《岑润哲-替代NL2SQLAgent+业务语义的创新产品设计DataFunSummit2024_DigitForce.pdf》由会员分享,可在线阅读,更多相关《岑润哲-替代NL2SQLAgent+业务语义的创新产品设计DataFunSummit2024_DigitForce.pdf(35页珍藏版)》请在三个皮匠报告上搜索。
1、DataFunSummitDataFunSummit#20242024替代NL2SQL,Agent+业务语义的创新产品设计岑润哲/数势科技数据智能产品总经理引言:大模型技术对于数据分析领域能够解决哪些痛点解决方案:智能分析产品常见设计思路以及优化路径技术架构:Agent架构结合数据语义层(Semantic Layer)如何实现产品落地应用场景:某零售连锁行业智能分析助手落地案例产品设计理念与挑战:LUI+GUI融合的产品设计理念与挑战未来展望:智能数据分析产品演进展望01引言:大模型技术对于数据分析领域能够解决哪些痛点痛点以下是3个不同客户发出的真实声音示例,反映了管理团队对现有数据驾驶舱大屏
2、产品的痛点体验:Data Insight:我们公司花了很大精力建设了驾驶舱和各种大屏,看起来很高端,但数字并不等于见解。每次有具体问题,团队还得回去挖数据、分析指标,周报变成了无尽的等待游戏。Speed is Everything:每当董事会要求针对数据作出快速反应时,我都希望能够立刻拿到结论,这个数据大屏却只能给我表面的数,深入分析还得是手工在数仓里建作业,太慢了。The Golden Why Question:我们的驾驶舱解决了数据展示的问题,但未触及数据解释的关键。当涉及到业务背后的为什么时,它似乎没有答案。这些真实的客户声音例子反映了一个通用的诉求:管理团队需要的不单是数据的可视化展示
3、,更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释,对数据分析工具的智能性和即时交互性有着更高的期待。信息过载管理团队之痛:现有数据产品无法端到端快速产出深度结论业务人员之痛:BI产品学习门槛高,归因解读靠人工痛点以下是3个不同客户发出的真实声音示例,反映了业务团队在指标获取、数据分析与数据挖掘方面的核心痛点:SQL学习难度高:尽管我们有意愿深挖数据背后的真相,但SQL的复杂性让我们非技术人员望而却步。许多时间都浪费在了查询语言的学习上,而不是洞察和行动。BI报表配置难度高:我们依赖BI工具来提供数据的可视化,但每次都需要技术团队介入来配置数据集和报表,它的复杂程度令人沮丧。大量
4、时间花费在导出数据到Excel里输出结论:分析团队的日常就像Excel的奴隶,时常花费大把时间将数据导入、整理和分析,这种重复低效的工作限制了我们对数据快速反馈的能力。SQL学习难度高BI报表配置难度高导出到Excel手动看数成了日常工作数据分析师/工程师之痛:重复报表需求杂、指标口径不统一、难以实时响应业务变化痛点以下是3个不同客户发出的真实声音示例,反映了数据团队在指标定义、指标开发和指标管理方面的核心痛点:报表需求灵活多变,临时表冗余:我们数据团队大部分时间都花在了应对业务部门多变的报表需求上,每次业务流程一变,我们就得开发各种临时表、中间表。这不仅效率低,还很容易造成错误,甚至有的表用
5、一次就废了指标口径不一致:虽然公司有众多部门在使用数据,但每个团队对同一指标的定义却截然不同,没有统一的数据口径和解释标准。这种不一致性给跨部门的沟通和决策带来了混乱难以实时响应业务新增指标需求:每次业务人员新增一个指标开发需求,都希望我们能半小时内提供相应的指标。现状是,虽然我们已经在数仓加班加点开发了,但还是被业务团队说反应慢,有苦说不出报表需求灵活多变指标口径不一致难以实时响应业务新增指标需求01交易额A02交易额B03交易额C大模型的Agent架构结合指标语义层将加速数据民主化的进程未来管理者/一线业务员直达数据,用数门槛降低,提升企业经营决策与日常业务流中数据参与度(民主化)LLM+
6、Agent架构管理者/业务人员管理者/业务人员数据分析师数据工程师原始数据BI现在数据产品经理Semantic Layer共同维护原始数据用不明白跑不过来教不明白ETL任务太多02解决方案:智能分析产品常见设计思路以及优化路径基于仓内指标语义的实现路径-繁琐复杂、业务指向性差数据湖数据应用数据仓库集市层数据仓库DW层指标呈现数据集存储及加工原始数据表1原始数据表3原始数据表n数据应用表1数据应用表n维度表维度表事实明细表事实明细表原始数据表2维度宽表带有维度的轻度汇总表数据应用表2数据应用表3带有维度的轻度汇总表BI工具/智能分析助手数据集1数据集2支付人数22,000数据上传维度数据大屏数据