近日，权威数字化研究与知识服务平台沙丘社区重磅发布《2024中国“大模型+数据分析”最佳实践案例TOP10》榜单，该榜单旨在探索大模型在数据分析中的无限潜力，了解它们如何帮助企业优化决策、提升效率、创造新价值。入选案例均经过严格筛选和评估，从价值性、实用性、创新性、示范性四个维度精选出的10大案例，代表了当前大模型在数据分析领域的最佳实践。自然堂集团×观远数据问数GPT项目凭借创新实践与卓越成果，成功入围《2024中国“大模型+数据分析”最佳实践案例TOP10》。

自然堂集团作为中国领先的数字化驱动的科技美妆企业，一直致力于通过科技创新提升产品质量和用户体验。为了快速响应数据变化带来的分析需求变化，让用户随时随地获得数据分析结果，辅助敏捷决策，自然堂集团与观远数据合作开展问数GPT项目，将LLM与BI相结合，打造生成式数据分析产品，有效提升了数据利用效率和决策质量，同时使得数据分析师从技术性工作中解放，转型知识训练师，进一步促进数据驱动文化。

此次观远数据与自然堂集团合作共创的问数GPT项目入围榜单，充分展现了观远数据在大模型领域的创新实力，以及自然堂集团对观远Chat BI的认可。未来，双方将继续深化合作，不断探索大模型在数据分析领域的创新应用，推动更多行业大模型的落地应用，共同为更多企业的大模型应用打造创新典范。

自然堂集团×观远数据问数GPT项目

1、案例背景

随着科技不断进步，美妆行业迎来前所未有的革新。自然堂集团作为数字化驱动的科技美妆企业，不断加大数字化转型力度，构建全新的竞争力。在数字化过程中，自然堂集团面临着以下痛点：

• 各业务系统相对孤立，数据口径不一致，数据孤岛导致跨部门协作沟通成本较高；

• 业务数据变化快且频繁，分析需求也要随之变化，IT/数据部门无法快速满足业务提出的繁多、琐碎且紧急的分析需求；

• 数据分析工作有门槛，要求经验沉淀积累。

2、设计思路

一方面，借助LLM的学习、理解、泛化能力，让业务用自然语言进行提问，近乎零门槛的方式实现业务用数自由。

另一方面，借助BI底座的计算引擎、分析引擎、安全引擎，有效保障数据查询的效率和性能，并严格按照企业所需进行数据权限控制，做到高效查数，安全看数。

3、解决方案

将大语言模型和BI基座能力相结合，应用大语言模型的底层能力，学习企业业务知识（表知识、业务逻辑、问答知识、洞察知识等），实现问答式数据分析。

通过设计多Agent体系提高任务完成质量，并通过Agent实现知识管理与训练：

• 数据分析Agent：基于数据分析垂直领域的业务流程，自研智能体系统。在接收到用户请求后，会进行一系列意图识别，需求澄清，问题改写，知识检索，相关代码/文本内容生成，自我检查与修复等工作，支持数据分析领域中的各类任务，如取数，洞察等。

• Agent知识管理与训练：支持接入企业中各类数据分析领域知识，包括数据集信息，业务知识，问答知识，洞察知识等几大类，提供给Agent进行“长期记忆”的获取与持续更新。其挖掘模块能够从企业已有BI、指标平台等系统中进行各类知识挖掘、预处理与导入。管理模块提供了完善的分析主题管理，效果测试与优化，用户使用情况追踪等能力。Agent的核心推理能力来自于各类开源、闭源大模型API的对接。Agent的各类任务执行能力，如SQL/Python代码执行等，是将BI平台已有的API封装成工具提供给Agent。能够很好地支持各类企业级需求，如数据权限，各类数据库查询对接，并发控制，任务审计等。

通过该方案，观远Chat BI具备了以下功能：

1、及时响应提问，缩短数据获取周期：

① 业务用户可以在任何时间通过对话的方式，获取数据结果。

② 对于用户提问模糊的问题，AI会进行语义理解与澄清，对模糊项进行追问，用户可以通过多轮对话将问题表达明确。

③ 该产品也能够支持移动办公、OA集成场景。

2、AI自学习知识运营体系，让知识库实现快速的更新迭代：

① 在创建主题时能够快速接入数据知识、业务知识和问答知识，AI自动进行学习。

② 训练师可以追溯对话中的有效知识，将知识加入知识库中。

③ AI持续对知识进行学习，逐步提升回答准确性。

进一步，AI可挖掘BI用户行为数据，了解用户分析资产，将指标平台等企业数据资产接入到知识库中，加速知识库冷启动。

4、案例技术

使用的大模型：Azure OpenAI GPT-4o，GPT-3.5-turbo等。

本案例使用到的大模型相关技术：

• 提示词工程：包括Chain-of-Thought，emotional prompt，结构化prompt，基于用例驱动提示词开发与管理等。

• RAG：知识预处理与索引，查询改写，混合召回，重排序，事实性检查等。

• Function call：基于大模型的function call能力，支持各类工具调用，提升特定回复结构的稳定性。

• 基于状态机的Agent流程设计：基于LLM来进行流程与逻辑控制，提升灵活性与最终效果。

• 多Agent体系：针对不同任务场景设计独立Agent，通过多Agent交互来协作完成任务。提升每个单独任务的完成质量。

• 记忆管理与自我提升：通过Agent来自动管理用户对话、记忆召回、记忆更新等动作，实现自我能力提升。

5、价值与效果

1. 产品上线3个月后活跃用户占比52%，覆盖业务部门10+，处理取数需求1k+，业务部门的数据需求满足周期从原来的0.5小时~3天不等，缩短到1~5分钟，有效提升数据分析需求的响应效率。

2. 提升数据分析师的服务半径，转变数据分析师的工作角色，从原来的SQL工程师变成企业知识训练师。数据支持部门与业务部门进行更紧密合作。

3. 沉淀营销、销售、市场、库存和财务等业务数据，快速响应综合性业务分析需求，加速知识调取与流通，降低跨部门沟通协作成本。

4. 培养业务数字化思维，规范业务需求描述，大大降低其他需要开发的数据需求的沟通成本。

6、案例亮点

1. 及时响应为企业敏捷决策赋能：用户提问后，能够快速提供数据分析结果。为业务进行临时、紧急的决策调整提供及时准确的数据支撑。

2. 提升企业员工数字化意识：业务用户通过自然语言提问即可获得数据结果，在弱化SQL等技术环节的同时，也培养了业务用户在描述需求时严谨规范的思维方式，降低开发需求的沟通成本，提升报表看板的开发效率。

3. 知识库自运营体系为训练师减负增效：知识库可实现冷启动和自迭代，实现知识的更新、自检自查和在企业资产沉淀，不断强化产品问答能力。