以下为本次分享的回顾： 在大数据时代，企业数字化转型的核心目标在于让数据发挥真正的价值。从数据报表到分析平台，再到日常取数，企业所依赖的不仅仅是数据本身，而是通过数据所呈现出对业务的分析、业务的查看以及业务未来趋势的洞察。再多数据只有同业务相结合转化为信息，经过处理呈现才能真正体现他们的价值，而这一切的实现离不开高效的数据管理平台和分析工具。 企业数字化转型下数据应用面临的难题与挑战 1.1 数据应用面临的困境 企业数字化转型下，数据的获取和共享是支持业务决策的重要环节。在这一过程中，渐渐产生出诸多数据应用上的问题，主要面临三个困境。

困境一：数据孤岛现象严重

困境二：海量指标检索效率低下

困境三：数据理解与应用困难

这些困境的存在使得企业难以制定有效的经营决策，甚至可能给企业带来巨大损失，成为企业数字化转型过程中亟待解决的重要课题。

1.2 数据应用困境的破局之道 基于以往经验，"定义一次指标，借助 AI 高效应用数据"这一全新的解决方案方案，通过两个核心能力，为解决数据应用中的困境提供了破局之道。

定义一次指标指的是利用指标管理分析平台实现指标的统一管理和查看，从而有效解决数据孤岛现象。借助 AI 高效应用数据，主要指通过 AI 大模型辅助数据查看、数据分析以及支持未来业务决策，有效应对海量指标检索效率低下和数据理解与应用困难这两大问题。

指标管理平台融合AI，重塑企业经营面貌 为了助力企业通过指标管理平台融合 AI 技术，重塑企业经营面貌，袋鼠云推出智能指标管理产品------AIMetrics。智能指标 AIMetrics的产品架构主要分为三部分。

底层的数据准备工作：将数据仓库、Taier分布式调度及OLAP查询作为整个架构的基础。

上中间层的指标统一管理工作：包括对指标的业务定义、技术口径定义以及管理属性定义等内容。

上层的指标应用工作：借由AI实现更高效的指标检索和更灵活的数据查询，以及对异动指标的准确监测预警和归因分析。

同时整个系统具备统一的权限管控机制，确保在进行指标查询和数据查询时，保障数据安全性，防止企业数据被异常使用，全面提升指标管理与应用的智能化水平。

2.1 智能指标AIMetrics的AI技术实现框架 在智能指标AIMetrics平台中AI技术实现的整体框架中，首先要在指标管理平台中完成指标的定义、开发及相关日常管理工作。开发完成后，平台会生成一系列指标的属性信息，这些信息会作为业务数据库的一部分，通过向量化工具被转化为向量化数据，并存储在业务向量化数据库中。

当用户提出问题时，系统会基于大模型进行指标检索将用户的问题向量化，并与业务向量库中的数据进行匹配，并将匹配结果返回给用户，提示其意向检索的指标。用户可以进一步查询该指标的数据，并对数据进行分析。同时，AI 也能够助力用户进行更深层次的数据分析业务洞察。此外，在整个平台应用过程中，系统会生成对话记忆，确保用户对话的连续性和体验的流畅性。

2.2 智能指标AIMetrics的指标检索功能 在传统的指标检索中，我们通常依赖输入文案搜索、使用下拉框筛选属性、或者通过排序功能重新排列数据来找到目标指标。然而，这些方法往往效率较低且需要付出较多精力。如果输入的文案与数据库中的目标文案不一致，检索过程会变得更加困难。

借助AI技术，智能指标AIMetrics平台对传统的数据查询和分析功能进行了升级，用户只需输入简单的文案，与AI进行自然对话，AI便会基于输入内容判断用户意图，快速匹配向量库中的目标指标，并将结果反馈予以确认，显著提升了检索效率，让数据查询更加智能化和便捷。

2.3 智能指标AIMetrics的指标数据查询功能 传统的数据查询流程通常需要多个环节的协作。首先，业务方需要向开发方提出指标需求，随后开发方需从历史数据库或数据仓库中查找数据，再根据业务需求进行宽表聚合，最后将聚合结果交给BI工具进行展示和查看。此外，这一过程还可能涉及配置调整、数据开发或业务开发等多个环节，整个过程周期较长。

在智能指标AIMetrics平台中，这一过程被大大简化。用户只需通过文字输入想要查询的指标和数据范围，AI会自动分析查询意图，并将其转换为SQL查询语句进行快速的数据查询及可视化展示。不仅省去了中间繁琐的开发和检索过程，还能帮助业务方更高效地使用数据。

2.4 智能指标AIMetrics的指标分析功能 在传统的指标分析过程中，通常包括四个步骤：确定分析目的、数据查询、数据分析、整合分析结果并进行总结汇报。该过程通常依赖多个平台和专业人才，导致周期长且难以实时响应业务变化，造成数据整合困难，对企业的经营决策产生负面影响。

在智能指标AIMetrics平台中，业务波动和历史数据可以借由AI进行梳理。不仅能通过指标波动性分析对异常数据进行即时反馈，还可以基于历史数据对数据走势查找波动原因，提供深入分析方向或建议可能的决策措施，并基于输入的问题和分析维度，进行归因分析和分析结果的可视化展示。大大提升了企业进行经营决策的效率，推动业务高效发展。

企业指标管理分析的AI升级路径解析 基于智能指标AIMetrics平台的企业指标管理升级方案，分为四个关键步骤。

业务梳理：包括指标体系梳理以及企业级知识库梳理

指标体系平台化落地：通过指标管理平台将指标体系平台化，确保指标体系统一管理和数据安全管控，提供高效的指标属性检索、指标血源查看、指标数据查看、指标监控以及指标分析

AI强化学习：AI大模型基于平台化落地的指标体系进行学习，从懂数据，到懂业务，再到懂用户

智能对话式分析与洞察：AI借由智能对话的方式，助力企业灵活检索指标、查询与解释指标数据、分析与预测指标数据、提供业务分析与决策建议，推动业务发展与AI模型的持续优化与迭代

以上是企业通过AI模块和指标平台进行升级的整体方案框架。在业务梳理阶段，可以借由分析师可以协助进行业务的整理，而在更高层次上，更多的是通过平台的功能去完善整体指标的分析与洞察，为企业提供更高效的决策支持。

本次分享从企业数字化转型所面临的数据应用困境及破局之道出发，详细介绍了智能指标管理产品AIMetrics在企业指标管理平台融合AI的实现路径和重要功能。若您对分享内容感兴趣，可以点击【阅读原文】获取课件资料。

《数据资产管理白皮书》下载地址 ：https://www.dtstack.com/resources/1073/?src=szsm

《行业指标体系白皮书》下载地址 ：https://www.dtstack.com/resources/1057/?src=szsm

《数据治理行业实践白皮书》下载地址 ：https://www.dtstack.com/resources/1001/?src=szsm

《数栈V6.0产品白皮书》下载地址 ：https://www.dtstack.com/resources/1004/?src=szsm

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=szsm

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack