近日，Aloudata大应科技正式推出了其自主研发的Aloudata Agent，这是一款旨在实现“万数皆可问”目标的分析决策智能体。该智能体基于NoETL明细语义层构建，能够让企业用户通过自然语言轻松完成查数取数、归因诊断、数据解读以及报告生成，进而驱动企业的经营管理决策。
在企业数据分析的发展历程中，经历了从传统BI到敏捷BI，再到如今的智能BI三个阶段。传统BI和敏捷BI阶段主要依赖于专业技术人员通过编写SQL或拖拉拽等方式进行数据查看和分析。然而，进入智能BI阶段后，借助大模型的能力，企业数据分析已迈向了面向更广泛人群进行主动和智能洞察的新阶段。
尽管大模型在智能化方面取得了显著进步，但在企业级数据分析场景中落地仍面临诸多挑战。Aloudata指出，这些挑战包括意图理解、数据口径一致性、场景覆盖度、性能优化与成本平衡，以及数据权限管控等方面。特别是在意图理解上，业务人员常以口语化和业务化的方式表达需求，这与数仓资产中的数据语言存在巨大差异，导致大模型难以精准理解。
为了解决这些挑战，Aloudata Agent采用了NL2MQL2SQL的技术路径，通过大模型将自然语言转化为对指标语义层的查询请求（MQL），再由指标平台将指标和维度的查询与计算逻辑转化为准确的SQL查询语句。这种方式不仅实现了自然语言意图与指标口径的精准对齐，还显著提升了问数的准确性和可靠性。同时，指标语义层还具备查询性能优化能力和基于指标的权限管理，解决了数据口径不一致问题和数据安全管控。
Aloudata Agent在技术创新方面取得了多项突破。首先，它采用了NL2MQL技术，实现了准确、灵活、快速和安全的数据问答。通过指标语义层沉淀的丰富指标和维度元数据作为大模型的知识图谱底座，提升了意图识别的精准度。其次，Aloudata Agent还采用了基于COT和ReACT的多Agent架构，能够高效解决复杂分析问题。该架构将复杂问题拆解为子任务，通过并行执行和短期与长期记忆的结合，提升了复杂问题的处理能力。
Aloudata Agent还结合了指标语义层和RAG（检索增强生成）技术，进一步提升了意图识别的准确性和指标与维度的召回精准度。当用户提出问题时，Agent会首先判断用户意图，并通过多路召回技术高效检索指标语义层中的指标元数据信息、维度元数据信息等，确保精准召回相关指标和维度。
在产品能力方面，Aloudata Agent的智能数据分析方案包含两层能力。第一层为指标语义层（Aloudata CAN指标平台），作为企业级知识库承担DWD层模型接入与语义建模的职能。第二层为Aloudata Agent层，开放对接各种大模型，实现多模型能力的统一调用。该层已沉淀了四大核心能力模块，包括自然语言的智能问数、智能归因、智能的数据解读和智能的报告生成。
Aloudata Agent的产品特性还包括分析过程透明化、指标口径可追溯、交互式引导与追问以及用户可理解可干预等。这些特性使得用户能够更便捷地理解和使用数据分析结果，同时确保数据分析的准确性和安全性。
目前，Aloudata Agent已开放产品体验通道，企业用户可以通过访问Aloudata大应科技官网预约咨询与试用。这款智能体的推出，标志着Aloudata在数据分析领域迈出了重要一步，将为企业用户提供更加便捷、高效和智能的数据分析解决方案。
