Aloudata 大應 科技 宣布其自研的分析決策智能體——Aloudata Agent 公開體驗版正式發(fā)布，面向全行業(yè)免費開放體驗。該產品是業(yè)界首個公開版企業(yè)級分析決策智能體，旨在以“NoETL 明細語義層 + 多 Agent”架構為支撐，深度融合專業(yè)領域業(yè)務知識，幫助不同業(yè)務角色在統(tǒng)一數(shù)據底座上，創(chuàng)建與業(yè)務場景深度適配的智能數(shù)據分析助手，通過自然語言交互，實現(xiàn)“智能問數(shù)-智能歸因-智能報告”的分析決策閉環(huán)。

該產品的發(fā)布，不僅標志著?Aloudata 大應科技跑通了大模型和數(shù)據工程結合，實現(xiàn)高效、靈活、準確、安全地智能問數(shù)的?NL2MQL2SQL（MQL:Metric?Query?Language）的技術路徑，還將“萬數(shù)皆可問”升維到數(shù)據驅動的行動建議，精準賦能業(yè)務決策與創(chuàng)新。

落地 ChatBI 不止于“萬數(shù)皆可問”，分析決策閉環(huán)才是核心

隨著大模型在企業(yè)中的應用日益廣泛，場景不斷拓展，企業(yè)數(shù)智化轉型速度加快。在數(shù)據分析領域，基于大模型的數(shù)據分析 Agent（即：ChatBI）迎來爆發(fā)，宣告了智能 BI 時代的到來。

與傳統(tǒng) BI 和敏捷 BI 不同，智能 BI 推動了數(shù)據民主化，賦予了業(yè)務人員更大的自主權，即便沒有深厚的技術背景或數(shù)據分析經驗，也能輕松完成取數(shù)、看數(shù)，無需漫長地等待 IT 人員和分析師制作報表。這一轉變，讓業(yè)務一線獲取數(shù)據的效率大幅提升，也使得“萬數(shù)皆可問”成為可能。

然而，從業(yè)務人員的實際需求來看，當查詢到某個數(shù)據后，他們往往會自然產生進一步探究的欲望。例如：數(shù)據表現(xiàn)不佳，迫切想知道原因所在；數(shù)據呈現(xiàn)良好增長態(tài)勢，希望了解背后的驅動因素。這種對數(shù)據變化進行歸因分析的需求，是業(yè)務人員在獲取數(shù)據后順理成章的下一步動作。

進一步講，業(yè)務人員在進行查數(shù)、看數(shù)和歸因分析時，還期望將分析內容拓展深化，以形成更具洞察力的分析報告，為下一步的決策行動提供有效建議。而這對于業(yè)務人員來說難度較大，需要耗費大量時間和精力，且分析結果質量參差不齊。

因此，落地 ChatBI 應不止于“萬數(shù)皆可問”的數(shù)據呈現(xiàn)，更應實現(xiàn)從“智能問數(shù)”到“歸因分析”再到“報告解讀”的完整路徑端到端分析決策閉環(huán)，讓業(yè)務人員可以清晰地了解到數(shù)據是什么、為什么會這樣，并能深入查看更多相關數(shù)據，獲取更多分析點，從而作出更科學、合理的決策和行動方向。

Aloudata Agent 產品經理趙袆祺表示：“在這樣的邏輯下，我們希望將 Aloudata Agent 與專業(yè)領域知識深度融合，構建適配不同業(yè)務場景的智能分析助手，為財務、HR、運營等不同業(yè)務角色提供更優(yōu)質的數(shù)據分析服務，全面助力企業(yè)數(shù)智化轉型。”

以 NoETL 明細級語義層為統(tǒng)一數(shù)據底座，保障數(shù)據可得可信

為了實現(xiàn)分析決策的閉環(huán)，Aloudata?Agent 沒有選擇市場主流的?NL2SQL?和?NL2DSL2SQL?技術路徑，而是選擇了?NL2MQL2SQL?的技術路徑。因為經實踐驗證，前兩者目前尚存在著“無法覆蓋全部數(shù)據分析場景”、“數(shù)據口徑不一致”、“分析靈活性不足”及“數(shù)據安全難保障”等問題。

