3 月 14 日，由 Aloudata 大應(yīng)科技組織的「業(yè)界首場 NoETL 指標(biāo)平臺(tái)最佳實(shí)踐研討會(huì)」在上海成功舉辦。麥當(dāng)勞中國、平安證券、華潤數(shù)科、矩云信息、lululemon、理想汽車的數(shù)據(jù)負(fù)責(zé)人受邀出席，就 NoETL 指標(biāo)平臺(tái)在快消零售、金融、央國企、航空、汽車制造等跨行業(yè)、多場景中的最佳實(shí)踐展開分享，為更多企業(yè)實(shí)現(xiàn) NoETL 指標(biāo)平臺(tái)的平滑落地，提供了清晰且極具參考價(jià)值的實(shí)踐路徑。

　　會(huì)上，Aloudata 重磅預(yù)告即將推出「大模型 x NoETL」的全新產(chǎn)品——Aloudata Agent，一款面向企業(yè)各類場景的 AI 智能體應(yīng)用，助力企業(yè)高效實(shí)現(xiàn)“萬數(shù)皆可問”。Aloudata 還官宣與阿里云智能集團(tuán)瓴羊 Quick BI 的戰(zhàn)略合作成果，聯(lián)合發(fā)布「指標(biāo)定義-計(jì)算-可視化-智能分析」全鏈路產(chǎn)品解決方案。

　　新品類價(jià)值履約數(shù)智先行者帶來“實(shí)踐真經(jīng)”

　　作為數(shù)據(jù)管理軟件新品類，NoETL 指標(biāo)平臺(tái)以增強(qiáng)語義模型、強(qiáng)大的查詢加速及智能 ETL 能力，幫助企業(yè)實(shí)現(xiàn)指標(biāo)「定義即開發(fā)、定義即治理、一次構(gòu)建全局復(fù)用」。Aloudata CAN 作為新品類標(biāo)桿產(chǎn)品，其價(jià)值經(jīng)過跨行業(yè)、多場景的生產(chǎn)級驗(yàn)證，宣告了 NoETL 指標(biāo)平臺(tái)新品類的真正成立。

　　麥當(dāng)勞中國數(shù)據(jù)中臺(tái)負(fù)責(zé)人陳潤紅表示，隨著公司加快供應(yīng)鏈、庫存、門店服務(wù)的全流程打通，智能數(shù)據(jù)應(yīng)用需求激增，而傳統(tǒng)數(shù)據(jù)開發(fā)服務(wù)模式下，指標(biāo)口徑缺乏統(tǒng)一管理，開發(fā)需求響應(yīng)遲滯，數(shù)據(jù)分析不靈活，已難以滿足各類數(shù)字化應(yīng)用場景用數(shù)需求，且存算成本居高不下。

　　鑒于此，麥當(dāng)勞中國選擇 Aloudata CAN 構(gòu)建了“管、研、用”一體的指標(biāo)中臺(tái)：在管理方面，實(shí)現(xiàn)了指標(biāo)命名、數(shù)據(jù)權(quán)限、版本變更的統(tǒng)一管理;在研發(fā)方面，通過標(biāo)準(zhǔn)化工作臺(tái)，快速配置指標(biāo)定義和查詢加速;在使用方面，通過指標(biāo)目錄、歸因分析、指標(biāo)預(yù)警等服務(wù)，賦能各類業(yè)務(wù)應(yīng)用場景。

　　陳潤紅分享到，通過指標(biāo)中臺(tái)，麥當(dāng)勞中國建立起統(tǒng)一的指標(biāo)資產(chǎn)庫，完成核心銷售、財(cái)務(wù)分析、供應(yīng)鏈等 8 大主題、近千個(gè)指標(biāo)的定義與沉淀，目前已應(yīng)用在餐廳運(yùn)營、營銷增長、管理決策等場景。“有了這個(gè)資產(chǎn)庫，無論是經(jīng)營報(bào)表、核心業(yè)務(wù)系統(tǒng)、餐廳智能設(shè)備，還是管理駕駛艙，均可以按需調(diào)用指標(biāo)，真正地做到了指標(biāo)口徑的統(tǒng)一，實(shí)現(xiàn)‘一次定義、多處復(fù)用’。”依托于 Aloudata CAN，麥當(dāng)勞中國還實(shí)現(xiàn)指標(biāo)定義即開發(fā)，整個(gè)數(shù)據(jù)交付，據(jù)測試，可做到 99% 需求 5 秒內(nèi)響應(yīng)，冗余存儲(chǔ)也大幅減少。

