[置顶]金猿案例展丨三花智控x网易数帆“智能问数”数据智能体创新项目
本期内容转载自“数据猿”。该数据分析Agent案例由 网易数帆联合三花智控 投递,并参与由金猿组委会×数据猿×上海大数据联盟共同推出的2025中国大数据产业年度Data Agent创新应用》榜单/奖项
本期内容转载自“数据猿”。该数据分析Agent案例由 网易数帆联合三花智控 投递,并参与由金猿组委会×数据猿×上海大数据联盟共同推出的2025中国大数据产业年度Data Agent创新应用》榜单/奖项 评选。 三花智控作为一家业务覆盖制冷、汽车零部件等多领域的智能制造企业,在日常经营管理中面临数据应用效率低、分析门槛高、决策周期长等系统性挑战。 企业内部存在多套独立运营的业务系统(如U9C、MES
本期内容转载自“数据猿”。该数据分析Agent案例由 网易数帆联合三花智控 投递,并参与由金猿组委会×数据猿×上海大数据联盟共同推出的2025中国大数据产业年度Data Agent创新应用》榜单/奖项
近日,由中国信息通信研究院华东分院联合中国信息通信研究院云计算与大数据研究所发起的《2026智能经济新形态:智能体创新实践案例汇编》,在2026世界人工智能大会(WAIC)上正式发布。 网易智企凭借
"数据中台过时了"是近几年数据领域最具争议的判断。一面是企业下线数据中台的新闻,一面是 AI 应用找不到可信数据的现实。准确的回答是:作为能力的数据中台没有过时,作为形态的数据中台正在演进。 AI 时
企业上智能问数最常翻车的场景:业务问"这个月华东区价值户增加了多少",AI 一脸茫然——它不知道"价值户"是内部定义的客户分层,不知道"华东区"包含哪些省份。通用大模型智力再强,也不懂企业专属的语言和
很多企业的数据治理项目都走过同样的弯路:治理团队制定标准、写文档、发规范,开发团队按自己的节奏继续开发,两条线各跑各的。结果是标准变成文档柜里的摆设,开发完的资产不符合规范,治理无法落地。问题的根源不
大数据开发中,SQL 任务失败是最高频的运维痛点。凌晨调度任务红了、自助分析查询报错,开发者面对冗长的日志堆栈逐行排查——语法错误、字段名拼写、类型不匹配,平均每次排障需要 15-30 分钟,复杂问题
企业数据应用正在经历一次范式迁移:从"人用工具"到"AI 即员工"。DataAgent(数据智能体)是这个迁移的产物——它不是更强的 BI,而是以智能体形态重构的数据应用方式。很多企业困惑:已有 BI
智能 BI 是 BI 工具与 AI 能力融合的产物:在报表、看板、可视化之上,叠加自然语言问数、归因分析、报告生成等智能能力。市场上产品众多,演示都很惊艳,但企业实际选型时经常踩坑——买回来的"智能
数据分析报告是复盘分析逻辑、沉淀业务洞察、驱动管理决策的核心载体。但传统报告制作的时间大量花在过程上——取数、作图、调格式——而不是洞察本身。AI 数据分析报告的核心价值,就是把这个过程自动化:业务人
自然语言查数据(NL2SQL,Natural Language to SQL)是智能问数产品的核心引擎:业务人员用一句话提问,AI 自动理解意图、找到正确的表、生成正确的 SQL、返回正确的数。它听起
数据分析Agent是面向企业数据场景的智能体,它以大模型为推理引擎,连接企业的指标体系、数据资产和业务知识,让业务人员用自然语言完成查数、分析、归因乃至执行建议。但很多企业的实践止步于"问答演示"——