01

背景

AI BI是大模型在企业落地价值最高的场景。为了深入探讨 AI 技术如何赋能 BI 系统，提升数据处理、分析和决策的智能化与自动化水平，我们精心打造了 DataFunSummit2025：AI BI 智能驱动峰会。它是国内首个聚焦 AI BI 领域的专业技术会议。作为数据智能领域的专业社区，我们深知技术和实践对于企业发展的关键作用，因此在会议内容的策划上，力求丰富多元，覆盖前沿技术、行业趋势以及最佳实践的深度解析。

这场会的核心价值主张：一场会，解决企业落地AI BI的全部问题！

02

会议完整议程及议题详情

上午场 09：00-12：00

主论坛：BI 3.0：AI BI引领商业智能革命

主论坛内容介绍：

魏博文   阿里云智能集团资深产品解决方案总监，大数据和人工智能平台解决方案负责人

演讲题目：数据 模型驱动AI Native应用发展

演讲大纲：

1. 今年是AI Agent元年，企业在AI落地时候遇到的挑战该如何应

2. 最大的挑战还是集中在多模态数据处理和低成本构建应用

3. 阿里云提供了端到端大数据AI一体化方案

听众收益：

1. 端到端的AI Native应用（AI Agent）落地

2. AI BI在企业的提效方案

落地挑战和方案亮点:

阿里云在中国乃至国际市场头部客户落地案例分享和企业最佳实践

朱滨 马上消费金融技术专家，AIBI项目负责人

个人介绍：深耕企业级软件研发20年，曾在国内外多家企业级IT软件服务商、SaaS服务商工作，参与过ERP、CRM/SCRM、aPaaS、BI等多个产品项目。

演讲题目：AIBI在马上消金场景中的应用实践探索

演讲介绍&演讲提纲：

一. 背景介绍

  1. 传统BI在业务数据分析价值落地的挑战

  2. AI为增强分析在企业的全面落地提供可能性

二. AIBI的技术体系建设

  1. 基于指标中台 轻量BI AIBI的产品体系

  2. 技术路线选择

  3. AIBI功能架构、业务能力架构

  4. 评测体系的构建

三. AIBI应用场景探索

  1. 业务落地方向 - BI Copilot、智能问数、深度分析、数据门户

  2. 典型落地场景介绍

四. 未来展望

  1. 探索与实践的方向

  2. 新的挑战

听众收益：

1. 马上消金在探索AI BI过程中的一些经验

2. 在构建企业级智能数据分析产品时的一些实践原则和模式

落地挑战和方案重点：

1. 业务知识搜集的挑战

2. 突破传统业务模式和业务/分析师的认知、习惯局限

3. AIBI生成结果的准确性、分析深度、稳定性如何保证

周卫林 Aloudata 大应科技 创始人 & CEO

个人介绍：周卫林，Aloudata（大应科技）创始人 & CEO，曾任蚂蚁集团研究员（P10）、蚂蚁集团数据平台部总经理，拥有 20 余年大数据领域从业经验，是国内最早一批数据仓库先行者。他曾深度参与并主导了阿里/蚂蚁集团从传统数仓体系到数据智能体系的数据技术演进过程，全面支撑了蚂蚁集团从支付工具到数字生活平台的升级，横向推动了整个蚂蚁集团业务数据化、智能化水平的提升。除此之外，他还是多个有影响力的数据工具类产品的主要缔造者，并由此孵化出多个进入 Gartner、Forrester 领导者象限的阿里云拳头产品。

演讲题目：对比印巴空战看 BI 代际革命与 Agent 技术突破

演讲介绍&演讲提纲：

一、对比空战新范式看 BI 的代际革命

1. 从近程格斗到远程超视距攻击 vs 从传统 BI 到 BI Agent

2. 空战新范式：“A 锁 B 射 C 导” vs BI Agent 核心突破——三链协同

二、BI Agent 技术突破：三链协同

1. 思维链

2. 数据链

3. 工具链

三、企业 BI Agent 应用展望与路径

1. 印度模式 vs 巴铁模式

2. Aloudata Agent 体系介绍

听众收益：

1. 通过类比借鉴的方式，更深刻地理解 BI Agent 代际革命带来的影响

2. 通过讲解 BI Agent 突破之道，更体系化地理解 BI Agent 的技术关键点

3. 建立独立的思考框架，设计合适的 BI Agent 应用建设路径

刘岩 腾讯游戏数据技术负责人

个人介绍：刘岩，腾讯游戏数据技术负责人、资深专家。负责通过资产体系、技术平台、AI、湖仓等技术降低游戏业务使用数据门槛，提升数据工作的效率，以数据驱动业务增长。

演讲题目：LLM在腾讯游戏的数据分析实战

演讲介绍：腾讯游戏从2023年开始使用LLM进行数据提取，经历过多次版本迭代，建立了基于AI的数据资产体系，实现大模型数据提取在多个业务应用；在2025年初开始探索基于Deepseek R1 数据分析，采用MCP架构实现了基于SOP的分析报告生成。

