專訪數勢科技譚李：智能分析 Agent 打通數據平權的最後一公里_風聞

作者|鬥鬥 

編輯|皮爺 

出品|產業家 

倫敦塔橋下的泰晤士河底，埋藏着工業革命的隱秘圖騰——布魯內爾設計的隧道盾構機。在19世紀城市地下軌道建設的過程中，這個直徑11米的鋼鐵巨獸沒有選擇拓寬河道，而是開創了地下通行的新維度。

**“我們不是ChatBI助手，我們是智能分析Agent產品，技術路線是Agent+企業級數據語義平台Enterprise Data Semantics Layer，和傳統BI疊加大模型Chat能力的技術路線不同。”**在採訪前期和後期，數勢科技反覆和產業家強調。

當整個行業在BI賽道的紅海中“廝殺”，數勢科技像19世紀發明盾構機的工程師般潛入產業底層，用企業級數據語義平台Enterprise Data Semantics Layer構建起數據價值流動的地下軌道管網，為智能分析Data Agent的實現奠基。

“數據的力量，憑什麼只能屬於互聯網巨頭和少數頭部企業？”

這一發問來自於數勢科技的聯合創始人譚李。他在百度和京東親歷了數據如何重塑商業邏輯，也在管理諮詢行業作為數據分析師服務過眾多世界500強企業。

然而，當目光投向傳統行業，他看到的卻是另一番景象：一家連鎖零售企業的區域經理為了分析月度銷售和成本數據，需輾轉數倉團隊、BI分析師和開發人員，耗時兩週才能拿到一張完整報表；一家城商行的業務部門因指標口徑混亂，同一份數據在不同部門“吵架”了一週。

**數據的價值，在千行百業中仍是一座難以到達的海上孤島。**也正是這些洞察，讓數勢科技選擇了一條與眾不同的賽道——指標平台。

指標平台是數勢科技2020年推出的第一個產品，也是行業第一款“管研用一體化”智能指標平台，後來成長為數勢科技的大模型明星產品SwiftAgent的重要內核——企業級數據語義平台Enterprise Data Semantics Layer。

這一產品不同於傳統數倉+BI的“手工業模式”，也不同於上一代數據中台裏的“指標管理平台”，企業使用數勢指標平台只需一次定義原子指標，所有派生指標、衍生指標均可通過動態業務邏輯計算即時生成，業務團隊可以零代碼調用，效率大幅提升，需求響應從天級壓縮至分鐘級。

在行業沉浸在數據中台範式的2020年，數勢科技就開始以智能指標平台破圈；而後來讓數勢科技持續引領行業、脱穎而出的，是他們對大模型技術趨勢的敏鋭嗅覺。

2023年大模型浪潮襲來時，多數企業還在探索聊天機器人，數勢科技已推出 SwiftAgent，將大模型的推理能力與企業私域複雜數據語義深度融合。當競品仍在“ChatBI”的淺水區徘徊時，SwiftAgent早已不限於“智能問數”，已經成為一個企業級的分析決策智能體平台，既能為用户提供精準數據，也能提供企業級知識，還能自動生成基於企業私域知識的個性化經營分析報告，甚至預判業務異常。

如今，數勢科技的成績單上寫滿“第一”。國內首個“管研用一體化”的智能指標平台、首家完成中國信通院數據指標管理平台技術要求專項測試、首批通過中國信通院大模型驅動的智能數據分析工具專項測試的智能分析產品、出版了行業首本指標體系與指標平台的專著……

當數據民主化遇見Agent革命，企業經營決策正從“人找數”邁向“數追人”。

一、數據價值釋放的基礎：

指標平台讓企業用數效率提升十倍

某食品連鎖企業，擁有13000多家加盟門店，其加盟為主的商業模式，使得面向加盟商的數據透明化需求極高。

“數對不上，對於這類企業是很要命的。”從譚李口中產業家瞭解到，一段時間裏，該食品連鎖企業加盟商常遇到“某營業額數據次日重查時不一致”的問題，導致與總部的信任危機。