　　麥當(dāng)勞中國數(shù)據(jù)中臺(tái)負(fù)責(zé)人陳潤紅

　　平安證券由于用數(shù)需求快速增長，傳統(tǒng)數(shù)倉建模開發(fā)模式的弊端開始顯現(xiàn)，數(shù)智化運(yùn)營進(jìn)程中面臨諸多挑戰(zhàn)。例如：報(bào)表口徑不一致，變更告知不及時(shí);重復(fù)開發(fā)、需求響應(yīng)慢，難以支持快速?zèng)Q策場景需求;80% 數(shù)據(jù)時(shí)間花在數(shù)據(jù)獲取、可視化上，缺乏全局分析、數(shù)據(jù)解讀和洞察等。

　　平安證券數(shù)據(jù)平臺(tái)負(fù)責(zé)人倪程偉對此指出，建設(shè)經(jīng)營分析數(shù)據(jù)體系勢在必行。基于“業(yè)務(wù)線和 BI 線并行支撐經(jīng)營分析”的建設(shè)思路，平安證券通過三層架構(gòu)落地?cái)?shù)據(jù)體系。一是查詢引擎加速層，以 OLAP 引擎的快速查詢計(jì)算能力，為業(yè)務(wù)高效消費(fèi)數(shù)據(jù)打下底層基礎(chǔ);二是指標(biāo)靈活配置層，通過 Aloudata CAN 指標(biāo)定義和標(biāo)準(zhǔn)化指標(biāo)查詢 API，讓指標(biāo)“一次定義，處處使用”;三是業(yè)務(wù)自助消費(fèi)層，通過將 Aloudata CAN 與微卡片打通，靈活調(diào)用指標(biāo)查詢 API，實(shí)現(xiàn)數(shù)據(jù)層和展示層口徑統(tǒng)一，上下對齊。

　　目前該數(shù)據(jù)體系已嵌入到包括“指標(biāo)設(shè)計(jì)方法、策略動(dòng)作分析、業(yè)務(wù)經(jīng)營分析”等場景之中，深度賦能指標(biāo)的開發(fā)提效、具體業(yè)務(wù)行為的量化和全局洞察，以及數(shù)字化運(yùn)營的提質(zhì)增效。“通過引入指標(biāo)平臺(tái)，業(yè)務(wù)實(shí)現(xiàn)了自助分析，取數(shù)和分析周期從 2 周縮短到 1 天，領(lǐng)導(dǎo)問數(shù)也從天級別響應(yīng)縮短到分鐘級，指標(biāo)口徑也得到規(guī)范管理，而 TCO 和開發(fā)工作量則減少 50%。”倪程偉強(qiáng)調(diào)。

　　平安證券數(shù)據(jù)平臺(tái)負(fù)責(zé)人倪程偉

　　作為華潤集團(tuán)重點(diǎn)培育的數(shù)字科技業(yè)務(wù)單元，華潤數(shù)科為集團(tuán)提供全面的產(chǎn)業(yè)數(shù)字化科技服務(wù)，包括生產(chǎn)制造數(shù)據(jù)服務(wù)、行業(yè)數(shù)字化服務(wù)等。由于數(shù)據(jù)覆蓋行業(yè)眾多，華潤數(shù)科匯集海量數(shù)據(jù)，隨之也產(chǎn)生了“數(shù)據(jù)孤島”、數(shù)據(jù)質(zhì)量參差不齊、企業(yè)/部門間口徑不一等問題，面臨數(shù)據(jù)“不可信、不可見、不可用”的挑戰(zhàn)。

　　為此，華潤數(shù)科數(shù)據(jù)科技部架構(gòu)總監(jiān)何正軍表示：“這對于深挖數(shù)據(jù)應(yīng)用，全面推動(dòng)數(shù)據(jù)共享，加強(qiáng)流通交易機(jī)制，加強(qiáng)數(shù)據(jù)治理體系提出了更高的要求。”鑒于此，華潤數(shù)科將 Aloudata CAN 和 Aloudata AIR 融入到數(shù)據(jù)產(chǎn)品架構(gòu)之中，推動(dòng)數(shù)據(jù)中臺(tái)升級，在面向業(yè)務(wù)管理與運(yùn)營方面，實(shí)現(xiàn)了以指標(biāo)驅(qū)動(dòng)和數(shù)據(jù)集驅(qū)動(dòng)的數(shù)據(jù)應(yīng)用雙路徑;在數(shù)據(jù)跨源查詢和實(shí)時(shí)查詢方面，實(shí)現(xiàn)了物理同步與元數(shù)據(jù)同步的雙模式。

