出品人：黄亚楠
资深数据管理和AI产品专家， 17 年 ToB 数据管理软件行业经验，具备深厚技术背景与产品运营能力，曾主导多代核心产品规划发布，实现业绩 300%增长及海外市场拓展，累计产品装机量超 5 万。擅长产品战略规划、项目管理、生态合作与商业化落地，够精准捕捉市场需求并制定差异化产品策略。15 年团队管理经验，擅长推动复杂项目落地与资源调配。
上海爱数信息产品总监

AI产品的数据飞轮与智能演化

数据是AI产品的核心燃料，构建高效的数据飞轮是实现智能演化的关键。本论坛深入探讨AI产品核心驱动力——数据飞轮，通过“应用-数据-模型-优化”闭环，驱动AI系统持续自我增强和迭代。剖析数据治理与自动化迭代的挑战，解析高效构建与加速飞轮、捕捉反馈、保障质量，实现AI产品的智能演变。分享企业如何利用数据飞轮建立长期竞争优势。
互联网数据采集与处理策略、方法与产品：从AI增强到AI原生
荣 耀
南京师范大学 副教授/荣博士工作室领头人
内容简介：
在大模型与智能应用迅猛发展的今天，互联网公开数据正在从“可有可无的辅助信息”，变成训练模型、洞察市场、驱动业务决策的关键生产资料。但现实中，很多团队依然停留在“写脚本、跑爬虫、导出Excel”的阶段：页面结构频繁变化、反爬策略层出不穷、合规边界日益严格，采集、清洗、分析工具彼此割裂，结果导致，数据抓了很多，真正沉淀为资产、支撑产品创新的却不多。本次分享将以“从AI增强到AI原生”为主线，讨论互联网数据采集与处理的策略、方法与产品形态演进：先看如何用AI增强传统采集流程，例如智能理解页面结构、辅助生成采集规则、自动进行质量巡检；再看如何在清洗、标注、汇总与可视化阶段引入AI，把“表格”变成“洞察”；最后讨论什么叫真正的“AI原生”数据产品：以对话作为主要交互方式、以模板与工作流沉淀行业经验，让业务同事可以直接“说需求、看结果”。分享将结合真实项目实践，重点放在可复用的思路与路径上，而不是单一工具的功能展示。
       
演讲提纲：
1.时代背景与问题画像：互联网数据采集的新矛盾
1.1 数据的价值与现实落差
大模型、推荐系统、竞争情报都依赖持续、高质量的数据输入
企业内部常见现状：工具分散、流程割裂，“一次性项目”多，“长期数据资产”少
1.2 采集与处理面临的典型挑战
页面结构频繁变动、反爬策略升级、验证码与登录前置等工程难题
合规、隐私、安全要求提高，对“采什么、怎么采、存哪儿”提出新约束
1.3 AI时代的新机会
更强的页面理解与文本理解能力
更便捷的对话式交互与零代码编排
2.从脚本到AI增强：采集与处理技术栈的重构
2.1 采集侧：AI增强的三种典型用法
智能理解网页结构：自动识别列表、详情、分页、附件等常见模式
辅助生成采集模板与规则：降低对资深工程师的依赖
针对验证码、登录等“高摩擦场景”的策略与边界
2.2 处理侧：AI让数据“更干净、更结构化”
利用模型做字段抽取、实体识别、标签补全和异常检测
自动生成数据字典、质量报告和异常告警，减少人工巡检工作
2.3 工程侧：把增强能力变成稳定能力
任务调度、重试机制、运行监控与日志审计
对本地存储、访问控制与审计留痕的实践思路
3.走向AI原生：把数据流水线变成产品
3.1 交互方式的转变：从配置面板到对话式入口
用自然语言描述“采哪些站点、哪些字段、多久跑一次”
AI 将需求翻译成可执行任务与模板，并提供可视化确认界面
3.2 产品形态的转变：从“工具箱”到“一站式工作台”
采集、清洗、分析、可视化与报告生成在同一产品内闭环
内置行业模板，沉淀团队的最佳实践，而不是只沉淀脚本
3.3 部署形态的思考：安全、隐私与算力的平衡
本地优先存储、私有化或混合部署方案
在合规前提下利用云端模型能力，形成“本地数据 + 云端智能”的组合
4.真实实践拆解：一个AI驱动数据产品的演进路径（一个匿名案例）
4.1 版本1: 脚本 + 桌面工具——解决“能不能采”的问题
小团队自建采集工具，主要服务内部分析人员
优点：灵活、成本低；缺点：高度依赖个人、维护成本高
4.2 版本2：AI增强的数据平台——解决“数据能不能用好”的问题
引入AI做字段抽取、合并去重、自动分析与可视化
典型场景：招投标情报、电商价格监测、竞品跟踪等
4.3 版本3：AI原生工作台——解决“能不能规模化复用”的问题
对话式创建任务、模板化管理行业场景、多角色协作
从单点工具演变为支撑多个业务团队的基础设施
5.给产品与技术团队的落地建议
5.1 从“一个痛点场景”开始
选择高频且可度量价值的场景，如报价监测、舆情跟踪、知识库构建
5.2 明确“增强”和“原生”的阶段目标
先用 AI 补齐现有流程中的短板，再考虑重构交互和产品形态
5.3 用工程实践守住安全与合规底线
采集边界、数据存储策略、访问控制与审计机制要前置设计，而不是事后补丁

