Article body
正文
新一代 Agentic BI，衡石科技。 经营会上，管理者打开经营看板，看到了本月营收、区域排名、产品结构和同比环比变化。
数字已经摆在屏幕上，但真正的分析才刚开始。
“华东营收为什么掉得这么快？”
“是新客变少，还是老客复购下降？”
“哪些产品线拖累了毛利？”
“把异常客户、异常门店、异常销售小组拆出来看一下。”
这些问题通常不是一张固定报表能提前覆盖的。业务人员看到了结果，马上会追问原因；看到原因，又会继续拆维度、看明细、比周期、找异常。报表给出了第一层答案，但业务决策需要的是一条可以继续向下追问的分析路径。
过去几年，很多企业已经完成了数据平台和 BI 系统建设。数据源被接入，指标被梳理，报表被发布，经营大屏、销售看板、财务分析、供应链监控、运营复盘也逐渐成为日常管理动作。
但在真实业务现场，另一个问题仍然存在：报表越来越多，业务人员想要答案时，还是要找数据团队。
这不是因为 BI 没有价值。恰恰相反，企业能进入这个阶段，说明 BI 已经承担了基础数据消费的主干能力。传统 BI 帮企业建立统一口径，沉淀稳定报表，控制数据权限，支撑经营汇报，让不同部门在同一套数据体系下看业务。
问题出在另一个层面：报表擅长回答稳定问题，业务每天提出的却是变化中的问题。
今天管理层关注区域收入，明天销售负责人要拆渠道转化，后天运营团队要看活动后复购，再过一周财务团队要解释毛利波动。业务问题会随着市场、组织、客户、渠道和产品动作不断变化。报表可以提前设计，业务追问不会按照报表目录发生。
于是，企业会遇到一个很典型的矛盾：数据资产越来越多，数据使用门槛却没有真正降下来。
业务人员需要先知道该去哪张报表，再判断该用哪个筛选条件、哪个维度、哪个指标。数据团队则要不断响应临时取数、改图、加字段、解释口径和补分析。久而久之，报表系统变得越来越完整，业务问数却仍然依赖少数数据专家。
ChatBI 的价值，就从这个现场出现。
它让业务人员可以从业务语言开始，而不是从报表目录开始。
用户可以直接问：“本季度销售额下降最多的是哪些区域？”
也可以继续追问：“下降主要来自新客减少，还是老客复购变差？”
最后再让系统整理：“把这次分析写成一段经营复盘。”
这类交互看起来像聊天，底层却不是简单聊天。企业级 ChatBI 要解决的核心问题，是如何把自然语言问题转化为可信的数据分析过程。
在企业里，“本月收入”从来不是一个简单词汇。它可能涉及含税或不含税、订单时间或确认收入时间、是否扣除退款、是否排除内部交易、是否受权限范围限制。业务人员只问了一句话，系统背后需要理解指标口径、数据模型、权限规则、时间粒度和可分析维度。
如果没有这些基础能力，大模型很容易根据字段名或通用经验猜答案。短期演示可能流畅，长期使用会带来口径漂移、权限越界、结果不可复核的问题。
所以，企业级 ChatBI 的第一原则是可信。
这也是衡石产品技术演进里很清晰的一条主线。
HENGSHI SENSE 长期服务企业软件厂商、行业伙伴和集团 IT 团队，产品起点不是单一报表工具，而是企业级 AI + BI 平台。它覆盖数据集成、数据准备、逻辑建模、指标管理、可视化 BI、复杂报表、嵌入集成、多租户交付和权限治理。也正因为这些基础能力已经沉淀下来，ChatBI 才有机会进入真实企业场景，而不是停留在演示层。
在衡石的路径里，AI 不是绕过 BI 平台直接猜 SQL。自然语言问题需要先进入语义层、指标体系和权限体系，再由确定性的 BI 引擎完成查询、计算、展示和沉淀。模型负责理解问题、规划分析路径、组织表达；平台负责保证数据来源、指标口径、权限边界和结果可验证。
从 6.1 开始，**HENGSHI SENSE 已经把 ChatBI 推向更完整的 Agentic Analytics。**Data Agent 不只回答问题，还能进入数据创作、指标创作、仪表盘编辑和智能解读过程。用户可以围绕图表发起分析，也可以通过智能解读配置，让系统按预设分析思路完成数据查询、异常识别、维度分解、下钻分析，并生成结构化解读报告。
到 HENGSHI SENSE 6.2 和 6.2.x，这条路径又继续向业务指标和日常分析体验深化。
业务指标支持收藏，方便用户快速访问重点指标；跨应用复制数据集时可以带上数据集下的指标，减少重复配置；ChatBI 生成的表格添加到仪表盘时可以保留排序规则，让一次问数结果更容易沉淀为可复用资产；仅使用 ChatBI 的用户也可以通过 SSO 默认角色进入问数场景，降低业务用户接入成本。
6.2.x 进一步强化了指标驱动的分析体验。动态主题域支持业务指标作图，仪表盘图表可以选择指标主题域作为数据来源，直接拖入指标和可分析维度完成分析。这意味着业务人员面对的不只是字段和表，而是企业已经治理过的指标体系。ChatBI、指标分析和仪表盘创作开始围绕同一套业务语义协同工作。
SSE 实时同步、Data Agent 长文本交互优化、缩略图和高清缩略图接口等能力，则提升了嵌入式、门户化和智能体协同场景下的产品体验。对企业客户和软件伙伴来说，ChatBI 不再是孤立入口，而是可以被嵌入、被集成、被权限控制、被沉淀到业务系统里的智能分析能力。
这也是衡石讲 ChatBI 时最需要强调的一点：ChatBI 不是给 BI 加一个聊天框，而是让企业数据消费方式从“找报表”走向“问业务问题”。
报表仍然重要。管理驾驶舱、正式汇报、周期复盘、监管口径、复杂格式报表，仍然需要 BI 系统承载。ChatBI 更适合承担高频追问、异常定位、临时探索、原因拆解和经营复盘。
当企业有了统一指标、语义层、权限体系和可复核的 BI 引擎，ChatBI 才能把自然语言问题变成可信分析过程。管理者可以更快发现经营异常，业务负责人可以减少等待取数的时间，数据团队也可以把精力从重复响应需求，转向指标体系、数据模型和分析方法建设。
报表越来越多，业务仍然问不到答案，问题不在于企业缺少数据。真正的缺口，是企业还缺少一个足够自然、足够可信、足够贴近业务现场的数据分析入口。
HENGSHI SENSE 6.2 之后，衡石正在把这个入口接到企业已有的数据资产、指标体系和 BI 工程能力之上。ChatBI 的下一步，不只是让用户问数更方便，而是让更多业务角色真正进入数据决策流程。