数据驱动业务增长生成式AI助力商业分析

窦东员敦煌网基础架构总监 生成式AI正在改变工作方式 “生成式人工智能也许是迄今遇到的最具颠覆性的创新。我们预计，在一定程度上，它将影响80% 的职业，其中信息产业职业变化将最为迅速和显著。” “相比于传统的人力劳动，生成式人工智能助力下的工作往往效率更高、质量更优。 平均而言，生产率提高超30%。” Agenda •生成式AI在敦煌网的实践•生成式AI助力商业分析 生成式AI在敦煌网的实践 生成式AI从6大领域驱动平台升级 生成式AI重塑人货场连接 连接：人 人-高效引流 主渠道获客引流 GoogleShopping、FaceBook、SEO等渠道投放全链路业务问题，提升流量规模及精准性。 社交媒体渠道匹配 围绕着短视频，构建从网红视频理解到在销商品和网红视频关联的业务路径，提升网红带货的转化率。 修改标题后再次搜索rugby polos可以看到Dhgate产品 连接：货 货-商品供给 商品信息质量优化 优化商品信息包括标题、短描、长描、属性等；商品视频化、商品图个性化背景生成等；优化商品竞争力，提升效率。 连接：场 场-场域营销 权益分发 传统与沉浸式交互场景并存、多功能板块如主动营销机器人、数字人直播、智能IM等个性化分发。 用户生命周期 AI预测并分析从新用户到复购的各个阶段上的购买需求。 物流履约 物流线路智能推荐物流价格的实时计算 商品供给 场域运营 站外引流 商品理解及基座 •智能商详•智能穿搭•商品图换背景•智能海报•商品信息诊断•评论情感挖掘•… 生成式AI助力商业分析 BI和Analytics不仅是仪表板和报表，BI应用的价值隐藏在冰山之下 痛点 企业痛点 员工痛点 •如何在不了解SQL的前提下进行数据分析？•如何在没有专业能力的前提下进行数据解读？•数据解读分析需要过多专业能力 •如何快速进行业务建模？•如何编写企业周报/日报？•如何在尽可能少的人手实现业务流 企业的数据平台能力需要LLM进行赋能 挑战/应对 挑战 应对 1.通过数据ETL,合并构建指标层,减少表的数量2.通过提示词工程,对表结构和字段做详细说明3.增加实体识别的功能,实体检索,补充专业的实体信息4.增加SQL样本检索,增加小样本学习,激活模型的迭代能力5.增加结果的点赞反馈机制,收集正负样本,不断提高系统准确性6.针对用户问题中可能缺少关键信息,增加反问机制7.增加意图识别和agent功能,对复杂的业务问题进行拆分 1.数据库的元数据过于庞大复杂,影响效率2.LLM缺乏对数据表结构和表字段的理解3.LLM对专业的名词缺乏理解4.LLM无法覆盖各种SQL的情况5.现有的LLM没有反馈机制,无法进行迭代和改进6.用户的问题描述不清,可能缺少相关的维度比如时间7.复杂的业务分析问题,如果没有业务知识,无法直接生成SQL 解决方案框架 解决方案：以知识检索和提示词工程为核心，同时结合数据ETL和思维链拆分agent等技术，提高用户查询数据的效率，同时引入数据反馈机制，逐步优化迭代系统查询的准确率。 架构设计 效果分享 问题：Gate平台近14天分天的登录UV是多少，关联买家表，用中文解读 场景覆盖 •QA对：39个•表：25个•业务场景：产品、订单、流量、卖家、买家、营销、风控、维表等 成功率的变化 后续规划 •可视化、可证明•并发负载和权限管理•扩大使用范围，触发新诉求 Thank you!Thank you! 保驾护航：网络数据安全海外实践分享 王建强高级安全专家货拉拉 01货拉拉&Lalamove介绍02信息安全体系概述03 Defendat Every Layer04Securityx AIGC05未来展望 货拉拉&Lalamove介绍 货拉拉创立于2013年，成长于粤港澳大湾区，是一家从事同城/跨城货运、企业版物流服务、搬家、零担、跑腿、冷运、汽车租售及车后市场服务的互联网物流商城。 公司以“货物出行更轻松”为使命，以“拉货=货拉拉”为愿景，通过共享模式整合社会运力资源，完成海量运力储备，并依托移动互联、大数据和人工智能技术，搭建“方便、科技、可靠”的货运平台，实现多种车型的即时智能调度，为个人、商户及企业提供高效的物流解决方案。 截至2023年12月，货拉拉业务范围覆盖全球11个市场，包括中国及东南亚、南亚、南美洲等地区，其中中国内地总共覆盖363座城市，货拉拉平台月活司机90万，月活用户1200万。 01货拉拉&Lalamove介绍02信息安全体系概述03 Defendat Every Layer04Securityx AIGC05未来展望 可感可控，业务优先！ SIEM 安全合规 SOAR ISO27001/27701 UEBA 网络安全等保 安全文化 SRC 算法备案 红蓝对抗 感知能力 防守能力 多体系合力，共筑安全能力！ 01货拉拉&Lalamove介绍02信息安全体系概述03 Defendat Every Layer04Securityx AIGC05未来展望 L3-L7网络安全实践 挑战：风险可见，可感可控！L3/L4-Cloud: VPC/NLB-K8S:Service, Network PolicesL7-Shield/ WAF CreditImage:PreritMunjal L3/L4 Cloud -VPC –L4全方位感知 L3/L4 Cloud -VPC –最小必要管控 L3/L4小结 1.充分使用组件自带的隔离性，事前在高纬度做好隔离 2.区分Stateless跟Stateful场景，使用最合适的安全解决方案3.可控的基础是可感，通过TrafficMirroring机制，做到全方位可感4.使用多级Firewall做到最小必要管控 L3/L4 K8S L7防护 分层防护，最大化安全ROI L7小结 1.分层治理是精细化治理的前提;2.每一层只做好一件事情；3.风险前置：「左移」治理 一个请求的生命周期 01货拉拉&Lalamove介绍02信息安全体系概述03 Defendat Every Layer04Securityx AIGC05未来展望 AIGC的出现，攻守易势 做为防守方，如应对挑战？ 货拉拉的实践 AIGC在各个环节提效 事前：CSMP辅助检测 威胁情报分析规章文档生成赋能SIEM 事中：事件响应助手（各个Agents) 研判应急建议生产策略生成，联动SOAR 事后：•总结复盘 •取证、质检 Cont’d 15% IDS/TM助手 System TuningHelper Cont’d 40% NAT出口访问研判辅助 自然语言转Hive SQL 01货拉拉&Lalamove介绍02信息安全体系概述03 Defendat Every Layer04Securityx AIGC05未来展望 AIGCFor Security Thank you!Thank you!