听众收益：
1. 一张可操作的“全链路地图”：参会者可以清晰地看到：从网页到数据资产，再到分析洞察与决策支持，中间有哪些关键步骤、可选策略与 AI 介入点，可直接对照自家现有流程进行梳理和优化。
2. 一套从“AI增强”走向“AI原生”的升级路线图：不只是听概念，而是带走一条可落地的演进路径：先在哪些环节引入 AI 做增强，什么时候值得为某个场景设计 AI 原生的产品形态，以及对应的技术与组织准备。
3. 对真实实践中“坑”和取舍的提前认知：通过匿名案例的拆解，理解在安全合规、工程复杂度、用户体验和商业价值之间如何权衡，有助于在规划 AI+数据产品时少走弯路，在合规前提下更大胆地做创新尝试。
计算机科学博士，南京师范大学副教授，荣博士工作室领头人，前国电南瑞电力系统软件研发与实施负责人，拥有二十余年从业经验，主持设计并交付30余个大中型软件系统与平台，译有《C++模板编程》、《C++模板元编程》、《C和C++安全编码》、《Imperfect C++中文版》、《软件工程师进阶导航》等近三十本作品。
数据不再沉默：AI问数让每个数字都有故事
王巍巍
长亮科技 资深AI科学家
内容简介：
智能问数：让每个数字都有故事
问数是一个极其刚需的场景——用户通过自然语言提问，系统从数据库中查找对应数据并给出答案。传统方式主要依赖定制化报表开发或大宽表，但存在效率低下、灵活性差等痛点。
在AI时代，我们可以基于大模型重塑这个过程：人类提问，AI自动转换为SQL查询，配合图表渲染，提供前所未有的灵活性。
然而，问数场景也面临诸多挑战：如何准确理解用户意图？如何生成正确的SQL？如何处理不规范的表命名？如何整合多数据源？如何实现指标归因？如何评估问数效果？如何通过上下文工程优化体验？如何解决结果渲染问题？
今天，我将分享我们的产品化落地经验，展示如何真正实现""让每个数字都有故事""的愿景。通过AI技术，我们让数据不再沉默，让每个用户都能轻松驾驭数据的力量。

