分行今年的贷找出导致客户流失的关键因素，如款业务总量对比如何”，系统通过自服务质量不佳、产品缺乏竞争力然语言取数与报告生成，为总行领等，为银行改进服务提供依据。导提供业务指导提供参考。 05 风险评估在评估贷款风险时，询问“近期贷款违约主要集中在哪些行业”，利用智能归因分析，找出贷款违约集中的行业领域，为信贷部门调整信贷政策、加强风险管理提供重要依据。 06 财务分析财务部门经常询问“各项业务对利润的贡献比例是怎样的”，系统通过智能归因和自动报告生成，综合考虑各项业务的收入、成本、风险等因素，计算出各项业务对利润的贡献比例，并以图表和报告的形式展示，帮助财务部门进行成本控制和利润优化

28. 关心的问题？ 1 指标异动推送 2 多维度分析异动预警【对公贷款余额】出现指标异动，通知领导进行关注多维分析我行今年每个月按分支行和客户类型的对公贷款余额如何？趋势是怎样？ 3 归因分析哪个分行下降的最多，哪些客户类型下降了银行领导 4 归因分析结论输出帮我对上面数据形成一个总结报告吧扫码体验数据解读

29. “准确” 1. 连接数据语言与业务语言的NL2Semantics技术 “友好” 2. 用户友好的交互式反问与引导让大模型及时反问与追问，引导业务人员一步步成为专业分析师通过构筑企业的标准化指标语义层，让大模型完美解析用户需求，实现精准取数 “敏捷” 3. 基于Agent架构的强大规划能力大模型的思维链与ReAct架构辅助高效拆解复杂问题，并精准回复 “安全” 4. 严格的数据安全保障精细到指标行列权限的管控机制满足金融机构数据安全要求

30.

31. 未来每一个企业拥有若干个数据应用相关的“数字员工”

32. Claude偏重代码 GPT偏重推理 Gemini偏重多模态

33. “Click”不会消失，切勿舍本逐末

34. 大胆选择，匍匐前进

35.

36. 大模型正在重新定义软件 Large Language Model Is Redefining The Software