〇 分享简介 〇

大模型在数据分析领域的落地对于推动企业数字化进程有重要作用。基于大模型智能分析Agent可以实现以自然语言交互获取并使用数据，降低企业数据消费的门槛，大幅提升数据在企业的经营决策以及日常业务流中的参与度,引领数据民主化和价值化的新纪元。

LLM Agent不仅能够理解用户分析意图和连接分析流程，还能实现分析问题的下钻，从而引导企业用户完成自助式的探查分析。此外，智能分析Agent叠加了指标和标签语义层后，更佳地让数据分析结果更准确、灵活和全面，为企业智能决策提供数据支持。

本次分享将深入探讨LLM Agent重塑企业分析流程的重要作用及成功实践，让企业理解当前大模型在数据分析领域的创新应用，利于企业搭建数据分析Agent，并赋能企业发展提供可借鉴的落地实践。

〇 分享收益 〇

目标：

1、掌握基于指标+标签的分析Agent能力搭建企业分析平台

2、了解分析的规划器和记忆的设计思路

3、了解具体行业用户在落地搭建分析Agent中的难点和解决思路

成功（或教训）要点：

解决当前企业数据分析方案的不足，通过构建语义层，实现NLP2Metrics+Label，让非技术人员能够以自然语言灵活用数、下探归因，解决大模型幻觉问题，实现数据民主化。

启示：

基于标签和指标的LLM Agent在数据分析领域的技术与实践具有显著的价值，主要体现在提升数据分析的自动化程度、准确性和智能性上。通过多模态数据处理、知识与记忆增强、推理与规划等能力的整合，LLM Agent为企业提供了强大的数据分析支持，助力企业在数据驱动的决策中取得优势。

〇 分享亮点 〇

1、企业数据分析的难点和挑战

2、行业通用企业数据分析Agent的实现方案和不足

3、指标和标签能力在搭建企业数据分析Agent时的技术创新点

4、如何设计分析的规划器和记忆

5、应用案例分享和探讨

6、展望和思考

7、QA