演讲大纲：

一、腾讯游戏在大模型工程化的探索

1.1 腾讯游戏应用大模型背景

1.2 大模型工程化的探索路径

1.3 在数据提取领域的成果

二、DeepSeek MCP带来的新变化

2.1  模型能力增强带来的应用AI化

2.2  MCP架构促进服务应用化

2.3  AI时代的资产体系

三、基于MCP架构的数据应用

3.1 公共模型 领域私有模型联合

3.2 现有系统的MCP适配

3.3 智能数据分析应用案例

听众收益：

• 解锁AI驱动新范式  ：了解腾讯游戏从智能化路径，理解业务需求与AI技术融合的实战方法论。

• 加速分析自动化  ：获取从数据提取、模型协同到场景化输出的全链路效率提升方案。

• 构建可持续资产体系  ：洞察数据资产与领域模型的双向增强机制，理解AI时代的资产治理等关键能力。

落地挑战和方案重点：

• 复杂系统的架构迁移  ：MCP架构的兼容性改造需解决数据孤岛打破、服务化接口封装等技术问题。

• 模型协同的可靠性：公共大模型与私有领域模型的联合推理面临知识边界冲突、生成结果可解释性等工程化挑战。

• 场景化落地的精准度：在智能分析报告生成场景中，需平衡规则强约束与大模型创造性之间的矛盾。

岑润哲 数势科技数据智能产品总经理

演讲题目：Data Agent：企业数据分析的范式革新——数势科技SwiftAgent如何重塑分析决策边界

演讲提纲：

1. 行业痛点与范式革命：从传统BI到Data Agent的跃迁

企业数据消费的现状与核心瓶颈

传统BI的局限性：被动响应、语义偏差、低效协作

常见数据分析方案的共性短板：取数不准、静态语义、单点智能、数据洞察决策价值弱

Data Agent定位和SwiftAgent产品架构：

从“工具执行”到“主动决策”：Data Agent的范式革新

SwiftAgent核心价值：0幻觉、0等待、0门槛

2. Data Agent落地的三大挑战与数势破局之道

• 挑战一：复杂业务语义的精准映射

传统方案：规则引擎 自然语言解析的局限性（如NL2SQL准确率60%左右）

数势创新：NL2Semantic Layer

统一语义层架构：引入统一语义层，查询准确率100%

• 挑战二：跨域复杂任务的高效协同

多数据源、多步骤任务的“碎片化”困局

数势创新：Multi-agent协作架构

基于Agent架构识别任务要素，并行处理多源数据，助力企业优化决策

案例：某零售企业跨渠道数据整合效率提升300%

• 挑战三：业务动态适应的持续进化

传统BI的“一次性交付”陷阱：难以高效适应指标变更与场景迭代

数势创新：Memory机制与持续学习

越用越智能，基于用户行为优化更贴合业务需求的分析思路

3. 实战验证：

• 案例一：头部城商行案例：SwiftAgent 作为行长数据秘书，数据驱动智慧银行决策

• 案例二：头部连锁茶饮品牌：SwiftAgent 帮助企业实现全自动门店数据分析和督导稽核

• 案例三：全球消费品巨头：SwiftAgent帮助品牌提升商品竞争力，优化供应链效率

4. 未来展望：Data Agent的民主化和生态化

听众收益：

1.认知升级：理解Data Agent与传统BI、ChatBI本质差异，掌握下一代数据分析范式演进方向。

2.实战洞察：获取复杂业务场景下的Data Agent落地方法论，规避行业共性实施风险。

3.技术前瞻：学习大模型 指标语义层 Multi-agent的数据分析Agent产品架构设计与实现路径。

4.决策参考：通过商业最佳实践，评估Data Agent在企业内的规模化价值。

百恼 蚂蚁集团 高级技术专家

个人介绍：在阿里5年，蚂蚁7年，主要负责蚂蚁分析平台DeepInsight

演讲题目：DeepInsight Copilot演进史以及未来探索

演讲介绍&演讲提纲：

1. 弱模型 SFT

2. 强模型 RAG

3. 端到端的解决方案

4. 评测集构建

5. 未来探索

听众收益：AI BI，蚂蚁积累了哪些经验，未来有哪些路径

扫描上方二维码咨询详情

下午场 14：00-18：00

专题论坛：AI-Ready数据底座论坛

分论坛内容介绍：

戴诗峰 腾讯游戏数据治理负责人

个人介绍：负责腾讯游戏的数据治理规划与架构，梳理并完善数据资产体系，保障数据安全合规，落地数据管理标准和相应平台。数据领域工作近20年，参与多个领域的大数据平台及数据治理的咨询与交付工作，擅长数据资产体系、数据治理标准及业务分析场景的规划与设计。

