大语言模型和 Agent 的发展为商业智能和数据分析带来了深刻的技术和产品的变革。智能数据分析领域不仅仅有 Copilot 和 ChatBI，数据智能体正在洞察归因、数据解读、深度数据报告等决策分析场景下生根发芽。本次演讲我将主要分享阿里巴巴分析 Agent（ QuickBI 智能小Q）实践，包括分析任务拆解规划、知识和记忆体系、深度洞察归因、Agent 和模型能力迭代等关键技术和实现细节，以及当前数据分析 Agent 们的核心叙事与技术逻辑。

演讲提纲

1. BI + AI + DATA 领域的发展

• 数据分析不止 ChatBI
• 阿里巴巴分析 Agent 介绍

2. 洞察归因决策分析

• 端到端的归因计算链
• 数据解读与决策

3. 智能报告：数据分析的深度研究

• 整体架构及核心技术
• 高质量任务规划与执行
• 分析工具使用与环境交互
• 分析智能体的记忆和知识系统

4. 经验 tips 和业务价值

• 若干实践经验 tips 细节
• 业务价值及客户案例
• 未来展望

演讲亮点

• 数据分析结合 Agent 的技术思考实践：如深度洞察归因场景的计算链设计、高质量的自主规划分析任务的引擎、分析智能体的记忆系统构建等
• 经验和干货：工程处理经验的优化和实践 tips，确保全流程的精准控制和产出效果的稳定，及在核心业务场景推广方案

听众收益

• 数据分析智能领域的最新技术方案和不同业务落地案例
• 阿里巴巴分析 Agent 构建的实现细节和经验、企业在分析智能上的技术选型避坑指南