QwenPaw-Data: 자율 기업 데이터 분석을 위한 사실, 방법론 및 실행의 통합

QwenPaw-Data: Bridging Facts, Methodology, and Execution for Autonomous Enterprise Data Analytics

기업 데이터 분석은 자율 에이전트 분야에서 새롭게 떠오르는 중요한 영역입니다. 일반적인 상호 작용 및 소프트웨어 엔지니어링과 달리, 이는 개방적이고 모호하며 끊임없이 변화하는 환경에서 운영됩니다. 이러한 특징들은 의미론, 방법론, 실행 및 진화를 시스템의 핵심 요소로 다루는 데이터-에이전트 아키텍처를 요구합니다. 이에 따라, 우리는 기업 지능형 데이터 분석을 위해 설계된 에이전트 기반 데이터 시스템인 QwenPaw-Data를 소개합니다. QwenPaw-Data는 웨어하우스, 대시보드, 문서, 상호 작용 로그 및 과거 작업에서 파생된 다양한 자산을 재사용 가능하고 관리 가능한 진화 가능한 분석 자산으로 통합하며, 자연어 요청을 데이터 이해, 검색, 분석, 보고서 생성 및 의사 결정 지원에 이르는 엔드투엔드 분석 워크플로우로 변환합니다. 이 아키텍처는 문제를 세 개의 협력적 하위 시스템으로 분해합니다. DataBridge는 연결된 메타데이터, 지식 및 추적 그래프를 통해 신뢰할 수 있는 의미론적 기반을 제공하고, Skill-Hub는 전문적인 분석 방법론을 재사용 가능하고 검증 가능한 기술로 코딩하며, Host는 이러한 증거 및 방법 자산을 제어 가능하고 결과물 중심의 런타임 실행으로 구현합니다. 이러한 하위 시스템 전반에 걸쳐 의미론, 방법, 추적 정보 및 피드백이 지속적으로 시스템에 저장되어 자체 진화하는 자산 순환을 형성합니다. 공개 벤치마크와 실제 산업 BI 워크로드에서의 실험 결과는 QwenPaw-Data가 검증 가능한 데이터 접근 능력과 상위 수준의 분석 품질을 향상시키며, 안정적이고 추적 가능하며 지속적으로 개선되는 기업 데이터 에이전트를 위한 실용적인 기반을 제공한다는 것을 보여줍니다.

Enterprise data analysis is emerging as a distinct frontier for autonomous agents. Compared with general-purpose interaction and software engineering, it operates in an open, ambiguous, and continuously evolving environment. These characteristics call for a data-agent architecture that treats semantics, methodology, execution, and evolution as first-class system concerns. To this end, we introduce QwenPaw-Data, an agentic data system designed for enterprise intelligent data analysis. QwenPaw-Data consolidates heterogeneous assets from warehouses, dashboards, documents, interaction logs, and historical tasks into reusable, governable, and evolvable analysis assets, then turns natural-language requests into end-to-end analytical workflows spanning data understanding, retrieval, analysis, report generation, and decision support. Its architecture decomposes the problem into three collaborative subsystems: DataBridge provides trustworthy semantic grounding through interconnected metadata, knowledge, and trace graphs; Skill-Hub codifies expert analytical methodology into reusable and verifiable skills; and Host materializes these evidence and method assets into controllable, artifact-centric runtime execution. Across these subsystems, semantics, methods, traces, and feedback are continuously deposited back into the system, forming a self-evolving asset flywheel. Experiments on public benchmarks and real-world industrial BI workloads show that QwenPaw-Data improves both verifiable data access capability and higher-level analytical quality, offering a practical foundation for reliable, traceable, and continuously improving enterprise data agents.