此外，加盟商收工後會集中查詢營業額和佣金數據，以及門店的個性化數據，傳統數據架構無法支撐瞬時高併發請求，導致查詢延遲甚至系統崩潰。

更為重要的是，對於這類體量龐大的連鎖企業而言，系統改造往往需要耗費大量時間、金錢、人力，這樣系統化的升級改造，必定會對門店經營帶來較大影響。

該食品企業的案例是一個縮影，代表着大部分企業數據智能路上的“隱痛”。

“每次有臨時數據需求，先找BI分析師，然後BI分析師幫把需求翻譯成各個指標的需求，再找數開團隊去寫SQL代碼……可能一兩個禮拜過去了。”譚李告訴產業家。

**傳統數倉+BI模式下，數據獲取需多部門協作，流程冗長，業務需求變更時需技術團隊重複開發，嚴重影響效率。**對於業務人員來説，數據工具使用門檻也很高，非技術人員難以自主獲取洞察，導致數據價值釋放受限。

“指標平台在該食品企業上線後，取數效率提升了至少10倍”，譚李對產業家説。數勢科技的指標平台允許企業僅定義10%的核心原子指標，如“訂單金額”，剩餘90%的派生指標和衍生指標，如“銷售毛利”，通過動態計算即時生成，無需重複開發。真正做到了“定義即開發”“一次定義，全局使用”。

這一模式將業務需求響應週期從傳統BI模式的“天級”壓縮至“分鐘級”，解決了加盟商因數據延遲或口徑混亂導致的信任危機。

另外，針對加盟商集中查詢銷售數據的高峯用數場景——如晚結賬時段——數勢科技通過“指標加速引擎”（Hyper Metrics Engine）實現虛擬化邏輯計算與物化預計算動態融合，即使面臨海量併發查詢，也能保障秒級性能，避免了傳統數倉因瞬時流量過大導致的系統崩潰。

過去4年，越來越多的企業開始採納指標平台的一體化數據開發和消費範式。指標作為凝結了企業業務邏輯的結構化數據語義，在指標平台上進行統一的定義、加工、管理、應用，使得數據資產真正得以讓0技術功底的業務人員去沉澱和複用。

二、加速數據平權：

SwiftAgent讓企業用數效率再提升10倍

隨着大模型技術浪潮的來襲，生成式AI顯著降低了業務人員用數的門檻。但這並未改變根本問題。

“數據分析對企業而言通常是不容出錯的關鍵任務 Critical Mission，如何做到數據100%準確？大模型的幻覺問題以及數理能力缺陷，使市面上絕大多數想要簡單通過大模型+BI來解決問題的公司都碰壁了。”譚李接着説。

這是因為大模型在訓練過程中使用的是公域數據，缺乏針對特定企業內部的私域知識。這可能導致模型生成不符合企業實際業務情況的內容，經常張冠李戴、似是而非，也就是所謂的“幻覺”。為了解決這一問題，需要通過產品化手段對大模型進行約束和優化。

因此，數勢科技推出了第二個拳頭產品SwiftAgent，企業級分析決策智能體平台。這款產品採用AI對話式交互，讓用户僅憑日常交流的語言（無論是文字還是語音）就能輕鬆查數用數，如支持上述食品企業的管理團隊問“華東區上週銷售異常原因”，“可做到智能問數100%準確、數據安全100%校驗，實現真正的‘企業級可用’。”譚李對產業家介紹。

數勢科技的產品如何能夠做到？

SwiftAgent具體的技術路徑是大模型+企業級數據語義平台Enterprise Data Semantics Layer+Agent，讓大模型聚焦於用户的自然語言意圖識別、任務規劃、推理分析和報告生成等其擅長的能力，而將數據分析不容出錯的指標查詢計算工作交給以指標平台為核心的企業級數據語義平台。

另外，SwiftAgent還可以基於大模型推理能力調用企業私域知識庫，如歷史經營策略、行業分析範式，自動生成包含歸因分析和建議的智能報告。

更重要的是，SwiftAgent擺脱了傳統“你問我答”的被動式問數範式，真正做到了主動式數據預警和洞察生成，就像為每個員工配備了一個數據科學家助理一樣，7x24小時為其主動服務。

從統一指標定義，終結“數據打架”；到高併發查詢的“秒級響應”；從“民主用數”到“洞察生成”，最後奔向“全天候主動分析預警”。數勢科技SwiftAgent通過技術架構創新與企業場景深度適配，實現了數據價值的低門檻釋放，企業用數效率相比指標平台又提升了10倍。

