AI 引领的企业级智能分析架构演进与行业实践
演讲嘉宾｜李飞
编辑 ｜Kitty
策划 ｜QCon 全球软件开发大会
你是否想过，数据分析能像对话一样简单？大模型技术正掀起巨浪，推动企业智能分析从“工具辅助”迈入“决策协同”的新纪元。在 InfoQ 举办的 QCon 全球软件开发大会（北京站）上，数势科技 AI 负责人李飞深度剖析了智能分析落地企业的核心路径与实战要点。
预告：10 月 23 - 25 日，QCon 上海站重磅推出「大模型驱动的智能数据分析」专题，直击大模型在可信分析、可视化、自动决策与主动服务中的前沿应用。从工程架构到业务价值，为您全景展现技术落地图谱，洞见未来趋势。敬请锁定！
以下为演讲精华实录（经 InfoQ 精编）。
1 企业数据分析与洞察的难点和挑战
中国数字化转型十余年，企业数据建设呈三层分化。首层是广泛覆盖的数据仓库；次层是提升业务效能的BI系统，但多局限于业务域，集团级数据常因口径不一而难以统一；第三层，部分先锋企业已构建场景化指标平台。面对这三层异构系统，智能分析平台必须建立统一标准（如MCP协议），打通数据孤岛，形成上层应用的核心入口。
工具层面，企业内部充斥着Python、SQL、低代码平台等多样化技能与组件。一家成熟企业的数字工具箱往往庞杂无序，技能散落各处。智能分析平台如何整合这些能力？如何压缩漫长分析链路？如何激活沉睡资产？这三大挑战亟待破解。
2 数据分析为什么要结合 Agent
为何Agent是破局关键？传统搜索引擎需人工筛选，推荐系统易陷入信息茧房。大模型凭借精准生成与检索，有望打破壁垒。在物理世界，人既检索信息，也检索工具。Agent正扮演“智能连接器”角色，将信息与工具无缝整合，成为企业落地智能分析的理想支点。
Agent不仅能连接，更能极大提升效率。数据分析交互历经代码编写、图形化操作，现已步入自然语言对话时代。用户习惯已被养成，他们渴望在专业领域用对话完成任务。但关键在于，从BI到大模型，必须实现数量级的效率跃升，否则应用价值有限。Agent正是实现这一跨越的引擎。
Agent落地需平衡“快思考”与“慢思考”。基础任务要求迅捷响应，复杂任务则允许更长时间以换取高质量输出。产品机制需设计多元Agent类型，以适配不同场景需求——从即时查询到深度分析，战术灵活多变。
综上，Agent能重构冗余流程，将数据分析能力民主化，覆盖更广泛人群。
通用Agent数据分析流程依赖两大核心：编排器与固定工作流。短平快任务用固定设计，复杂灵活场景用流程编排，兼顾稳定与弹性。Agent工具必须丰富多样，这是其核心能力。需建立专属的结果评估体系。
3 Data Agent 技术路线的选择和升级
我们为数据分析Agent设计了完整流程。用户请求预处理阶段，区分数据对象（如关系、口径）与逻辑对象（如编排方式）。对象编排需处理从属与冲突关系。随后，大模型生成DSL，结合多步思考、解码与投票策略确保输出稳定。后处理阶段包括错误修正、一致性检查与重排序，严控质量。
降低Agent输出SQL错误率，需聚焦四点：
关联数据模型与业务场景，减少大模型关联错误。例如，表关联时需考量显性、模糊乃至隐性关联关系。
处理字段冗余存储，降低选择错误。解决多表合并时的字段冗余问题。
压缩文本生成长度，降低时间成本与错误传递。过长的token生成易拖慢速度、积累误差。
提前优化查询语句，减少慢SQL生成。事后优化往往事倍功半。
语义层处理是Agent落地要害。广义语义层涵盖对象语义、加速语义与权限语义。对象语义包括数据与逻辑对象；加速语义通过预置快SQL提升速度；权限语义则按角色、部门、场景精细管控数据访问。
以“查看上月GMV”为例，GMV属数据对象语义，可通过大模型检索；而展示方式、粒度、排序等则属逻辑对象范畴。
我们采用双层处理：除预制算子外，引入Fix SQL语句。如同伪代码表达逻辑，Fix SQL可提取算子嵌入执行引擎，大幅减少预制工作量。
语义层之外，还有语义加速引擎，专为多维度大查询场景优化。
加速策略有三：预存储与预计算，初始化高频场景；自适应加速，基于用户问答统计下沉热门指标，实现越问越快；记忆机制，定义三类企业数据分析记忆。
企业数据分析中，记忆机制至关重要。问答每字都可能影响结果，故不能随意压缩。我们定义三类记忆：角色记忆（如运营场景标签），缩小检索范围；会话记忆（跨会话空间总结），实现上下文穿越；轮次记忆（短期对话上下文），关注细粒度内容。
记忆结构设计举例：结构化记忆通过实体链接建立常见问法对应关系（如“卖了多少”对应“销售额”）；非结构化记忆包括会话偏好（如用户常以饼图看销售额），通过权重召回，避免重复输入。