　　借助于全新的數(shù)據(jù)中臺(tái)，華潤數(shù)科實(shí)現(xiàn)了更高價(jià)值和高復(fù)用場景創(chuàng)新的探索加速。例如支持商戶定制化營銷，提高精準(zhǔn)營銷效果，預(yù)計(jì)能提升 5%-10% 的營銷轉(zhuǎn)化率，以及 3%-5% 的營收增長。而對于集團(tuán)國資監(jiān)管、產(chǎn)融協(xié)同、用戶運(yùn)營等場景，同樣提供巨大幫助。

　　華潤數(shù)科數(shù)據(jù)科技部架構(gòu)總監(jiān)何正軍

　　矩云信息聯(lián)合創(chuàng)始人 & 技術(shù)負(fù)責(zé)人曹曙瑋

　　直擊企業(yè)切實(shí)問題共探 NoETL 指標(biāo)平臺(tái)落地可行路徑

　　在會(huì)上，圍繞企業(yè)關(guān)注的“指標(biāo)平臺(tái)選型標(biāo)準(zhǔn)、落地實(shí)施、價(jià)值評估”等切實(shí)問題，Aloudata 合伙人 & 首席業(yè)務(wù)架構(gòu)師杜雪芳同陳潤紅、倪程偉，以及 lululemon Data Solution Senior Manager 張巍、理想汽車數(shù)智平臺(tái)產(chǎn)品負(fù)責(zé)人滕永錚展開圓桌討論。

　　提及選型標(biāo)準(zhǔn)，陳潤紅表示：“可以從成本、靈活性和服務(wù)質(zhì)量來考量。成本包括軟硬件成本、部署及運(yùn)維成本等;靈活性指的是指標(biāo)平臺(tái)與企業(yè)內(nèi)部的兼容性與靈活拓展度;最后是交付團(tuán)隊(duì)的服務(wù)質(zhì)量，包括 POC 階段的響應(yīng)速度，運(yùn)維階段的響應(yīng)效率，以及遇到問題雙方的溝通和服務(wù)態(tài)度等。”

　　倪程偉主要強(qiáng)調(diào)了開放性和靈活性兩點(diǎn)。開放性體現(xiàn)在產(chǎn)品 API 的向上集成能力和向下與數(shù)據(jù)底層的連接能力，因?yàn)楣�司系統(tǒng)成熟，新引入產(chǎn)品不應(yīng)完全替代，而是需要與現(xiàn)有系統(tǒng)良好集成。靈活性則體現(xiàn)在產(chǎn)品能夠覆蓋多少指標(biāo)的定義和計(jì)算，這直接決定了業(yè)務(wù)覆蓋的廣度。

　　除了開放性和靈活性外，張巍補(bǔ)充到，因?yàn)槠髽I(yè)數(shù)據(jù)和報(bào)表激增，管理難度增大，指標(biāo)平臺(tái)可以作為數(shù)據(jù)治理的“關(guān)鍵抓手”，幫助企業(yè)梳理數(shù)據(jù)倉庫、數(shù)據(jù)湖和集成應(yīng)用，并提供統(tǒng)一服務(wù)。

　　“我們可以將生產(chǎn)力數(shù)字化轉(zhuǎn)化為生產(chǎn)關(guān)系的數(shù)字化，因此需要開放的生態(tài)，豐富的 API 和數(shù)據(jù)對接能力就很重要。同時(shí)由于車企與傳統(tǒng)互聯(lián)網(wǎng)數(shù)據(jù)分布不同，業(yè)務(wù)間數(shù)據(jù)量相差極大，在高數(shù)據(jù)量的業(yè)務(wù)場景之中，我們還需要指標(biāo)平臺(tái)能夠提供數(shù)據(jù)查詢加速能力，以實(shí)現(xiàn)良好的加速效果。”滕永錚強(qiáng)調(diào)。

