大模型的迅猛发展正逐渐重构各类垂直领域的生产方式，其中大数据结合AI方向作为大模型元年就持续讨论的话题，对大数据行业尤其是数据分析产生了深刻的影响。

本次演讲将从业务场景出发（如：智能指标ChatBI、数据开发AISQL等），并结合真实的业务应用，阐述领域内的主要矛盾、相关的技术方案和选型。也希望和各位一起讨论大数据处理技术、企业数据模型、大模型等领域如何结合的痛点和相关问题。

演讲大纲

1. 货拉拉指标场景的准确率挑战
2. 准确率和通用性如何兼顾
   • 指标领域知识理解问题
   • 数据模型与规范性
   • 可维护、轻量化、可观测如何解决
3. 货拉拉在数据智能化探索过程中遇到哪些坑
   • Text2SQL or Text2DSL
   • Workflow如何结合Agent达到业务预期
   • MCP是解决已有系统能力接入的银弹与否
4. AI 对大数据平台的机遇与挑战

您认为，这样的技术在实践过程中有哪些痛点？

1. 准确性与泛用性：如chatBI用于指标场景，但实践下来，技术路线和产品形态不一定适用其他子领域如数据开发
2. 成本与收益：如没有风口的加持，对于人效的提升难量化，且短期并不能cover目前大多数企业动辄千万级别的智能化投入
3. 其他：是改革还是革命问题，如业务使用方的惯性怎样改变如何与已在运行的业务体系兼容，动了蛋糕的冲突

听众收益

• 开拓数据xAI领域新思路，用新方法如何解决传统分析问题
• NL2DSL方式的探索经验
• 数据Agent的探索经验