主题介绍：\n 数据分析平台作为企业内部数据价值变现的重要载体，在企业数字化进程中发挥了重要作用。企业数据需求的复杂性以及当前平台存在使用高门槛、口径不统一、需求响应不及时等问题，使得分析平台价值体现受到影响。如何解决这些挑战，成为业界普遍关心的问题。\n \n 随着LLM发展，出现引领数据分析领域的新范式Chat BI。为实现Chat BI，学术界和工业界主要关注利用LLM的能力将自然语言转换为SQL，通常称为NL2SQL。业界当前方案主要聚集在如何在算法领域微调以提升NL2SQL准确性。受限于企业内部数据复杂性（如行列权限、数据安全、复杂SQL语义），该方案还存在可靠性、准确率、数据安全等方面不足。因此，构建适配LLM的新架构，成为AI+BI整合中必须思考的问题。\n \n 基于腾讯音乐在融合ChatBI与HeadlessBI新一代数据分析平台的最佳实践，我们将分享如何解决复杂场景下的业务数据需求，为参会者带来全新的数据分析平台实践的借鉴，共同探索数据分析新未来。\n \n 主题大纲：\n 1.BI范式发展演进；\n 2.TextToSQL技术概览和痛点分析；\n 3.AI+BI新架构实践；\n 4.QA\n \n 听众收益：\n 目标：\n 1 分享当前AI在BI场景下遇到的挑战；\n 2 通过构建适配AI的新架构，为解决数据分析领域口径不统一、智能化不高、效率低下等问题提供借鉴。\n \n 成功要点：\n 1 通过构建统一的语义模型，并基于此模型对接大语言模型（LLM），而非简单地直接对接数据库表，以此屏蔽底层复杂性，充分利用LLM的强大推理能力，实现深度集成。只有这样，才能更好地提升解决复杂数据问题的能力；\n 2 在数据分析平台的各个场景中全面集成LLM能力，而不仅局限于Text2SQL任务。通过这种方式，才能充分释放LLM的潜力，真正解决业务中的复杂需求。\n \n 启示：\n 尽管LLM在BI领域展现了巨大的潜力，但要充分发挥其优势，必须深度集成BI场景。通过设计专门适配LLM新架构，可以有效应对LLM在BI应用中的局限性，从而开创全新的数据分析模式。在AI驱动的BI新时代，企业不再局限于传统的数据处理方法，而是能够通过创新的系统架构来充分释放LLM的潜力。\n