導致這些問題的原因在于，NL2SQL?和?NL2DSL2SQL?技術路徑缺乏一個強大的數(shù)據底座，無法為上層?Agent 提供完整的數(shù)據覆蓋、精準的數(shù)據語義、強大的查詢性能、可靠的安全保障等能力支持。

相較之下，NL2MQL2SQL?這一技術路徑將?NoETL?明細級語義層作為堅實的數(shù)據底座，確保了智能分析的數(shù)據可得可信，并在靈活性、高效性、安全性等方面提供了強大保障。具體表現(xiàn)如下：

數(shù)據完整：基于明細層數(shù)據模型進行語義抽象，突破分析維度和數(shù)據粒度的固化，覆蓋完整的分析場景；

口徑統(tǒng)一：結合統(tǒng)一的指標語義管理，確保無論誰提問、如何提問，指標的計算口徑始終保持一致；

分析靈活：在統(tǒng)一口徑基礎上，進行任意指標和維度的動態(tài)組合、自由下鉆，真正實現(xiàn)“靈活查數(shù)，口徑統(tǒng)一”；

查詢高效：智能物化加速和查詢路由改寫，保障海量數(shù)據查詢性能，百億級數(shù)據查詢穩(wěn)定秒級產出；

安全可控：基于指標權限管控和行列級數(shù)據權限配置，保障數(shù)據查詢的安全可控。

在落地過程中，用戶只需將數(shù)倉中的 DWD 層數(shù)據接入 NoETL 明細級語義層，標準化定義基礎指標和維度即可完成數(shù)據語料準備。隨后，用戶在智能層進行問數(shù)時，像搭積木一樣靈活組合基礎指標、維度和日期，便可實現(xiàn)派生指標的即時計算和問數(shù)。例如，在 NoETL 明細級語義層僅定義“銷售額”指標，問數(shù)時可圍繞時間趨勢提問，查詢最近 30 天銷售額，也可進行某段時間內銷售額的最大、最小值和平均值計算，還能通過指標與維度組合過濾，查詢特定渠道或品牌的銷售額等。

以?NoETL?明細級語義層為堅實的數(shù)據底座，結合基于?COT?和?ReAct 的多?Agent 架構，Aloudata?Agent 將?NL2MQL2SQL?的技術路徑分為兩大模塊：

一是大模型 Agent，能夠準確識別用戶查詢目標，精準理解業(yè)務意圖，生成指標語義查詢?MQL，并負責將數(shù)據結果轉化為易于理解的洞察語言和圖表報告；

二是指標語義引擎：將 MQL?自動轉化為可執(zhí)行的?SQL?語句，實現(xiàn)?100% 準確的?SQL?查詢和物化加速，高效、準確輸出數(shù)據結果。在正式查詢前，指標語義引擎通過查詢?API 鑒權，核查用戶對查詢指標、維度及相關數(shù)據的權限，保障數(shù)據安全。

“通過將專業(yè)的任務分配給專業(yè)的模塊來執(zhí)行，我們實現(xiàn)了大模型和指標語義引擎的有效結合，并通過預先定義好的指標語義知識緊密連接，最終幫助用戶實現(xiàn)與數(shù)據的高效協(xié)同交互。”趙袆祺對此強調。

三大能力助業(yè)務分析決策閉環(huán)，深度適配業(yè)務場景創(chuàng)建分析助手

基于?NL2MQL2SQL?的技術路徑，Aloudata?Agent 不僅實現(xiàn)了“萬數(shù)皆可問”的智能問數(shù)，還具備了以指標為中心的智能歸因，以及主動生成智能報告的綜合分析能力，從而為業(yè)務提供深度洞察和行動建議。在?Aloudata?Agent 支持下，業(yè)務便能夠自助打通“取數(shù)-分析-決策-行動”的數(shù)據驅動決策的完整鏈路。

其中，智能問數(shù)支持業(yè)務通過自然語言進行數(shù)據查詢，借助大模型的意圖理解和語義知識庫檢索能力，自動解析語義邏輯，如時間、指標、維度、篩選條件和衍生計算等各種要素，再經由指標語義層精準生成并執(zhí)行?SQL 查詢，快速返回數(shù)據結果。無論是“北京各門店上周的客單價是多少？”，還是“今年各月華東大區(qū)的 GMV 增長率趨勢如何？”，Aloudata?Agent 都能輕松應答。