演讲题目：大模型时代的智能数据服务

演讲介绍：腾讯游戏在数据领域深耕多年，如今借助大模型技术，构建了高效的数据资产体系和智能应用架构。通过湖仓一体架构、重塑的资产体系、自助化分析能力等创新手段，实现了数据交付效率的大幅提升和资产复用率的显著增长。并结合具体的应用场景介绍模型、资产、应用三个方面的工程化融合方案，以及可持续运营体系的搭建策略。

演讲大纲：

一、腾讯游戏数据发展背景

1.1 腾讯游戏在数据工程发展

1.2 如何提高数据使用效率

1.3 新技术带来的数据资产变革

二、基于AI的资产体系建设

2.1  构建“人和AI”都能理解的资产

2.2  基于逻辑的资产模型

2.3  湖仓架构实时化改造

三、AI应用场景的探索

3.1 精细化运营的数据需求

3.2 应用工程技术架构

3.3 可量化的持续运营

听众收益：

• 掌握前沿技术：了解大模型在数据服务中的应用，了解腾讯游戏的应用实践，为自身业务提供技术借鉴。

• 优化数据资产：学习构建高效数据资产体系的方法，提升数据复用率，增强数据驱动业务的能力。

• 提升运营效率：借鉴腾讯游戏的数据资产运营经验，掌握智能数据服务提高资产运营效率的策略。

落地挑战和方案重点：

1. 数据资产建设与管理的复杂性：需要将业务需求、行业知识、数据结构等多方面因素进行整合，沉淀出高质量的领域模型和资产知识图谱。同时，资产的治理、优化和持续运营也面临诸多挑战，如如何确保资产的准确性、唯一性、复用性，如何根据业务变化及时调整资产结构等。

2. 大模型等新技术的适配与稳定性：对于大模型的生成幻觉、知识库的匹配、湖仓架构等技术方向，如何保证架构的稳定性、可扩展性和高性能，以满足业务实时性和灵活性的需求。

赵波 火山引擎数据产品解决方案高级架构师 

个人介绍：

• 深耕10余年国际和国内公有云数据平台、数据库和机器学习领域；

• 曾参与Microsoft Azure和Power BI落地中国、HPE Vertica中国区业务、国产数据库、数据平台等工作；

• 广泛服务于互联网、金融、工业制造、公共事业、科研等行业头部客户。

演讲题目：重塑数据根基：Data AI 多模态数据湖实战路径

演讲介绍：在数据量呈指数级膨胀与 AI 技术迭代加速的双重浪潮下，传统数据处理模式正遭遇价值挖掘的效能瓶颈。作为数据价值链条的核心枢纽，数据准备与挖掘环节亟待从「人力密集型」向「Data AI 深度融合驱动」实现范式革新。构建兼具高效性、智能化与扩展性的大规模数据处理体系，已然成为企业数字化转型的决胜关键。

本次演讲将紧扣 Data AI 前沿趋势，深度解析如何依托多模态数据湖等创新能力，搭建面向未来的新一代数据基础设施，并结合多行业实战案例，呈现技术落地的全景蓝图。

演讲大纲：

• 行业痛点：AI时代，非结构化数据带来数据存储、计算和治理困境，如数据孤岛、质量参差、多模态融合难

• Data AI的范式变化：Data AI的飞轮效应，数据滋养AI 到 AI反哺数据治理

• 多模态数据管道的工程实践：多模态数据管道的架构设计原理、关键组件实现以及性能优化技巧

• 新场景探索与展望：多模态数据湖在数据预训练、后训练、数据挖掘等场景中的应用实践

听众收益：

• 掌握Data AI驱动的大规模数据系统设计原则，理解从传统ETL到智能管道的升级路径。

• 获得多模态数据处理等场景的落地经验。

• 了解数据挖掘与AI结合的未来趋势，明确技术规划方向。

张晓明 爱奇艺技术总监

个人介绍：曾主导并参与数据中台、数据仓库、流量反作弊及BI系统等多领域大数据工作，深度聚焦数据全生命周期的价值挖掘与管理，致力于通过技术创新驱动企业数据生态的智能化升级。

演讲题目：盘活数据资产，驱动价值释放：数据仓库与ChatBI的融合之道

演讲介绍：企业在经过多年的运营后，必然会沉淀出大量的数据资产和数据模型，具有个性化需求的数据不好找、找到不会用、用了数不对的问题依然严重，本次分享将介绍如何通过LLM技术构建符合业务个性化的ChatBI系统，并结合数仓的建模思想，利用已有的数据模型快速搭建数据集，提高数据的利用率，使数据资产流动起来，释放更多的价值。

