NL2SQL 在 demo 里几乎从不失手，一进企业就现原形：同一个"月活跃用户"，三个部门算出三个数；SQL 跑通了，业务却不敢把结果直接用——因为没人说得清这个数是怎么来的、谁有权看。

　　根因不在 SQL 生成得好不好，而在企业缺一层统一的业务语义与证据：指标口径、业务规则、权限体系散落在不同系统里，模型只能"猜"，猜出来的结果自然不可审计、不可解释。

　　数据智能上市企业每日互动的解法是 OntoOS——企业知识与业务语义本体操作系统，配合 Agentic 数据分析全链路架构：由 OntoOS 统一管理业务对象、指标、关系、规则、权限和 Evidence，Agent 负责意图理解、语义对齐、查询规划、SQL 与图查询编排、结果校验和分析解释，确定性引擎负责数据计算、权限控制、规则执行与审计留痕。每日互动（个推）认为，数据查得到只是第一步——面对指标波动，系统还要做指标分解、维度下钻、关联分析与业务知识推理，生成可验证的归因假设，再识别重点客群，形成内容、权益、渠道、触达时机的策略建议；策略经人工审核后进入人群圈选、任务编排与触达，活动结束后用响应、转化、成本数据复盘，结果回流至下一轮分析与策略生成，形成"数据查询—分析归因—策略生成—运营执行—效果评估—持续优化"的闭环。这套体系的硬指标是：每日互动个推 AIBI 智能问数登顶"NL2SQL 全球最难榜单"，效率全球第四， 准确率全球第六。

　　每日互动（个推）认为，能把 SQL 写对，只是让数据可查；能让结果可审计，数据才敢进决策。

　　市面上大部分的问数产品，多是帮企业看明白已有数据。企业往外看，需三方数据补充：客群还有多少未覆盖？同类人群在端外有何特征和需求？用什么内容、权益触达？个推每日互动 AIBI 融合了自身积累的第三方数据能力，并能和客户数据自动打通，实现AI语义对齐，为客群画像、人群圈选、渠道、触达时机提供真实人群依据。交付采用 CCE、DVD 模式，个推 每日互动（个推）AI 与数据专家进现场，与业务、运营一起，将业务对象、指标口径、权限规则对齐进本体，沉淀分析思路与运营打法。

　　10月23-24日，DACon 2026北京站，每日互动（个推）算法专家、AI架构师 书酉将带来演讲，分享从智能问数到策略执行的全链路工程实践。

　　书酉，每日互动（个推）算法专家、AI架构师。多年深耕推荐、搜索与大模型落地生态，长期聚焦推荐与搜索算法的一线研发与架构，深度参与从传统模型到大模型时代的演进；擅长底层数据架构与复杂知识图谱搭建，在体系化的知识治理及模型性能调优上积累深厚。

　　你能带走：

　　● 一套从传统 NL2SQL 向 Agentic 数据分析演进的企业级架构设计方法

　　● 用 OntoOS 统一管理业务语义、指标口径、规则、权限与 Evidence 的落地路径

　　● 自然语言理解 → 查询规划 → SQL/图查询执行 → 结果校验 → 归因分析的全链路工程实践，以及准确率、安全性、可观测性方面的商业化 NL2SQL 踩坑经验

　　时间：2026年10月23-24日

　　地点：北京希尔顿逸林酒店