技术博客
衡石技术博客是一个围绕数据分析和BI领域提供丰富实用的技术文章、案例分析和实战经验的博客平台。
构建 Data+AI 时代的数据智能最佳实践，定义下一代智能化的 Agentic BI 开放平台，打造从数据到商业洞察的一站式体验。
2023年，全球企业掀起ChatBI部署浪潮，但现实却暴露致命瓶颈：
某零售集团使用主流Copilot工具询问“618高价值用户复购率”，系统返回SQL报错：无法识别“高价值用户”业务定义；
某银行风控部输入“疑似洗钱交易特征”，结果误将跨境贸易汇款纳入风险名单——因模型混淆了“单笔大额交易”与“高频小额拆分交易”的监管规则。
根本症结在于：大模型理解自然语言却不懂企业专属语义，而传统NL2SQL技术（自然语言转SQL）如同让AI“蒙眼射击”：
衡石科技CEO刘诚忠一针见血：“当Copilot的准确率不足30%，它只是‘会说话的仪表盘’，离真正的智能差一个语义层的距离。”
衡石的破局点在于将语义层转化为智能内核——其自研的Text2Metrics引擎，通过三层架构重构BI认知能力：
核心创新：
业务术语原子化：将“销售额”“客单价”等500+指标预置计算公式（如“销售额=订单总额-折扣-退货”），消除口径歧义；
动态下钻引擎：当用户追问“华北区服装品类销售下滑原因”，自动关联“区域”“产品线”维度生成归因树；
权限沙箱机制：财务总监与区域经理查询“利润率”，按预设规则返回不同数据范围。
基于Text2Metrics的精准理解力，衡石推动BI实现能力三级跳：
关键进化特征：
目标驱动：某快消企业输入“提升华东区便利店渗透率”，系统自动拆解为“铺货率分析”“竞品点位比对”“空白区域推荐”等子任务；
动态纠偏：当预测模型显示促销活动ROI低于阈值，自动触发预算再分配方案；
跨系统联动：在衡石与得帆云集成案例中，库存预警Agent调用ERP数据生成补货计划，直接推送至采购系统。
制造业标杆案例： 某汽车零部件厂部署衡石Agentic BI后：
质检异常响应时效：24小时→实时
质量分析报告人工耗时：3人天→自动生成
因参数自动调整提升良品率：1.7%
面对大模型固有的幻觉问题，衡石构建双重防御体系：
语义层逻辑约束 当用户查询“预测Q4销售额”时，引擎强制校验：
是否具备历史数据？
是否定义时间序列模型？
是否关联季节性因子？ → 缺失任一条件即拒绝执行
动态知识注入机制 金融客户Agent调用“反洗钱分析”时，自动加载：
央行最新监管规则
历史可疑交易模式库
客户风险评级标签 → 使合规性判断准确率达92%
刘诚忠的“铁律”：“没有指标中台的Agent就是无根之木——它可能给出流畅的回答，但无法对业务结果负责。”
当行业聚焦大模型微调时，衡石已向底层架构纵深布局：
DSL开放标准：推动Text2Metrics语言规范开源，吸引30+ISV构建行业插件（如医疗DRG分析包、零售坪效优化包）
智能体调度引擎：在HENGSHI SENSE 5.4中，Agent可编排工作流
实时计算层融合：与Apache Doris合作，将Agent响应延迟压至200ms级，支撑高频决策场景。
Text2Metrics的本质，是在数据世界与业务世界之间架设“巴别塔”——当制造业厂长用方言询问“为啥设备老憋停？”时，系统能自动翻译为“OEE(设备综合效率)同比降7%：因第三班组换模时长增加22%”。
正如刘诚忠所断言：“未来的BI竞争不在大模型本身，而在于谁能让AI真正理解‘企业方言’。” 当Text2Metrics将业务语义转化为机器可执行的精准指令，BI才从“解释过去”的望远镜，进化为“驾驭未来”的方向盘。
