2016 年 AlphaGo 战胜李世石，展示了 AI 在复杂决策领域的潜力，推动其向产业纵深发展。2018 年基于 BERT 模型语义理解能力构建 Databot 数据机器人，实现自然语言到 SQL 查询自动转换。2021 年LLM大语言模型爆发，我们利用 LLM 技术构建垂直化数据智能引擎，实现从规则到意图、单一到全链路、“工具”到“智能助手”的跃迁。本次演讲主要分享数据智能发展历史、LLM 技术突破带来业务演进、大数据领域模型建设以及对未来数据分析域产品形态的演进思考。

演讲提纲

1. 背景：数据智能发展史

• 大模型数据分析产品形态，从「传统BI」到「DI = AI+BI」

2. 数据智能相关技术发展史

• 早期：搜索式 BI
• 中期：基于 Bert NLP 交互式 Databot
• 近期：LLM 技术升级下的 DataAgent 机遇&挑战

3. LLM 技术引领数据分析领域业务演进

• 端到端的数据分析全域升级
• 代码补全： 临时查询取数、数据加工任务
• SQL 工具：日常 SQL 任务开发维护（联动修改、批量更新、Bugfixed ）
• Schema 建模：智能建模(字段增强、 表达式生成、数据集摘要)
• DataAgent 智能体 ：NL2SQL 分析取数、ADA 高级分析

4. 领域模型建设 & 落地效果

• 领域知识中心 ： 资产沉淀、知识挖掘
• 知识嵌入: 数据资产召回（表、字段、 数据口径、白皮书等）
• LLM 领域模型精调 ： CT、SFT、RL

5. 总结与展望

• 技术侧：LLM 模型能力提升、多模态技术结合
• 产品侧：新交互孵化、产品能力持续迭代升级

您认为，这样的技术在实践过程中有哪些痛点？

• 在实践中，如何构建领域模型相对通用模型的优势，且需要衡量 ROI 投入产出比

演讲亮点
从 0 到 1 构建大数据领域模型，支持端到端的数据分析全域升级。不局限于智能分析取数场景，同时利用知识挖掘、生产的方式沉淀领域知识中心

听众收益

• 从传统 BI 到 DI(AI + BI) 的转变，掌握数据分析产品的未来趋势
• 了解 LLM 在引领数据分析进化的演进现状
• 掌握 LLM 在数据分析全域升级的技术架构
• 了解大数据领域模型的搭建过程