　　關(guān)于指標(biāo)體系的梳理，滕永錚則認(rèn)為，這是一個(gè)自上而下與自下而上相結(jié)合的過程。自上是從公司整體戰(zhàn)略目標(biāo)出發(fā)，逐層拆解至部門和可執(zhí)行任務(wù)，形成清晰的指標(biāo)路徑。但實(shí)際操作中，由于歷史包袱等因素，還需自下而上收集整理，最終實(shí)現(xiàn)兩端融合。

　　張巍同樣認(rèn)為，指標(biāo)體系更多是自上而下去建設(shè)。“公司有一個(gè)遠(yuǎn)景目標(biāo)，隨后去拆解執(zhí)行方向和內(nèi)容，并為此設(shè)定指標(biāo)，與業(yè)務(wù)形成緊密連接。其中指標(biāo)設(shè)定的越精準(zhǔn)越好，以避免隨著報(bào)表增多形成冗余。”

　　倪程偉則進(jìn)一步強(qiáng)調(diào)了指標(biāo)與業(yè)務(wù)的關(guān)系，他表示：“構(gòu)建指標(biāo)體系需要先梳理業(yè)務(wù)流程，因?yàn)橹笜?biāo)是業(yè)務(wù)的度量結(jié)果或過程體現(xiàn)。只有基于完整的業(yè)務(wù)流程梳理，才能形成有效的指標(biāo)體系，明確組織架構(gòu)中每個(gè)人的職責(zé)和追蹤重點(diǎn)。業(yè)務(wù)流程本身是承接公司戰(zhàn)略和規(guī)劃，從上至下層層分解的。而指標(biāo)則能夠反映業(yè)務(wù)狀況，通過度量、追蹤和調(diào)整，為領(lǐng)導(dǎo)決策提供支持。”

　　陳潤紅提出采用“拔出蘿卜帶出泥”的方式去梳理。他認(rèn)為，當(dāng)企業(yè)建設(shè)指標(biāo)體系的時(shí)候，往往已經(jīng)有了歷史包袱，所以應(yīng)該由業(yè)務(wù)需求去觸發(fā)，去建設(shè)，然后通過拼圖的方式將整個(gè)指標(biāo)體系全圖補(bǔ)全。“你必須得抓住源源不斷的業(yè)務(wù)需求，轉(zhuǎn)化為指標(biāo)體系中的每一塊拼圖，這樣才更實(shí)際一點(diǎn)。”

　　具體到指標(biāo)平臺(tái)為各家企業(yè)帶來的實(shí)踐價(jià)值，張巍分享到，最大的價(jià)值是通過指標(biāo)平臺(tái)，加速了指標(biāo)開發(fā)和交付。“之前報(bào)表開發(fā)周期較長，有時(shí)要一、兩個(gè)月做一張報(bào)表出來。有了指標(biāo)平臺(tái)后，如果事先定義好指標(biāo)，基本上都是以天為單位來進(jìn)行交付。這個(gè)是我覺得最大的一個(gè)進(jìn)步。”

　　滕永錚強(qiáng)調(diào)了直接收益和間接收益。直接收益包括開發(fā)效率提升、人力和存算成本減少，以及更多角色參與到指標(biāo)定義和管理之中;間接收益主要是指標(biāo)口徑的統(tǒng)一，減少業(yè)務(wù)反復(fù)溝通和數(shù)據(jù)差異等問題。

　　“在麥當(dāng)勞中國，從業(yè)務(wù)視角去看，例如用指標(biāo)監(jiān)控的方式，可以為門店運(yùn)營的降本帶來包括能耗、用油節(jié)省等可量化的業(yè)務(wù)收益。”陳潤紅表示，“從技術(shù)視角衡量，則包括了為研發(fā)團(tuán)隊(duì)、產(chǎn)品經(jīng)理節(jié)省建設(shè)和運(yùn)維的人力和精力投入等成本。”

　　倪程偉則表示，除了在短期內(nèi)解決了指標(biāo)口徑不一致、查數(shù)用數(shù)困難等問題外，更希望長期內(nèi)現(xiàn)有數(shù)據(jù)架構(gòu)的持續(xù)性，隨著技術(shù)迭代可適應(yīng)各類應(yīng)用場景，為未來的數(shù)據(jù)分析、智能化洞察提供可靠的基礎(chǔ)。