當業(yè)務完成取數(shù)，發(fā)現(xiàn)數(shù)據波動時，如“Q2 利潤下滑”，可進一步追問原因，“為什么利潤下降？”、“主要受哪些因素影響？”。Aloudata Agent 基于明細級維度下鉆和指標因子關系挖掘，可自動識別關鍵影響因素，幫助用戶快速定位問題源頭。

針對復雜分析任務，如“上半年經營情況”，Aloudata Agent 可自動制定分析思路和任務規(guī)劃，整合趨勢、對比、歸因結論，生成包含數(shù)據結果查詢、異常發(fā)現(xiàn)、歸因、對比與改善措施建議的結構化報告，將數(shù)據洞察轉化為可執(zhí)行的業(yè)務動作，在降低業(yè)務撰寫分析報告門檻的同時，也大幅提升了決策效率。

眾所周知，企業(yè)不同業(yè)務場景中，不同的崗位角色關注的問題、使用的術語，以及所依賴的數(shù)據和決策建議千差萬別，例如門店運營更為關注“單店業(yè)績”、“客流轉化”、“庫存周轉分析”等，區(qū)域經營則關注“多店對比”、“市場滲透”、“資源分配建議”等。如此類場景還有財務、人力資源、銷售、供應鏈管理等。

因此，Aloudata?Agent 支持深度適配不同業(yè)務場景，按照業(yè)務職能或數(shù)據領域，創(chuàng)建場景化智能分析助手，幫助不同業(yè)務更直接地獲取所需數(shù)據結果和分析報告。每個助手可配置獨立的資源管理，業(yè)務對負責的的指標資源進行獨立管理和維護，以確保信息隔離，避免造成各業(yè)務領域間的數(shù)據干擾。同時，每個助手還并支持業(yè)務維護個人術語知識和分析思路，以確保分析助手更加符合自身的數(shù)據分析習慣。

除此外，Aloudata Agent 還具有四大特征：

分析過程透明化：將分析過程精準翻譯為用戶易于理解的語言，詳細呈現(xiàn)查詢所涉及的指標與維度，及計算口徑，讓用戶清晰判斷輸出結果的準確性，確保對指標口徑的理解，保障數(shù)據分析的可靠性；

用戶可調整可干預：針對模糊問題，通過“反問”機制與用戶進行二次確認，確保問題意圖的精準把握。用戶可依據實際需求，靈活調整查詢條件，與大模型實時交互確認，包括二次確認查詢內容、動態(tài)調整查詢參數(shù)等操作，從而快速獲取符合期望的準確數(shù)據，提升數(shù)據查詢的效率與精準度；

交互式引導追問：在分析過程中，支持結果下鉆與引用追問，以及基于歷史會話的問題精準推薦和智能引導，幫助用戶精準鎖定上下文信息，確保追問過程的連貫性與準確性，深入挖掘數(shù)據背后的潛在價值，實現(xiàn)更全面、更深入的數(shù)據洞察；

知識可沉淀可隔離：支持用戶構建并維護個人知識庫，實現(xiàn)不同場景下知識的有效隔離。基于這種機制，大模型能夠快速學習特定場景下的專屬知識，針對性地提升問題回答能力，有效避免因知識混淆而導致的回答偏差，為用戶提供更加專業(yè)、精準的數(shù)據分析服務。

“通過 Aloudata Agent，我們幫助業(yè)務實現(xiàn)從‘數(shù)據獲取’到‘分析洞察’再到‘決策建議’的三級躍遷。”趙袆祺表示，“支持創(chuàng)建場景化智能分析助手，更是開啟了全新的數(shù)據交互形式，就像為特定業(yè)務角色量身定制的數(shù)據伙伴，深刻理解業(yè)務用數(shù)需求，針對性提供數(shù)據分析服務，精準賦能業(yè)務決策和創(chuàng)新。”

目前，Aloudata Agent 公開版已開放免費體驗，歡迎訪問 Aloudata 官網，立即預約。