1.命题方向

智能计算

2.题目类别

计算类

3.题目名称

基于低代码与大模型的智能数据决策系统开发

4.背景说明

【整体背景】

随着数字化转型的加速，企业对于智能数据决策的需求日益增长。市场背景显示，到2027年，数据和分析软件支出将以16%的复合年增长率增长，达到3,400亿美元。这一趋势表明，企业正寻求通过分析和运营来加快从数据中获取价值并做出决策。同时，全球非结构化数据的增长也预示着对智能数据决策工具的迫切需求，预计到2027年，全球非结构化数据将占到数据总量的86.8%，达到246.9ZB。

市场需求量的趋势变化也反映了这一领域的快速发展。中国人工智能行业市场规模预计将保持稳健增长，预计到2029年市场规模将突破万亿大关。此外，中国智能决策市场的规模在2022年已达到10.55亿美元，预计未来5年的复合增长率将超过50%。这一增长趋势不仅为相关企业提供了广阔的发展机遇，也表明了市场对于基于低代码与大模型的智能数据决策系统开发的高度认可和迫切需求。

在这样的市场背景下，基于低代码与大模型的智能数据决策系统开发，不仅能够提升企业的决策效率和准确性，还能够推动企业数字化转型，实现业务创新和增长。这种开发模式通过简化编程过程，使得非技术背景的业务人员也能快速构建和部署应用程序，从而降低了技术门槛和开发成本。同时，大模型的引入为系统提供了强大的数据处理和分析能力，使得决策支持系统能够处理更复杂的数据集，提供更深入的洞察。这种技术的应用不仅限于大型企业，中小企业也能通过低代码平台快速实现智能化升级，增强自身的竞争力。因此，投资于这种开发模式的企业将能够在未来的竞争中占据有利地位，实现业务的持续增长和价值创造。

【公司背景】

无锡雪浪数制科技有限公司（以下简称“雪浪云”），国家级跨行业跨领域工业互联网平台，国内首创“雪浪OS”智能制造数字底座系统，面向航空航天、工程机械、船舶、新能源等高端装备行业的设计与制造领域，提供AI for Science、建模仿真优化一体化、数字主线及工业知识中台等解决方案，自主研发：MetaD-MDO研发多学科联合仿真与优化软件（面向复杂装备研发过程的多学科设计优化软件，获“2023年度江苏省工业软件优秀产品和应用解决方案”）、MetaD-SDMTDM仿真与试验数据智能管理软件（新一代国产化智能试验数据管理与分析系统）、MetaM工厂仿真与优化软件（用于离散行业不同层级生产系统的建模仿真与实时优化，获“工信部2022年工业互联网系统优秀解决方案”）、MetaLM雪浪河图·工匠大模型（从数据接入和开发、大模型微调、大模型上架部署到大模型应用编排的全链路开发平台，获“2024年度江苏省工业软件优秀产品和应用解决方案”），助力实现工业软件国产化替代。基于长期制造业数字化服务所沉淀的工业知识，近期，雪浪云创新推出雪浪河图·工匠大模型，结合重点服务的航天航空、机械装备、能源电力、集成电路等行业的实际需求，聚焦工业知识抽取与理解、工业知识检索与问答、工业文本生成、工业代码生成以及工业数据分析五大应用方向，基于对工业知识的沉淀和理解，创造更懂工业的应用场景与行业大模型，帮助制造业企业提高效率、降低成本、提高分析与预测精度、提高客户满意度以及推动技术创新。此外，雪浪云还推出自研工业大模型一体机，设备集成了全国产高效能高性价比的算力硬件，支持本地私有化部署，确保数据安全和系统稳定性，为大模型在工业领域的应用提供了一站式全周期解决方案。

雪浪云长期与数据价值密度高的航空航天、高铁、发动机、能源化工等行业开展深度合作，是中国商飞、中航工业、中铁装备、铁建重工、徐工、潍柴、吉利等大型央国企的长期合作伙伴。同时，在中小企业数字化转型方向上，是浙江杭州临平工业云平台、江苏无锡智改数转、宁夏冶金工业互联网平台等相关区域数字化平台的承建单位、服务商，是浙江省“N+X模式”的深度策划方。并在新工业软件的创新研发方面取得突出成果，解决了行业多项国家性、国际性难题，累计联合参与并负责10余项工信部与科技部重点项目，涉及复杂装备数字孪生、设计制造运维一体化等未来工业软件新方向。

【业务背景】

在数字化转型过程中，需要对各类数据进行及时、准确的分析，以推动各业务线的创新和改进。低代码开发平台能够以较低的技术门槛实现应用快速构建，使业务人员能够参与到数据应用的开发中。而大模型可以自动处理、分析和预测数据趋势，从而提升数据分析的深度和广度。在此背景下，基于低代码和大模型开发智能数据决策系统，将帮助公司实现以下几个目标：