机制重点：记忆状态需时间衰减管理，增删改需精准；角色记忆与会话记忆融合时加权处理，再向量化聚合，避免重复识别，提升效率与准确性。
数据洞察研究是Agent的最佳落地场景。简单查询产品易被弃用，而深度研究契合“慢思考”与“10倍提效”目标。用户对报告生成时间更宽容，质量才是核心。
我们构建了数据洞察报告生成流水线，大纲与任务皆支持手动调整，灵活适配需求。
研究过程中，需权衡推理与非推理模型。简单内容用快思考小模型；复杂、千人千面的思维链场景，则用推理模型内化思考，降低COT成本。
4 Data Agent 的思考和展望
行业此前聚焦Agent在“数据到信息”段，我们则认为重心应在“数据到洞见”。业务方需基于数据总结、决策，Agent必须能提出结论与建议，方实现10倍提效。仅在前段优化，难有突破。
模型基座无需单一。Claude强于代码，GPT精于推理，Gemini擅多模态。基座模型日趋垂直，需灵活选型。每个场景都应预研分析，匹配最适模型。
产品形态勿舍本逐末。自然语言对话虽流行，但“点击”交互并未过时。Agent产品应融合对话、点击等多维交互，依场景选择最优逻辑。
企业数字化落地，贵在“大胆选择，匍匐前进”。方向要果敢评估，执行要坚定迈进。不畏挑战，直面吐槽。用户反馈是迭代飞轮的核心动力，对“吐槽”的Know-how与业务知识同等重要，驱动快速进化。
关于数势科技
数势科技成立于 2020 年，团队主要来自百度、京东等科技企业。数势科技 2021 年就开始研发标签平台和指标平台，并开发了行业首个商业化落地的数据分析智能体 SwiftAgent。公司在金融、零售、先进制造领域有深度技术和业务 know-how。
演讲嘉宾介绍
李飞，数势科技 AI 负责人。负责数势科技智能算法的开发，包括 LLM Agent，RAG，内容推荐，文本生成，知识图谱挖掘等算法技术。英国纽卡斯尔大学博士，在智能算法领域学术与工作经验丰富。在学术研究方面，拥有 10 项智能算法相关专利并发表 4 篇国际期刊，曾主导由欧洲玛丽居里计划资助的国际项目，在研究期间，共发表了 3 篇期刊文章、1 篇会议文章和 1 篇 Chapter；在工作方面，曾任职京东零售数据中台，负责人工智能技术在营销领域的相关落地，多次获得优秀员工及集团战略项目奖，曾获 HICOOL 全球创业大赛二等奖。
今日好文推荐
相关问答
什么是人工智能分析?
人工智能分析是BIGlobalConnect交易平台所嵌入AI人工智能系统所赋予的特有功能,能够对金融市场中的特定股票进行分析,提供建仓与平仓的时间点,来辅助投资...
阿里云-上云就上阿里云-触屏版
230万用户正享用阿里云提供的云服务器、云数据库、云存储、CDN、大数据等服务，7x24售后支持，故障100倍赔偿，快速备案，5天无理由退款。
智能健康分析-ZOL问答
智能健康分析扫地机器人联想联想智能扫地机器人讨论回答(20)深圳智谷联智谷联智能健康设备方案整合物联网、人工智能与医疗级传感技术,打造「采集-分析-...
智能分析之深度学习是怎样学习的?
谢邀!我不是很了解,我只能根据自己的设想是如下这样的,希望权威(比如吴恩达)来回答。以简单的红灯停绿灯行来举例:现在的程序会预先固化设定:红灯车停...
智能商业分析这个专业到底怎么样?
非常好,智能商业分析专业前景很好。国内的商业分析就业来说,初入职场的薪资待遇基本都是月薪上万。随着从业时间的增长,职业经历的丰富,可以拿到月薪3-6W,...
大数据智能分析是干什么的?
大数据智能数据分析,它是指运用统计学、模式识别、机器学习、数据抽象等数据分析工具从数据中发现知识的分析方法。智能数据分析的目的是直接或间接地提高工作...
智能电网深度解析?
智能电网(smartpowergrids),就是电网的智能化,也被称为“电网2.0”,是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、先进的设备技...
GIS与人工智能融合如何提升地理数据分析?-ZOL问答
MapGIS10.5推出的IGServer-S智能GIS产品,在人工智能技术方面实现了重要突破,不仅提升了系统的智能分析能力,也为城市智能化管理和决策提供了有力支撑,推动城市...
大数据AI智能能分析彩票么?
彩票这种组合本身就是高等数学里的“排列组合”中的一种,可与通过概率论来计算出每种组合的中奖概率,因此是可以通过大数据来计算出中奖概率的。但是由于彩票...
分析智能工程的基本研究内容?
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,...