LLM 的发展，引发新一代的内容理解、生成技术热潮，也使得门槛相对较高的数据研发治理领域，有了更加平民化、提供自然语言接口的可能。

DataLeap 是火山引擎数智平台（VeDI）推出的大数据研发治理套件，核心是帮助企业快速完成数据集成、开发、运维、治理、资产、安全等全套数据中台建设。

演讲提纲：

1. LLM在 DataLeap 数据资产方向的实践与应用
   • 数据资产行业发展历史与现状
   • 数据资产行业痛点
   • LLM应用：DataLeap-找数助手
2. LLM 在 DataLeap 数据开发方向的实践与应用
   • 当前数据开发的现状
   • 数据开发当前痛点
   • LLM应用：DataLeap-开发助手
3. DataLeap LLM 未来规划
   • LLM 在 DataLeap 迭代规划
   • 全链路 AI 能力

听众收益点：

• DataLeap 大数据研发治理套件的核心能力和优势
• LLM 技术在大数据研发与大数据资产消费领域的实践
• LLM 技术目前在大数据平台产品应用的局限

随着数据湖相关技术的逐渐成熟、湖仓理论的发展，生产环境落地已经非常广泛。相比较传统数仓在数据更新时效性、查询索引增强等方面有明显优势，在基于云对象存储的存算分离架构下表现更为突出。本次演讲将从作业帮现有架构面对的挑战出发，结合真实的业务场景，阐述相关数据湖仓技术方案和实践经验。

演讲提纲：

1. 现有架构的挑战
   • 作业帮现有数据架构
   • 架构缺陷及历史问题
2. Iceberg 介绍
   • 元数据结构&特性
3. 湖仓整体架构
   • 典型场景
   • 架构方案
4. 湖仓实践
   • 采集入湖实践
   • 离线计算实践
5. 展望和不足

听众收益点：

• 作业帮的业务场景及可复制的湖仓架构设计；
• HIVE 到 Iceberg 迁移及 Iceberg 应用实践；

爱奇艺数据中台团队在管理和服务公司内数据资产，实施数据治理的过程中，不断吸收新的理念，引入新的工具，精细化爱奇艺的数据体系管理。

“数据湖”作为近年来数据领域广泛热议的概念，其技术层面也受到了业界的广泛关注。我们的团队对相关数据湖的理论和实践进行了深入研究，认为数据湖不仅是一种集成和处理数据的极具前景的技术，更是一种治理数据的全新视角，可以对数据管理、数据存储、数据链路等治理工作带来显著提升。

演讲提纲：

1. 爱奇艺数据体系与数据治理工作介绍
2. 数据治理工作中遇到了哪些问题
3. 数据湖技术是如何解决数据治理工作中问题的
4. 数据治理工作中应用数据湖技术获得了哪些收益
5. 未来规划

听众收益点：

• 了解数据治理中遇到的一些问题的一种解决思路
• 了解数据湖技术如何在数据治理起到作用

随着云原生技术的发展，数据库与大数据行业趋势也有了一些转变。Serverless、全托管，以及自建数据库均有其适用的场景。然而，如何在可控性和成本之间找到平衡、在复杂性和易用性之间找到演进的方法，是亟需关注的问题。DevOps 和云原生带来了新的管理范式，容器化、容器编排、基础架构即代码、声明式 API 等给业界带来了新的启发。将 Kubernetes 作为业务与云的中间适配层，将多种数据库引擎统一管理，做好抽象能够更好的管理好多场景下使用云数据库的复杂度。

本次演讲，会从背景和历史教训出发，基于软件开发的新理念，为大家介绍如何做好多数据库引擎的抽象，如何用领域来封装复杂度、如何用低代码扩展新引擎？我们应该如何理解 HTAP？向量数据库可以被统一管理吗？混合云专有的 DBaaS 如何实现等等。

演讲提纲：

1. 历史与教训：云原生数据库与大数据领域的研究
2. 企业对数据基础设施的需求和本质
3. 抽象：如何更好的管理复杂度
4. 易用性：如何获得丰富的Day-2 Operation

听众收益点：

• 了解新一代的数据基础设施理念与实践
• 了解基于 Kubernetes 的有状态服务的抽象