近日，Aloudata大應科技正式推出了其自主研發的Aloudata Agent，這是一款旨在實現“萬數皆可問”目標的分析決策智能體。該智能體基于NoETL明細語義層構建，能夠讓企業用戶通過自然語言輕松完成查數取數、歸因診斷、數據解讀以及報告生成，進而驅動企業的經營管理決策。

在企業數據分析的發展歷程中，經歷了從傳統BI到敏捷BI，再到如今的智能BI三個階段。傳統BI和敏捷BI階段主要依賴于專業技術人員通過編寫SQL或拖拉拽等方式進行數據查看和分析。然而，進入智能BI階段后，借助大模型的能力，企業數據分析已邁向了面向更廣泛人群進行主動和智能洞察的新階段。

盡管大模型在智能化方面取得了顯著進步，但在企業級數據分析場景中落地仍面臨諸多挑戰。Aloudata指出，這些挑戰包括意圖理解、數據口徑一致性、場景覆蓋度、性能優化與成本平衡，以及數據權限管控等方面。特別是在意圖理解上，業務人員常以口語化和業務化的方式表達需求，這與數倉資產中的數據語言存在巨大差異，導致大模型難以精準理解。

為了解決這些挑戰，Aloudata Agent采用了NL2MQL2SQL的技術路徑，通過大模型將自然語言轉化為對指標語義層的查詢請求（MQL），再由指標平臺將指標和維度的查詢與計算邏輯轉化為準確的SQL查詢語句。這種方式不僅實現了自然語言意圖與指標口徑的精準對齊，還顯著提升了問數的準確性和可靠性。同時，指標語義層還具備查詢性能優化能力和基于指標的權限管理，解決了數據口徑不一致問題和數據安全管控。

Aloudata Agent在技術創新方面取得了多項突破。首先，它采用了NL2MQL技術，實現了準確、靈活、快速和安全的數據問答。通過指標語義層沉淀的豐富指標和維度元數據作為大模型的知識圖譜底座，提升了意圖識別的精準度。其次，Aloudata Agent還采用了基于COT和ReACT的多Agent架構，能夠高效解決復雜分析問題。該架構將復雜問題拆解為子任務，通過并行執行和短期與長期記憶的結合，提升了復雜問題的處理能力。

Aloudata Agent還結合了指標語義層和RAG（檢索增強生成）技術，進一步提升了意圖識別的準確性和指標與維度的召回精準度。當用戶提出問題時，Agent會首先判斷用戶意圖，并通過多路召回技術高效檢索指標語義層中的指標元數據信息、維度元數據信息等，確保精準召回相關指標和維度。

在產品能力方面，Aloudata Agent的智能數據分析方案包含兩層能力。第一層為指標語義層（Aloudata CAN指標平臺），作為企業級知識庫承擔DWD層模型接入與語義建模的職能。第二層為Aloudata Agent層，開放對接各種大模型，實現多模型能力的統一調用。該層已沉淀了四大核心能力模塊，包括自然語言的智能問數、智能歸因、智能的數據解讀和智能的報告生成。

Aloudata Agent的產品特性還包括分析過程透明化、指標口徑可追溯、交互式引導與追問以及用戶可理解可干預等。這些特性使得用戶能夠更便捷地理解和使用數據分析結果，同時確保數據分析的準確性和安全性。

目前，Aloudata Agent已開放產品體驗通道，企業用戶可以通過訪問Aloudata大應科技官網預約咨詢與試用。這款智能體的推出，標志著Aloudata在數據分析領域邁出了重要一步，將為企業用戶提供更加便捷、高效和智能的數據分析解決方案。