6月21日，由DataFun主办的《AI+BI智能驱动峰会·2025·北京站》圆满落幕。数势科技作为参会企业，由数据智能产品总经理岑润哲发表主题演讲《Data Agent:企业数据分析的范式革新》；数势科技CTO韩秀锋则以《AI+BI行业最佳实践》分论坛出品人身份，与书亦烧仙草CIO王世飞、DataFun创始人王大川展开深度对话，围绕“零售行业从BI到AI的转型路径”主题，探讨AI+BI技术落地中的关键挑战、解决方案及未来趋势，重点展望“自主决策”方向的技术演进。让我们来回顾一下，此次会议专家们的核心观点：
Data Agent企业数据分析的范式革新
在《AI+BI智能驱动峰会·2025·北京站》上，数势科技数据智能产品总经理岑润哲发表了主题演讲《Data Agent:企业数据分析的范式革新》，该演讲深入剖析了当前企业数据分析与决策领域的痛点，并展示了Data Agent如何通过技术创新推动范式变革与落地实践。
岑润哲认为，当前数据分析与决策领域痛点众多，并将痛点分成了四个层级，Data Agent正积极推动L1 - L4各层级的范式变革。当前数势科技与众多客户沟通和交流的时候发现，业务方其实对于数据报表提取（L1）与智能洞察归因（L2）的需求并不大，其核心的诉求在于给其行业化的报告生成（L3）与高阶行动（L4）。
当前ChatBI领域在技术层面更聚焦在如何把数取准，但并非是业务方的核心需求，更关心的是如何解决问题。比如某客户表示：“只给到数据表和图表对其部门支撑并不大，我们想要的是本周需要交汇报，需要Data Agent给到一个完整的报告内容以及策略建议。”
新范式借助Data Agent带来显著改变：L4通过Agent的工具使用和记忆能力，结合工作流与RPA串联业务系统，实现高数字化场景下的自动执行；L3实现日常报告自动化产出，深度报告结合行业知识库自动生成；L2调用大数据算法模型，实现高效低误差的智能归因分析，提升维度和因子归因水平；L1利用高性能OLAP与Data Agent实现秒级性能的零代码灵活查数，有效破解旧范式下的行业痛点。
当Data Agent在企业内落地所面临的挑战成为焦点。岑润哲表示，“很多企业已经有了数据基建，拥有BI工具或者数据中台，如何让Agent去理解这个底表里的复杂语义，这一点非常关键，那第二个点是怎么让Agent解决一些跨域的复杂任务，因为很多时候实际业务需求，企业业务场景广泛且相互关联，Agent要具备将复杂任务分解并在不同领域有效执行的能力；第三点则应聚焦于如何让Agent记住你是谁，这要求Agent能够个性化地识别和记忆用户特征与需求，以提供更贴合用户实际情况的服务”
众所周知，大模型直接生成SQL的方案存在着一定的效果瓶颈，在稳定性、准确性以及安全性上都会有一定的风险，数势科技采用了行业领先的NL2Semantics技术及其独有的指标语义底座来保证上述问题。岑润哲现场举了一个真实案例，客户有个需求“帮他看一下，最近30天的门店的业绩，然后帮生成一个完整报告”。在Agent规划层，大模型会先对原始查询（query）进行意图解析和任务规划。当需要查询指标时，大模型不会直接穿透到底表生成SQL，而是从指标语义层中召回此次场景下用户关心的指标，采用的是record机制，而非纯生成一段SQL逻辑。
底层查到数据后，可能会结合一些小模型，如预测归因、时间序列分析能力等，生成结果，再由大模型进行总结。这种方式一方面避免让大模型生成SQL，更多是召回SQL逻辑片段，确保了稳定性；另一方面，通过语义层的加速，提升了整体返回的时效性，这也是数势科技当前技术路线的优势所在。