演讲提纲：

1. 背景介绍

2. ChatBI架构概览

3. ChatBI模块解析

4. 接入数仓数据

6. 数据的准确性评估（测试方案、内容版本方案）

7. 性能与成本的平衡 

8. 落地实践

听众收益：

1.基于数据仓库的搭建ChatBI的契合点是什么？

2.如何数据建模让ChatBI更懂数据？

落地挑战和方案重点：

1.如何让用户使用ChatBI数据更有信心？

2.数据查询的性能问题

关键词：

ChatBI、大数据、数据仓库、数据资产、知识库

林鹏 美团数据团队负责人

个人介绍：现任美团酒店旅行事业部数据团队负责人，聚焦数据智能在业务场景的产业化落地。拥有十年数据架构实战经验，曾参与数据平台方向从零到一的体系化建设，在实时计算引擎架构、流批一体特征工程平台、Data BI融合分析体系等前沿领域具备一定积累，实现数据资产向业务价值的规模化转化。

演讲题目：酒店旅行在M端场景的数据智能化应用和探索

演讲介绍：酒旅业务小助手服务于酒旅事业部组织提效，借助大模型实现M端分析师、运营、销售各职能个人工作提效和跨职能的流程优化，我们围绕“数据-信息-策略-行动”建设核心能力，数据上，完成规模化取数能力的探索，信息上完成部分信息非结构化知识的接入，策略上实现了分析诊断和初步业务建议输出，行动上将业务诊断建议的结果作用于播报工具、智能问答、销售等场景实现数据智能化闭环。

演讲大纲：

1. 架构革新：从传统指标仓库向AI驱动的数仓2.5层架构演进，实现分层架构的智能化简化

2. 资产转型：数据资产建设从服务人工分析转向支持人机协同的元数据体系建设

3. 能力升级：数据处理范畴从结构化数据扩展到非结构化知识增强与融合

4. 评估体系：构建端到端的AI取数准确性评估框架与方法论

听众收益：

1. 数仓扁平化架构升级：如何在传统数仓建模基础上实现数仓架构改造，并提升数据获取效率。

2. 非结构化知识清洗：如何基于业务实际know-why的非结构化知识，实现知识的运营管理和标准化清洗。

3. Agent架构演进：参照业界大模型的新技术实现预置工作流模式向自动生成工作流到智能体的演进。

落地挑战和方案重点：

1. AI取数场景的泛化问题

2. 数据分析框架的泛化问题

3. 预制工作流和agent的发展演进过程

4. 数仓架构的宽表建模和性能优化

扫描上方二维码咨询详情

专题论坛：AI BI智能中台论坛

分论坛内容介绍：

卓孔圣 理想汽车 高级算法工程师

个人介绍：理想汽车高级算法工程师，主要负责大模型应用的开发，包括NL2SQL算法研究与应用等，并且在大模型幻觉检测方向有深入研究与实践经验。

演讲题目：大模型幻觉检测在垂域任务的应用实践

演讲介绍：基于NL2SQL系统的开发，为保障系统的整体准确性，在系统的各个算法环节应用大模型幻觉检测技术，有效提高了幻觉拦截率70%；并且基于幻觉检测技术为模型上线前评测提供的新的指标-模型幻觉率，解决了通过评测集评测模型准确率不充分问题。

演讲大纲：

1. 什么是大模型幻觉？

2. 为什么会出现幻觉？

3. 幻觉会造成哪些影响

  1. 积极影响

  2. 消极影响

4. 幻觉检测的研究进展

  1. 主要有哪些方法及适用场景

    1. 有监督、

    2. 无监督

5. 幻觉检测应用实践

  1. 生成式分类任务

  2. 信息抽取任务

3. SQL生成（复杂且精准生成）

6. 未来展望

 1. 基于对模型机制的分析

听众收益：

1. 大模型幻觉检测技术的发展现状

2. 如何选择大模型检测方法用于自己的业务场景

3. 大模型幻觉检测的应用经验

落地挑战和方案重点：大模型在垂域任务微调后，如何解决模型推理能力范围外的问题时易发生幻觉的问题

齐翔 蚂蚁数科NLP和Agent算法负责人，高级算法专家

个人介绍：齐翔，蚂蚁数科NLP和Agent算法负责人，高级算法专家。

中科大本科，中科院计算机专业博士，博士方向专注NLP/机器学习领域，负责蚂蚁数科ToB Agent算法研发，关注Agent在B端严肃领域的知识工程、复杂任务推理、场景评测和系统进化等课题。