　　大模型 + NoETL = 萬數(shù)皆可問 助力數(shù)據(jù)快速就緒，加速 AI 應(yīng)用創(chuàng)新

　　在研討會(huì)上，Aloudata 創(chuàng)始人 & CPO 肖裕洪重磅預(yù)告了全新產(chǎn)品——Aloudata Agent，一款面向企業(yè)各類場景的 AI 智能體應(yīng)用，致力于以「NoETL + 大模型」，助力企業(yè)數(shù)據(jù)低成本快速就緒，加速 AI 應(yīng)用創(chuàng)新。

　　Aloudata 創(chuàng)始人 & CPO 肖裕洪

　　肖裕洪指出，隨著以 DeepSeek 為代表的大模型的快速發(fā)展，推動(dòng)企業(yè)進(jìn)入“模型平權(quán)”時(shí)代，企業(yè)私有數(shù)據(jù)的價(jià)值挖掘便成為最大的競爭壁壘。在數(shù)據(jù)消費(fèi)側(cè)，大模型的快速應(yīng)用將催生大量的對話式分析和主動(dòng)洞察的用數(shù)場景，使得數(shù)據(jù)交互更加自然和高效，洞察分析也從被動(dòng)轉(zhuǎn)向主動(dòng);在數(shù)據(jù)供給側(cè)，企業(yè)數(shù)據(jù)的準(zhǔn)確性、可得性、就緒度等治理挑戰(zhàn)也日益加劇。

　　在此背景下，Aloudata 通過 NoETL 數(shù)據(jù)工程體系賦能企業(yè)低成本實(shí)現(xiàn)數(shù)據(jù)快速就緒，加速 AI 應(yīng)用開發(fā)創(chuàng)新。其中，通過自研的 Aloudata AIR 和 Aloudata CAN 深度融合，可幫助企業(yè)實(shí)現(xiàn)所有數(shù)據(jù)的連接，打破“數(shù)據(jù)孤島”，邏輯化集成多源異構(gòu)數(shù)據(jù)，并支持實(shí)時(shí)數(shù)據(jù)分析，為 AI 應(yīng)用創(chuàng)新提供單一可信數(shù)據(jù)源，且能夠?qū)崿F(xiàn)統(tǒng)一的數(shù)據(jù)安全管控和服務(wù)。

　　基于此，Aloudata 將先進(jìn)的 NoETL 數(shù)據(jù)工程技術(shù)與大模型能力融合，重磅推出 Aloudata Agent，一款面向企業(yè)數(shù)據(jù)分析場景的 AI 智能體應(yīng)用，助企業(yè)實(shí)現(xiàn)「萬數(shù)皆可問」。這一創(chuàng)新產(chǎn)品支持自然語言查詢，通過邏輯化數(shù)據(jù)集成、明細(xì)級數(shù)據(jù)查詢、標(biāo)準(zhǔn)化指標(biāo)定義、智能查詢路由、行列級權(quán)限管控，可幫助企業(yè)輕松搞定「數(shù)據(jù)查不到、口徑對不齊、性能難保障、安全不可控」四大難題，實(shí)現(xiàn)企業(yè)所有數(shù)據(jù)的快速集成與安全可控，進(jìn)而將企業(yè) AI 應(yīng)用創(chuàng)新所需的數(shù)據(jù)準(zhǔn)備就緒。

　　正如肖裕洪所說：“通過 Aloudata Agent，企業(yè)可實(shí)現(xiàn)對話式分析，且通過實(shí)時(shí)展示分析洞察過程及中間產(chǎn)物，讓分析過程透明可視。如出現(xiàn)數(shù)據(jù)不一致問題，Aloudata Agent 還能夠基于指標(biāo)定義進(jìn)行數(shù)據(jù)溯源，以實(shí)現(xiàn)業(yè)務(wù)理解的對齊，持續(xù)提升回答的準(zhǔn)確性。而通過指標(biāo)的行列權(quán)限能力，企業(yè)能夠?qū)崿F(xiàn)精細(xì)化的權(quán)限管控，從而保障數(shù)據(jù)查詢的安全可控。”

　　此外，Aloudata 還發(fā)布了專為 RAG(Retrieval-Augmented Generation)優(yōu)化的 Aloudata AI API，可為企業(yè)提供元數(shù)據(jù) API(包括指標(biāo)/維度元數(shù)據(jù) API、自然語言獲取指標(biāo)/維度 API、指標(biāo)熱門維度查詢 API、指標(biāo)的關(guān)聯(lián)指標(biāo)查詢 API)、數(shù)據(jù)查詢 API(包括指標(biāo)數(shù)據(jù)查詢 API、自然語言獲取指標(biāo)數(shù)據(jù) API)、深度分析 API(包括指標(biāo)多維/因子歸因 API、指標(biāo)異常診斷 API)，極大便捷企業(yè) AI 大模型用數(shù)需求，進(jìn)一步加速 AI 應(yīng)用創(chuàng)新。