数势科技的SwiftAgent更在Multi-Agent模式下，显著增强了Agent间的协同效率。通过多Agent的紧密合作，复杂任务得以轻松应对。那么它是如何运行的呢？比如，目标是写一份经营分析场景的完整报告，在此过程中，我们会先让大模型进行规划，这里会经历一个类似“expert recruitment”（专家招募）的机制。其中，有专门从指标库取指标的专家，可称为“取数专家”；有基于数据明细表进行数据可视化（data visualization）的专家，即“可视化专家”等等，我们会先让这几个专家“集合”，让他们明白完成这个任务需要各自的“context”（上下文信息）来执行。
接下来，要有一个决策过程，确定谁先做、谁后做，也就是任务执行的顺序。我们会通过“协同决策”机制，让专家之间分配任务。当取数专家完成任务 a 后，会告知下一个专家“我已完成，你该执行了”，这就是团队协作的流程与机制。最后一步，拿到明细数据后，会进行实际的“action execution”（动作执行），比如通过调用一些 API 接口获取数据，或执行相关任务。最终把结果报告给用户，若用户满意则任务完成；若不满意，也可进行修正。
现场，岑润哲分享了SwiftAgent在某头部城商行的落地案例。该方案通过构建指标语义层、采用Agent架构、增加反问机制、配备加速引擎及适配国产模型，实现了多轮对话下的灵活查询、自动归因分析、可视化报告生成及全生命周期预警。项目整合了该行业务系统数据库、数据仓库和数据湖，构建了统一的指标语义层，并对国产大模型进行Prompt微调和模型微调。
解决方案架构包含基座大模型、企业数据源、指标语义层、SwiftAgent产品及数据分析应用。部署DeepSeek大模型后，该城商行在"企业经营分析"、"营销复盘"和"日常用数"场景中，数据分析效率与决策支持能力显著提升。
从BI到AI从智变到质变 零售行业实践之路
在《从BI到AI 从智变到质变 零售行业实践之路》圆桌论坛数势科技CTO韩秀锋与书亦烧仙草CIO王世飞、DataFun创始人王大川展开深度对话：
数势科技CTO韩秀锋认为，“如今，企业内 AI + BI 的热点在于商业分析，以此服务企业经营决策。行业历经路线之争后已达成共识，数势科技更强调打造数据智能体，进行范式革命。目前，我们已跨越传统 BI 阶段。传统 BI 在满足数据需求方面存在高成本、长延迟的问题，过度依赖人力且人力投入与产出呈线性相关，缺乏规模效应。自 2022 年起步，2023 年验证 PMF，2024 年推进企业级落地，这一过程十分艰辛，因为需要改变用户习惯。目前，大部分人尚未充分释放智能体的深层价值，这需要时间来逐步实现。”
谈及与书亦烧仙草的初次合作，韩秀锋表示："书亦烧仙草是数势的天使客户，当时，书亦作为传统企业，尚未开展数字化转型，面临的痛点十分突出。不过，世飞总对整体的数字化升级方法有着透彻的理解，清楚知晓哪个方案、哪个产品能真正助力企业。所以，当我们坐在一起交流时，很快就达成了合作共识。”
书亦烧仙草CIO王世飞会上表示，“在数据不准确时，我们难以预见数据能产生的巨大价值。只有当数据质量提升后，我们才会去思考 AI 的应用，且数据准确后，数据分析师能挖掘出更多助力企业增长的要点，其价值也会远超以往。另外，书亦烧仙草与数势科技的合作是相互成就的过程。在合作中，数势科技帮助书亦烧仙草梳理指标、搭建报表体系、搭建标准化开发模型等，解决了业务部门不能达成共识等问题。双方在合作过程中快速产出成果，形成互相离不开的状态，为其他企业提供了合作借鉴。”
除干货分享外，数势科技在峰会特设产品展区，现场演示了基于DeepSeek大模型的智能分析解决方案，让来宾们深入体验Data Agent的实战能力。
注：文/龚作仁，文章来源：Laborer，本文为作者独立观点，不代表亿邦动力立场。
文章来源：Laborer