演讲题目：结合知识工程的ChatBI在蚂蚁数科的实践

谢苑珍 腾讯任高级算法研究员

个人介绍：

• 本硕毕业于中山大学，现于腾讯任高级算法研究员

• 发表期刊会议（KBS，ACL, WSDM, CIKM等）论文8篇

• 目前主要从事大模型在数据分析领域的前沿探索和落地

演讲题目：分解以提升注意力：通过工作流范式提升text-to-SQL的落地性能

演讲介绍：待补充

演讲大纲：

一、背景

Text-to-SQL的相关研究

Text-to-SQL面临的挑战

二、DEA-SQL(分解提升注意力的工作流范式)方法介绍

简介概览与模块介绍

实验设计与结论

三、落地OlaChat, OlaSQL相关实践概览

四、总结与未来展望

听众收益：

1）text-to-SQL的研究进展和工作流范式

2）企业该如何落地text-to-SQL应用

3）未来text-to-SQL的研究和实践展望

落地挑战和方案重点：

1) The LLM has limited understanding of tables, fields, and dimension values (Information Determination: two-stage)

2) Single-step COT capability is limited, How to design a good workflow paradigm for text2sql tasks? (Workflow Paradigm)

3) The capabilities of the LLM are limited, how to maximize the potential of the model? (Check optimization, active learning)

胡松林 理想汽车 算法工程师

个人介绍：曾在SAAS、互联网、制造业等多家龙头企业工作，深耕NLP技术与业务的结合。参与过任务型对话、电商搜索、智能BI等多个项目，具备大量大模型在垂直领域微调的经验。

演讲题目：NL2SQL自动化数据合成在理想汽车实践

演讲介绍：在In domain的NL2SQL任务中，大量的领域知识成为了系统迈不过去的难关。一方面，我们很难精准召回多样化的领域知识，另一方面，LLM是否能遵循领域知识进行回复也有待考量。为了解决上述问题，对LLM进行微调是一种合理的手段。然而，微调数据的获取确是一大难题。尽管我们可以预先搜集少量的种子数据，其数量和质量却难以保证。我们提出了一种基于中间表示的数据合成方法，可以实现知识遵循能力与SQL生成能力的解耦，自动化合成大量高质量数据。实验结果表明，我们的方法合成的效率是人工的60倍，在全量指标上合成准确率97% ，高于人类专家7个百分点。

演讲大纲：

1. NL2SQL中数据合成所扮演的角色

2. 数据合成面临的挑战

3. 基于中间表示的数据合成方案

4. 相关实验结论和认知导出

5. 不足和展望

听众收益：

1. 如何处理领域知识

2. NL2SQL数据配比思路

落地挑战和方案重点：

1. 语义复合指标（例如占比）其SQL逻辑要结合具体问题判断

2. 领域知识快速变化，导致不同版本的数据无法兼容

扫描上方二维码咨询详情

专题论坛：AI BI典型场景实践

分论坛内容介绍：

彭阳 百度 技术专家

个人介绍：目前在百度主要负责数据中台的数仓建设、数据智能分析洞察、智能预警等工作，包括数据基建、大模型agent应用等，在公司内在大数据、大模型应用上积累了十多篇一级专利，有着多年的数据应用开发经验。

演讲题目：百度App线上异常指标智能洞察

演讲介绍：企业在数据中台通常会针对端进行各项业务数据指标的建设，核心指标将直接影响APP产品效果以及用户使用体验。因此，当核心指标出现波动或者下滑时，能够迅速的分析波动情况，快速定位并解决问题，对减少用户受影响范围和提升整体APP用户体验至关重要。当业务出现线上指标波动时，整体的定位流程较为繁琐，包括业务数据分析、问题的值班分发、上线单的召回、线上问题的修复等，整个过程全依赖人工进行问题的定位和跟进，问题的定位和解决时间依赖于值班同学的分析能力以及对各个组件的熟悉成都，导致从线上指标波动到问题修复时间过长，加大了对线上业务的影响。

因此，我们构建了线上指标异常智能洞察的项目，基于业务本身同时结合大模型构建了多个Agent，包括归因分析、上线召回、用户行为分析、智能问数等。同时，构建了智能规划编排模块，基于大模型的决策判断、工具调用和长期记忆能力，根据不同的业务场景，制定不同的定位路径，将业务排查问题的整个过程进行串联，在业务线上指标波动时，快速的对问题进行召回。Agent整体准确率82%，线上指标异常的召回时间从小时级->分钟级。

演讲大纲：

1、数据中台业务建设背景

2、业务指标建设过程

3、大模型赋能业务

    归因分析

    上线召回

    用户行为分析

4、 multi agent协同工作

听众收益：

1、 技术选型，大模型和业务的结合能力

2、 Agent应用的落地

3、 多Agent编排模块的落地

落地挑战和方案重点：

1. 为了贴近业务，真正帮助业务，Agent构建过程中不可避免的有业务定制化的流程，那么对于新接入一个业务来说，成本相比纯通用化的设计会更高一些。

2. 目前Agent的规划能力并不是完全自主的，整体的运行流程还是依赖于基于业务构建的知识图谱DAG。

关键词：

大模型、知识图谱、Agent 应用

海书山 火山引擎Data Agent项目负责人

个人介绍：10年 数据行业从业经历，曾就职于Merkle、Kyligence等数字营销和大数据厂商，对数据应用、大数据、云计算和大模型解决方案有深入研究和实践经验，尤其在零售、金融、汽车等行业拥有丰富的数据架构、实施和咨询经验。