三、看見數勢科技的底層邏輯

為什麼是數勢科技？

數據智能的競爭，本質是“認知差”的競爭。數勢科技與競品的分野，早在產品設計之初就已註定。

2020年，數勢科技推出首代指標平台，在譚李看來，當競品仍將“指標管理”作為數據中台的附屬模塊時，數勢科技已提出“指標即服務”（Metrics as a Service）理念，將指標層獨立為數據價值鏈的核心樞紐。

在產品架構上，不做“全家桶”，支持對接Power BI、Tableau、帆軟、QuickBI等主流BI工具，適配各種數據底座，避免了廠商鎖定。

“某指標平台必須綁定其自研OLAP引擎，客户被迫接受過時技術。”譚李告訴產業家，有些廠商則不得不受限於自身的BI產品，強制捆綁生態。

在新興技術融合方面，數勢科技似乎也具備先發優勢。

“2022年大模型出來之後，我們第一時間就想到，基於大模型的能力，我們的數據民主化其實可以更進一步。”譚李説道。“在傳統BI廠商還在猶豫要不要+AI的時候，我們就在2023年做出了SwiftAgent產品，並在多個商業付費客户交付落地。”

2025年春節，DeepSeek火爆，數勢科技稱，其是行業首個接入DeepSeek能力的智能分析產品。在可視化生成方面，動態圖表樣式、數量超越傳統BI工具；在深度洞察報告方面，推理分析自由發揮度大幅提升，突破固定範式限制；譚李直言，“很多時候會有驚喜給到你。”

基於對技術趨勢的預判和對產業規律的敬畏，數勢科技在引領產業數據民主化的路上一直踩準了節奏。從這一點來看，數勢科技已然成為開源生態的“放大器”。通過數勢科技這個“放大器”，企業可以更好地將大數據和AI的能力最大化地、更好地融入自身企業業務。

正如工業革命時期的隧道盾構機改變了城市擴張的邏輯，數勢科技正在數據世界的地下管網中，悄然鋪設通向“數追人”時代的鐵軌。

四、跑完數據平權的“最後一公里”

不容忽視的一個事實是，中國很多企業仍處於信息化初級階段，ERP系統未覆蓋全流程，數據採集依賴Excel手工填報；在企業內部，業務部門也常將數據問題簡單歸因於工具，忽視底層治理；中小企業對大模型的成本耐受度低，且缺乏專業團隊維護知識庫。

據中國信息通信研究院《中國數字經濟發展研究報告（2024年）》，2023年，我國一、二、三產業數字經濟滲透率分別為10.78%、25.03%和45.63%，第三產業數字化滲透率相對較高，而第一二產業數字化滲透率不及全球平均水平。

需要承認的是，鋪設通向“數追人”時代鐵軌的路上，依然存在現實的溝壑。“信息化系統本身有缺陷，基於SwiftAgent的查詢可能也就會受到一些影響。”

提起客户對SwiftAgent的推廣阻力，譚李直言，業務方不會分階段討論問題，認為所有痛點都該被一鍵解決。

當一家制造企業的訂單數據因系統割裂導致周結時才能穩定，當一家縣域超市的進銷存數據仍依賴手工枱賬，數據智能的願景便撞上了冰冷的現實——技術普惠的最後一公里，遠比想象中漫長。

面對這些根植於產業土壤的難題，數勢科技選擇了一條“技術普惠”的務實路徑。

在輕量化部署方面，針對分散的系統，提供多系統兼容的標準化接口，短時間內完成多源數據對接，避免“推倒重建”。在數據治理方面，避免漫無邊際的數據治理，採用應用優先的方式，優先固化核心業務指標，再逐步擴展至邊緣場景。採用成本分級策略，簡單查詢調用輕量模型，複雜歸因使用更大的模型，通過Multi-Model動態路由，將大模型調用和算力成本壓縮至同行方案的1/10。

在中國龐大而複雜的產業體系中，走這樣務實路徑的技術服務商，不只存在於數據智能這個賽道，而是存在於各行各業：不設置高門檻，而是用最小化改造撬動最大價值。

19世紀鐵路網的建設從未等待所有城鎮準備好站台，像數勢科技這樣的技術服務商們，選擇的是先讓數據流動起來，再在流動中釋放價值。