　　肖裕洪表示，Aloudata Agent 將于 4 月正式開啟公測。此次全新的產(chǎn)品發(fā)布，也是 Aloudata 將 AI 大模型與 NoETL 融合創(chuàng)新的一次重大突破，為企業(yè)在數(shù)智化轉(zhuǎn)型中提供了更高效、更智能的解決方案。

　　與 Quick 戰(zhàn)略合作成果發(fā)布 重塑指標(biāo)開發(fā)、治理與智能分析新范式

　　在企業(yè)數(shù)智化轉(zhuǎn)型進(jìn)程中，傳統(tǒng)分散式工具堆砌模式導(dǎo)致指標(biāo)管理系統(tǒng)和商業(yè)智能工具兩大架構(gòu)割裂，使得指標(biāo)定義與數(shù)據(jù)分析無法跨平臺(tái)復(fù)用，數(shù)據(jù)需多次轉(zhuǎn)存，操作復(fù)雜且會(huì)導(dǎo)致口徑一致性風(fēng)險(xiǎn)，影響企業(yè)的分析決策。

　　為解決這一難題，Aloudata CAN 與業(yè)界領(lǐng)先的商業(yè)智能分析產(chǎn)品 Quick BI 深度融合，聯(lián)合推出“指標(biāo)定義-計(jì)算-可視化-智能分析”全鏈路解決方案，助力企業(yè)破解指標(biāo)管理與分析效能難題，實(shí)現(xiàn)從指標(biāo)標(biāo)準(zhǔn)化定義、開發(fā)、管理到敏捷決策的一體化升級。

　　Aloudata CAN 與 Quick BI 的深度融合，可幫助企業(yè)重構(gòu)數(shù)據(jù)鏈路：Aloudata CAN 專注指標(biāo)定義、計(jì)算與口徑統(tǒng)一管理，Quick BI 提供可視化與智能分析能力，雙方基于 DSL 協(xié)議實(shí)現(xiàn)跨系統(tǒng)語義一致性，有效化解指標(biāo)平臺(tái)與 BI 工具的集成難題，深度整合雙方優(yōu)勢功能，實(shí)現(xiàn)指標(biāo)生產(chǎn)與分析全鏈路簡潔流暢。

　　在 Quick BI 產(chǎn)品負(fù)責(zé)人韓旭看來，此次合作不僅是技術(shù)整合，更是數(shù)據(jù)價(jià)值鏈的重塑。“雙方將共同致力于讓企業(yè)用戶在保留原有操作習(xí)慣的同時(shí)，無縫享受治理規(guī)范下的智能分析體驗(yàn)。”

　　Quick BI 產(chǎn)品負(fù)責(zé)人韓旭

　　NoETL 打造 AI 時(shí)代的數(shù)據(jù)底座

　　過去，因?yàn)閿?shù)據(jù)分析是低頻的，人工 ETL 也是具有容錯(cuò)性的，面向人工的數(shù)據(jù)分析場景，工程領(lǐng)域誕生了 ETL 和傳統(tǒng)數(shù)據(jù)倉庫架構(gòu)。進(jìn)入 AI 時(shí)代， AI 會(huì)釋放十倍百倍的分析需求，靈活性要求也極高，且要求低度容錯(cuò)，傳統(tǒng)的 ETL 工程體系已難以支撐 AI 時(shí)代海量、靈活的分析需求。

　　而通過 NoETL ，可將 ETL Engineers 驅(qū)動(dòng)的數(shù)據(jù)工程轉(zhuǎn)變?yōu)?ETL Agents 驅(qū)動(dòng)的數(shù)據(jù)工程，實(shí)現(xiàn)數(shù)據(jù)處理流程的自動(dòng)化重構(gòu)，完美契合 AI 時(shí)代的數(shù)據(jù)分析需求。基于此，Aloudata 將持續(xù)升級 NoETL 產(chǎn)品家族，加快 AI 產(chǎn)品布局，并與更多生態(tài)伙伴展開深度合作，為企業(yè)打造 AI 時(shí)代的智能化數(shù)據(jù)底座。