现负责火山引擎Data Agent 项目，致力于将前沿的大模型技术与企业核心数据深度融合，打造能够自主思考、洞察并行动的新一代“数字专家”，帮企业迎接数据驱动的全新增长时代。

演讲题目：Data Agent：超越BI与AI的边界

演讲介绍：Data Agent 作为数据智能的新浪潮，正挑战我们对数据准确性和流程可控的传统认知。它带来了 AI “幻觉”下的不确定性，也预示着数据、AI 与业务深度融合的新范式。本次课程旨在分享一些阶段性思考，包括如何管理这种可控的不确定性，如何构建适应快速迭代模型的“容器”架构，以及如何在保留传统数据产品价值的同时，引领数据基础向“AI Ready”转型，最终实现人与智能体高效协同的未来工作模式。

演讲大纲：

• 企业如何实现新旧数据能力的协同进化

• Agent 落地场景选择与价值衡量

• 数据分析智能体如何重塑数据分析链路，突破数据价值瓶颈

• 从 ChatBI 到 分析Agent：决策智能的跃进

• 适配行业场景解读及分析Agent演示

听众收益：

1. 掌握数据能力迭代方法论

2. 明晰 Agent 落地实践路径与价值评估方法

3. 清晰理解洞察决策智能升级方向

张卫 小米集团技术委员会 专家算法工程师

个人介绍：小米集团技术委员会专家算法工程师，目前负责AI创新应用的相关工作，包括智能代码助手、智能数据分析、智能问答助手等。曾就职于腾讯、阿里等公司，有十多年的搜广推、NLP算法经验。

演讲题目：从"数据"到"决策": 小米DIMI驱动业务增长实践

演讲介绍：DIMI作为小米公司自主研发的BI AI算法驱动产品，肩负着将海量数据转化为精准决策的重任。我们打造基础问数、复杂分析、深度报告等核心功能，助力人力资源、商业分析等业务领域降本增效。然而，落地过程中面临数据质量参差不齐、大模型垂域效果欠佳、业务场景复杂多变等挑战。为此，我们构建了AI数据分析框架，以适应不同业务需求，最终实现：纵向重点业务分析准确率>90%，业务横向复制<10min。DIMI的成功实践，不仅为小米业务增长注入强劲动力，也为行业提供了可借鉴的范例。

演讲大纲：

 一、业务背景

1. 小米业务多元化与数据爆炸式增长

2. 传统数据分析工具的局限性

3. 对智能决策工具的需求催生DIMI

二、方案选型

1.基础问数

2.复杂分析

3.深度报告

三、落地挑战

1. 算法泛化性不足

2. 业务拓展成本高

四、解决思路

1. 数据治理

2. 算法优化

3. 架构优化

五、未来规划

1. 持续优化算法能力

2. 拓展业务应用场景

六、总结

1. DIMI在业务增长中的价值体现

2. 技术创新与业务需求的紧密结合

3. 对未来数据驱动决策的展望

听众收益：

1. 了解BI AI融合技术在企业业务增长中的具体应用案例，掌握如何将前沿技术落地到实际业务场景。

2. 学习问数 分析实践经验，如何提升算法准确性。

3. 获得关于如何推动企业数字化转型和智能决策体系建设的思路与方法。

落地挑战和方案重点：

1. 算法泛化能力不足：面对不同业务领域的复杂需求，现有算法在新场景下的适应性有待提高，需要进一步优化模型架构和训练策略。

2. 横向复制成本：在业务快速变化的场景下，数据质量也参差不齐，如何使用大模型技术对数据进行诊断及优化。

翁旭东 腾讯PCG数据分析平台算法工程负责人

个人介绍：10年以上专注大数据数据工程研发，深耕BI与数据仓库领域。目前PCG数据分析平台的算法工程负责人，主导灯塔ABI项目建设，协同团队探索前沿技术应用方向，尝试将大模型与数据分析工具结合，逐步提升用户分析任务支持率。

演讲题目：从Excel到AI大数据表格：以“实用技术无感融入”用户分析工作流为目标，如何用轻量化工具重构企业级数据分析

演讲介绍：展示一款AI分析型表格工具（Tomoro-小表格分析大数据）的技术差异化优势（亿级数据处理 复杂任务通过率 多Agent组合应用框架）

背景：在BI工具建设过程中发现，非技术人员在进行自助分析时依然面临显著障碍。用户期望能通过Excel上一些熟悉的方式来解决他们的数据处理及分析问题。基于以上构建全新的通用分析工具，Excel表格 BI大数据 AI大模型 。