快速响应业务需求：低代码平台的直观操作和灵活的应用搭建能力，使业务部门能够自行创建决策支持工具，缩短了需求响应的周期。

提升数据分析与决策效率：大模型提供的智能分析和自然语言处理功能，可帮助用户深入挖掘数据价值，使决策过程从数据分析、报告生成到结果解读更加高效。

降低技术壁垒：低代码与大模型的结合降低了技术门槛，即使非技术用户也能通过操作界面灵活地与数据和模型交互，从而激发更多的业务创新。

增强数据驱动的敏捷性：该系统提供了数据自动化处理、实时监控和动态调整功能，帮助各部门实时了解业务情况和变化趋势，为决策提供支持。

通过这一智能数据决策系统，公司将实现业务需求与数据分析的无缝连接，推动业务数据化转型，并为未来的创新发展提供强有力的技术支撑。

5.项目说明

【问题说明】

在企业的快速发展和市场的变化中，决策者迫切需要智能、高效的工具来支持数据驱动决策。然而，目前传统的数据决策流程存在多个挑战，包括数据获取与清洗效率低、决策时效性差、决策高度依赖专家、分析结果难以解读、缺乏闭环优化，以及跨部门协作困难等问题。为解决这些问题，本项目旨在开发一款基于低代码和大模型的智能数据决策系统，使各业务部门能够自主进行高效、准确的数据分析和决策。

【用户期望】

企业希望最终开发的系统能够有效整合企业内部数据，围绕设备生产效率数据，通过低代码平台赋能业务部门，使业务人员可以在不依赖数据专家的情况下，快速完成数据分析和洞见获取。该系统不仅应具备智能预测和分析功能，还应能以自然语言简化复杂数据的解读过程，为决策者提供简明直观的支持。同时，企业期望系统能够实现跨部门数据协同，支持决策闭环优化，从而不断提升决策的精准性和业务敏捷性。

6.任务要求

【开发说明】
    团队需开发一款具备以下功能的智能数据决策系统软件：

（1）数据接入：支持多种数据源的导入，并实现基础的数据清洗和转换功能（赛题发布后会提供数据源示例）；

（2）低代码搭建：用户可以通过拖拽和图形化界面，自主创建数据分析应用，简化分析流程；

（3）智能分析与预测：集成大模型，提供智能数据分析、趋势预测以及关键指标分析功能（大模型种类不限）；

（4）结果可视化与自然语言解读：系统可在用户输入查询后，将数据分析/查询结果自动转化为合适的图表，使非技术人员易于理解；

（5）闭环优化功能：支持多次分析迭代，能够根据反馈结果持续优化决策模型，形成闭环流程；

（6）跨部门协同与共享：提供数据协作平台，实现跨部门的数据共享和协同分析，以及权限控制。

【技术要求与指标】

（1）使用低代码平台搭建页面和业务逻辑；

（2）集成大模型进行智能数据分析和自然语言处理；

（3）支持官方预置的数据库数据接入（赛题发布后会提供数据源示例）。

【提交材料】

（1）项目概要介绍;

（2）项目简介 PPT;

（3）项目详细方案;

（4）项目演示视频;

（5）企业要求提交的材料：

①如运用了人工智能技术训练素材，提供详细的素材介绍与来源说明；

②关键模块的概要设计和创新要点（不超过3个）说明文档；

③可运行的Demo实现程序。

（6）团队自愿提交的其他补充材料。

【任务清单】

（1）调研大模型数据分析以及趋势预测技术；

（2）完成所选系统关键模块的需求分析；

（3）设计算法与关键模块的架构；

（4）编码开发与功能实现；

（5）测试验证主要功能和创新成果；

（6）探索应用场景落地。

【开发工具与数据接口】

开发工具: https://ospower.xuelangyun.com:30443/

开发工具帮助文档：https://xuelangyun.feishu.cn/wiki/IbwDw8kioiJVUtkZpewcpSZsn5d?from=from_copylink

7.其他

无

8.参考信息

无

9. 评分要点

赛题评分要点见附件一：A 类企业命题初赛统一评分标准。

除以上评分要点内容外，企业还重点关注以下内容：

（1）应用表现（★★），从以下3个维度考虑：应用稳定(运行时应用无报错情况，在经受数据测试时各功能选项保持稳定）；功能完善(尽多实现开发说明中的6项功能）；页面UI布局整齐，美观（页面布局或图片图标美观）;

（2）算法模型的准确性（★★）;

（3）创新与拓展（★）。