演讲提纲：
1. 智能问数是什么
2. 智能问数的常见痛点和解决方案
3. 如何评价智能问数的效果
4. 产品工程化实践的技巧

听众收益：
1. 全方位了解智能问数的各种知识
2. 了解智能问数场景下的主要痛点，以及对应的解决方案
3. 了解智能问数效果的评价学习
4. 学习到智能问数产品的工程实践方法        
本科毕业于南京大学软件工程专业。有多年海外工作经历，现任长亮科技AI研究院资深AI科学家，腾讯云名人堂专家。拥有多项发明专利，著有《单元化架构实践指南及AI时代思考》。曾参编信通院的团体标准《银行核心系统现代化建设水平度量模型》并被信通院聘为“应用现代化推进中心”专家。曾多次在中国信通院发表主题演讲，目前正已参编完成多项AI行业和团体标准如《人工智能云 AI网关能力要求》、《大模型与智能应用信息交互（MCP）》、《大模型驱动的数据分类分级工具》等。曾获得华为“鲲鹏金种子开发者”，并带队参加华为鲲鹏应用创新大赛全国总决赛获得银奖，比赛案例也入选工信部信息技术应用创新解决方案。
AI时代的决策智能：驱动企业全域资源优化与增长闭环
宁 静
上海爱数信息 产品总监
内容简介：
AI浪潮下，经验驱动、数据割裂的传统决策模式已成为组织增长的巨大挑战。本次演讲将带来一套AI驱动的决策智能实战框架，帮助组织实现决策闭环和全域资源优化。上层通过决策智能平台构建数据资源、人力资源、供应链等全域场景化AI应用。底层则依托AI数据平台，以非侵入式数据虚拟化和动态本体建模等核心技术，实现多模态数据与企业级Agent的深度集成。本演讲旨在帮助组织决策模式升级，将AI投资直接转化为可量化的商业成果。        

演讲提纲：
1.破局：跨越AI时代的“决策鸿沟”
1.1痛点：在数据爆炸时代，企业仍受困于经验驱动、低效割裂的决策模式
1.2挑战：AI落地企业决策的“三大拦路虎”，数据孤岛、信任危机、合规风险
1.3新范式：构建“数据驱动、逻辑可循、闭环反馈”的科学决策体系
2.场景：全域资源优化的决策智能落地范式
2.1核心方案：决策智能平台——企业级辅助决策的AI应用平台
2.2场景落地：构建AI驱动的“企业大脑”，释放全域数据价值
-人力资源大脑： 从“人效统计”进化为“智能人才决策”，实现人岗精准匹配、离职风险预判与组织健康度体检
-供应链大脑： 打造“韧性供应链”，实现库存动态预测降本、交付全链路提效与风险实时风控
-智能合同与履约：风控前置化，通过合同智能审查与履约分析，堵住价值流失漏洞
-智能数据资产管理：通过数据语义治理提升数据质量，开启“对话式找数问数”新体验
3.底座：重构企业级Agent技术基座
3.1ADP（AI Data Platform）实现多模态数据、企业动态知识与Data Agent的深度集成，为AI装上“懂业务的大脑”
3.2关键技术一：非侵入式数据虚拟化，架构打破孤岛的“零复制”方案
3.3关键技术二：动态本体建模，为Data Agent构建全局业务知识导航
3.4关键技术三：信息安全编织，实现数据层、知识层、Agent层的统一安全策略
4.展望：重塑AI时代的商业增长飞轮
4.1从BI（商业智能）走向DI（决策智能），构建“询问(Ask)-分析(Analyze)-建议(Suggest)-执行(Execute)-反馈(Feedback)”的完整闭环

听众收益： 
1.推动组织决策模式升级：从“商业智能（BI）”跨越到“决策智能（DI）”，构建全域场景决策落地的完整闭环，提升市场响应速度与决策科学性；
2.获得可量化的 AI 投资回报：将 AI 投入直接转化为 “降本（库存、人力、风险损失）+ 提效（决策、执行、协作）”的量化商业成果；
3.降低 AI 落地成本与门槛：通过非侵入式数据虚拟化技术，无需重构现有数据架构，实现 AI 快速部署，减少数字化转型投入。
宁静博士，现任上海爱数信息技术股份有限公司产品总监，拥有丰富的产品管理和GTM（Go-to-Market）实战经验，主导了三大数据智能产品——决策智能平台、内容管理平台、数据运营平台从规划到上市的全生命周期工作，推动产品业绩增长和商业成功。
在此之前，在德勤管理咨询、深圳市蓝凌软件股份有限公司担任咨询总监，拥有10年管理咨询经验，深耕知识管理、内容管理、流程管理等专业领域，为几十家大中型企业和科研院所提供管理咨询服务，具备丰富的咨询、培训、演讲、项目管理经验，并辅导客户获得全球MIKE奖。
京ICP备2020039808号-4 京公网安备11011202100922号
返回顶部