挑战：

1、表格形态操作下，如何解决超十亿量级数据的计算处理性能，做到秒级响应？（Excel能力上限不超过百万级）

2、基于大模型的智能分析Agent 如何做到 可用、可信、快速（准确性与效率提升），能解决多复杂的问题？（复杂分析任务完成率）

解决方案&思路：

1、分层计算框架

2、以提升任务通过率为目标的多智能DS Agent MCP工具支持

演讲大纲：

• 内容方向：

• 主题示例："从Exce到AI大数据表格：以"实用技术无感融入"用户分析工作流为目标，如何用轻量化工具重构企业级数据分析"

• Al Everywhere： 将AI能力融入Tomoro 的用户自助分析过程，提高效率，降低分析门槛；

• 分层计算框架关键技术手段：数据通过预计算、内存物化、高性能OLAP引擎；AI基于Modin、Ray加速；

• 增强提升复杂任务完成率：用户可感知价值、用户可明确任务是否符合预期、用户可识别是否错误、可校正错误迭代尝试，以提升任务整体通过率为目标建设智能应用Agent&核心运算Tools；

• 数据解读核心Agent集合：在多模态、动态环境中，实现意图-数据-工具的高效闭环对齐，并确保跨阶段状态迁移的鲁棒性、可解释性与分析效率。以及如何解决在AI分析过程中所遇到的困难：①语义模糊&数据质量&计算性能；②有效性&可解释性&速度；构建 输入边界打开，实现从洞察到体验的全面升级；

• 多Agent组合应用：通过智能分析导航 专业的分析Agent&Tool Agent 大模型Coding能力的组合应用，探索实现Tomoro 多场景的智能化应用。

听众收益：

1.AI BI应用实践交流

2.分层计算思路探索实践交流

3.多智能体Ds Agent探索实践交流

落地挑战和方案重点：

考虑用户使用习惯，结合 Data Agent技术和数据分析工程实践构建简单、易用、有价值的新数据分析智能应用

1.计算边界（可分析的数据范围和能力灵活度之间的trade off）

2.多智能体DS Agent的效果和通过率问题（需要持续迭代提升）

扫描上方二维码咨询详情

专题论坛：AI BI行业最佳实践

分论坛内容介绍：

王小东 新希望金融 AI中心总经理

个人介绍：曾就职于华为2012实验室和蚂蚁金服人工智能部，从事大数据和AI技术相关研究 11年左右。现就职于新希望金融科技，担任AI中心总经理，负责研发基于 AI 和大模型的创新型产品和新技术探索与突破以及风控算法研发，研发成果多次在未来银行大会进行发布。以第一作者申请发明专利30多项，发表论文近10篇。工作期间获华为2012实验室代码百强员工，新希望金融科技总裁特别奖，金熊猫高价值专利奖，成都市新经济领域人才， Qcon全球软件技术大会优秀讲师，Fcon全球金融科技大会优秀讲师，DataFun金融风控专题出品人和讲师等，主持多项四川省科技厅重点项目和AI项目，获得多项科技成果等奖项。

演讲题目：ChatBI在金融业务中的落地实践

演讲介绍：随着 ChatGPT、DeepSeek等大模型技术和应用的爆发式发展，大模型在金融应用场景的落地进程日益成熟。现有金融行业的BI分析和提数工具仍存在学习成本高、业务无法自助取数、数据分析难、数据无法有效洞察等问题。我司研发了智数ChatBI数据分析工具，在大模型驱动下，融合了 AI 和 BI 的优势，为金融业务提供了更加智能、高效的数据分析解决方案，为风控决策，业务增长提供强有力的支撑。

演讲大纲：

1 现有BI在金融行业的应用背景

1.1 数据分析对金融的重要性

1.2 数据分析在金融业务中的应用场景

2 人工智能技术给数据分析带来的机遇与挑战

2.1 传统AI BI技术

2.2 大模型 BI技术

3 智数ChatBI落地实践

3.1 产品介绍

3.2 技术架构

3.3 如何0-1搭建ChatBI

3.4 核心功能技术详解

3.5 核心算法技术详解

4 智数ChatBI落地应用案例

4.1 智能提数

4.2 金融风控智能决策

4.3 业务智能增长

5 总结和展望

5.1 智数ChatBI总结

5.2 下一步研发计划

听众收益：

1. 解锁AI BI赋能金融新范式：了解如何结合AI BI提升数据分析效率和洞察能力。

2. 智数ChatBI在金融行业的落地应用：了解ChatBI在智能问数、风控分析、业务增长、智能运营决策等领域的应用和效果。

3. 一站式ChatBI落地方案：从技术选型、模型选型、智能评测、智能提数、智能分析、智能洞察等多维度了解ChatBI的实现路径和技术原理。

落地挑战和方案重点：

1. 数据准确性要求：金融对数据分析的准确性要求较高，如何解决大模型幻觉问题对金融数据提取和分析准确性影响，如何从提问到分析理解到可解释性到正确执行全链路保证准确性。

