专题演讲嘉宾：林鹏

随着人工智能技术的不断发展，数据分析 Agent 在企业业务分析中的应用日益广泛。通过自动化的数据处理与智能分析，这些 Agent 能够高效地挖掘业务数据中的潜在价值，辅助企业进行决策优化。本次演讲我将结合美团在业务分析过程中的实际案例，分享数据分析 Agent 在业务分析场景中的落地实践经验，包括数据采集、清洗、建模、可视化等关键环节的智能化改进。其次，我还会分享 Agent 如何提升分析效率、降低人力成本，并实现业务洞察的自动化。同时，针对落地过程中遇到的挑战与解决方案进行深入交流，帮助企业更好地拥抱智能数据分析，推动业务创新与增长。

演讲提纲

1. 分析多智能体的架构演进

• 构建智能分析系统：从“查数”到“能讲清楚原因”的转变
• 沉淀自学习与知识：实现分析知识从人脑向Agent系统迁移
• 闭环优化与业务共建：智能分析从工具型系统转变为业务增长的核心驱动力

2. 美团 BA Agent 的架构设计

• 整体工具体系的建设
• 分析子能力的智能化重构
• 图式任务建模到执行调度、状态管理与流式交互的完整生命周期

3. 分析场景知识库管理和建设

• 来源：分析思路、指标逻辑树、分析方法、业务分析偏好、目标策略
• 知识库及图谱的标准化管理

4. Agent 和模型的数据飞轮

• 基于 Human-in-Loop 的交互方式：关键训练数据的反馈、收集、构建
• 模型优化效果及自动化评测机制
• 面向 AI 的数据治理和数仓架构升级

您认为，这样的技术在实践过程中有哪些痛点？

• 模型能力不足：如何解决长上下文中模型指令遵循能力不足的问题
• 分析洞察深度不足：分析结论缺少与内部策略动作以及外部环境的的关联，无法提供有深度的洞察
• 人工评测效率不足：如何通过大模型方式构建自动化评测机制

演讲亮点

• 在通用数据分析能力的基础上，如何通过知识注入方式达到业务垂类分析场景可用性要求，实现【视角全面性】、【下钻逻辑性】和【结论可靠性】
• 在兼容业务分析可用性要求的基础上，如何设计以模型为中心的多 Agent 架构演进路线，实现业务分析流程的线上化
• 在传统数据治理基础上，通过升级数仓架构、构建 AI 友好的元数据治理体系提升AI取数的准确性和泛化能力

听众收益

• 分析场景对于取数准确率和分析结论置信度要求均很高，如何构建高质量数据和知识清洗的方法论
• 如何将分析师过往积累的业务 Know-How 过程实现在线化，构建在线反馈增强的 Agent 系统
• 如何设计科学测评体系指导模型迭代工作