2. 数据复杂多样难处理：金融行业数据对权限管理要求高，元数据缺失严重，数据未被合理治理，如何对这些现有问题进行解决以提升ChatBI的效果和落地时效性。

3. 数据分析时效要求高：金融对数据的时效性要求高，如何解决快速提数和多人并发场景下的提数和数据分析洞察问题。

陈嘉毅 网易数帆资深产品经理

演讲主题：有数ChatBI数据应用实践

陈嘉毅，网易数帆资深产品经理。主要负责BI、ChatBI以及AI数据应用创新，曾就职于中国联通，具备10年以上B端企业的BI解决方案经验。

演讲大纲：

1、有数ChatBI产品简介；

2、ChatBI核心能力：自然语义理解、意图识别、可视化、统计分析、归因分析

3、有数ChatBI差异化优势

4、ChatBI 客户案例和数据应用实践

听众收益：

1、ChatBI产品落地实践：如何快速构建【低成本】【高准确率】的智能问答系统

2、ChatBI产品集成策略：了解ChatBI产品集成能力，让自有系统搭载ChatBI能力

3、AI助力企业经管新范式：BI AI打造企业级智能数据助手

落地挑战和方案亮点：

• 数据问答准确率提升

• AI对话产品的易用性设计

钟雨 FreeWheel数据应用部门主任算法工程师，数据智能算法团队负责人

个人介绍：钟雨，本科和研究生就读于清华大学，现任FreeWheel数据应用部门主任算法工程师，数据智能算法团队负责人，负责业务异常检测、根因分析、ChatBI等。曾供职于京东广告数据团队，Spark Contributor，具备丰富的大数据开发与调优、数据挖掘和机器学习、大语言模型应用等经验。

演讲题目：ChatBI在FreeWheel视频广告行业最佳实践

演讲介绍：传统 BI 工具存在学习成本高、分析能力匮乏等问题，随着大模型技术的迅猛发展，ChatBI 在交互体验、智能分析能力及使用效率等方面，相较于传统 BI 实现了全方位的飞跃式提升。FreeWheel 在广告运营和数据分析场景中，构建了基于大模型的 ChatBI 系统，实现了自然语言取数、 智能数据洞察，大幅提升了数据获取与分析效率。本文将结合实际落地经验，分享在智能选表、Text2SQL、可视化和数据分析 Agent 等方面的核心实践，助力更多企业构建高效智能的数据分析体系。

演讲大纲：

一 、ChatBI赋能视频广告行业

1. 背景和业务介绍

2. Insights Chatbot概述

3. 让大模型理解业务问题

二、智能数据查询落地实现

1. 指标与数据目录

2. 关键词提取

3. 智能选表（Schema Linking）

4. SQL生成与优化

5. 数据可视化

三、智能数据分析的探索

1. 算法库

2. Workflow

3. Agent

四、系统最佳实践

1. 整体流程

2. 上下文优化

3. 效果与反馈

4. 优化经验分享

五、总结与展望

听众收益：

1. ChatBI在视频广告行业的落地应用：了解Freewheel ChatBI在智能查数、异常检测、根因分析等领域的应用和效果。

2. 掌握智能选表的关键技术与工程实现：系统介绍从关键词提取、表列召回到智能决策优化的完整技术链路，助力构建精准高效的选表能力。

3. 构建面向业务问题的数据分析能力：解读如何基于 Workflow 与 Agent 协同机制，实现灵活应对复杂数据分析需求的系统设计与落地路径。

落地挑战和方案重点：

1. 业务逻辑复杂，指标体系庞大：Freewheel视频广告业务涉及多平台、多渠道、多类型数据，如何准确理解用户意图、并将自然语言问题正确映射到底层数据结构，是落地的核心挑战之一

2. 分析场景多样，需求动态变化：用户的分析需求覆盖从日常报表分析到异常监测、从归因分析到策略优化，场景差异大、链路复杂

王世飞 四川书亦餐饮管理有限公司 CIO

个人介绍：王世飞，书亦烧仙草CIO，负责公司的信息技术方向，确保技术战略与业务目标保持一致，从而推动公司的持续发展和创新。在海外及和上市公司担任过高级信息技术管理职位，拥有超过二十年的行业经验。相信信息技术不仅是支持业务运作的重要工具，更是推动企业变革、创造竞争优势的关键力量。

演讲题目：拒绝低效分析！看 AI Agent 如何帮助茶饮连锁实现数倍分析提效

扫描上方二维码咨询详情 阅读  290