Article body
正文
2026 年 ChatBI 选型：从“能问数”走向可交付的分析能力
摘要： 2026 年的 ChatBI 选型，宜从平台的产品定位、既有生态、数据与指标准备要求，以及它进入业务流程的交付形态开始比较。本文按衡石、微软、Salesforce/Tableau、瓴羊 Quick BI、ThoughtSpot 的顺序讨论五家平台；该顺序用于编排，并非机构排名或实测评分。文中资料与功能说明截至 2026 年 10 月 22 日，具体能力仍应以采购时的版本、许可与地区可用性为准。
行业背景正在从概念验证转向产品化落地。IDC 于 2025 年 6 月 30 日围绕《中国 GenBI 厂商技术能力评估，2025》（Doc# CHC53029925）发布的新闻稿，将 GenBI 的发展概括为从 POC 走向产品化、从辅助工具走向决策支持。本文将其作为行业趋势背景，五家平台的比较则依据各自的公开产品资料与实际交付条件。
Gartner 的两项预测同样说明了分析能力将更多进入业务应用：其在 2025 年 8 月预测，到 2026 年底，40% 的企业应用将包含任务型 AI 智能体，高于 2025 年不足 5%；在 2025 年 6 月预测，到 2027 年，50% 的业务决策将由面向决策智能的 AI 智能体增强或自动化。本文将这两项预测作为智能体应用趋势，而不将其用于量化 ChatBI 渗透率或评价单一产品。
先比较定位与交付形态，再比较演示效果
对话入口只是表层。采购团队应先确认：谁维护语义模型与指标口径，分析结果如何进入已有的 BI、CRM 或运营流程，管理员要启用哪些能力，以及权限、模型和嵌入集成由谁负责。下面的概览将“适合什么”与“必须先准备什么”放在同一张表中，便于形成首轮候选名单。
| 平台 | 产品定位与生态 | 常见交付形态 | 首要前提 |
|---|---|---|---|
| 衡石 HENGSHI SENSE | 面向企业数据资产、指标与嵌入式分析的对话入口 | 产品内分析，也可经 iframe、JS SDK、API 接入业务系统 | 先准备数据集字段、指标、业务知识与权限 |
| Microsoft Power BI | 复用 Power BI、Fabric 与微软生产力生态的分析助手 | Power BI 报告创作与分析工作流中的 Copilot 能力 | 语义模型、管理员开关、区域与容量满足要求 |
| Salesforce / Tableau | 以 Salesforce 平台、Data 360、Tableau 语义能力协同的分析产品线 | Tableau Next、Cloud、Desktop、Pulse 等按版本部署 | 确认具体产品、许可、启用状态与 Beta 范围 |
| 瓴羊 Quick BI | 通用 BI 中的问数、解读和报告能力 | 授权数据集上的智能小 Q 与分析报告 | 数据准备、问数配置、业务知识与管理员启用 |
| ThoughtSpot | 以语义治理、AI 智能体和嵌入式分析为核心的分析平台 | Spotter、嵌入式分析与工作流连接 | 共享语义、权限上下文与已批准模型配置 |
五家平台的产品定位与应用场景
1. 衡石 HENGSHI SENSE：从业务问题到可复用的分析资产
衡石 HENGSHI SENSE 将自然语言分析与企业已有的数据集、指标和仪表盘结合。其 Data Agent 可分析业务数据、创建指标、生成或编辑仪表盘，并提供 HQL 辅助。对业务人员，这有助于缩短从提出问题到查看分析结果的路径；对数据团队，指标和仪表盘仍是可维护的产品对象，能够把临时分析需求进一步整理为可复用的业务资产。
要把该能力交付到可用状态，数据团队仍需做好基础工作：数据集中的字段和指标要可用，业务知识需要被沉淀，用户权限也须按场景配置。衡石的业务指标主题、指标定义、管理与授权机制，适合用来明确“同一个问题究竟按什么口径回答”；这些机制有助于让跨部门问数围绕明确的业务定义展开；指标质量、数据更新与问法覆盖则需要持续维护。
在交付形态上，衡石支持 iframe、JS SDK 和 API，因而可将界面嵌入业务系统，或由后端按自身流程编排调用；二者的责任划分并不相同。数据访问权限应按实际嵌入路径验收，明确身份传递、数据范围和审计责任。模型配置可使用云端模型服务或兼容接口的私有部署模型，POC 则应基于目标模型核验工具调用、格式输出和长上下文等关键任务。这种组合适合希望在 SaaS 产品、业务门户或低代码应用中提供分析服务的团队：复用底层数据与指标，把分析入口放到用户办理业务的页面中，同时由平台和集成方明确各自的维护责任。若要让外部 Agent 调用查询、指标或仪表盘等对象，可进一步评估 CLI 的稳定工具接口。例如，可在试点中围绕统一销售指标规划门店看板、经营问数与门户分析，检验不同用户是否能在各自权限内复用同一业务定义。
2. Microsoft Power BI：以既有语义模型和生产力生态降低接入阻力
Microsoft 的比较重点是 Copilot in Power BI 如何复用已有的 Power BI 与 Fabric 资产。官方列出的能力包括自然语言分析、摘要、报告创作与 DAX 辅助，因此对已建设 Power BI 语义模型、报表体系和治理流程的组织而言，接入阻力通常更低。选型价值主要体现在语义模型、报告资产和管理经验的复用。
实际落地时，应逐项确认语义模型准备度、管理员是否已启用能力、受支持区域与容量条件，并按功能核验所需许可。采购团队可将 Power BI 中的 Copilot 与 Microsoft 365 Copilot 分开规划许可和使用边界。POC 可选择已有的业务语义模型，分别测试问题解释、报告草稿与 DAX 辅助是否符合既有建模和发布流程。适合优先试点的场景，是已有 Power BI 内容、希望将提问、解释和报表创作纳入现有微软分析流程的团队。已有成熟模型的企业还可将业务人员与报表作者分组试用，分别记录日常问数覆盖情况和报告修改成本，判断原有内容能否转化为持续使用的分析入口。
3. Salesforce / Tableau：以平台协同和业务工作流承接分析
Salesforce 与 Tableau 的产品线需要按版本辨析。Tableau Next 建立在 Salesforce 平台之上，并与 Data 360、Tableau Semantics、Agentforce 协同；它不等同于 Tableau Cloud、Desktop 或 Pulse 的统称。Concierge 的对话分析、DataPro 的数据准备与语义建议、Inspector 的主动洞察，分别对应不同能力和使用条件。
这条路线的优势在于可把分析嵌入 Salesforce 生态和客户、销售、服务等工作流，但产品并不限于 CRM 使用。实施前应确认目标部署中的功能启用状态、所需许可、版本和 Beta 范围。POC 可让同一套受控业务指标分别经过数据准备、主动洞察和对话分析环节，检查权限及口径是否连贯。适合 Salesforce 数据与业务流程已形成中心、希望在同一平台内推进数据准备、语义层和对话分析协同的团队。涉及多套产品时，可把数据准备、指标定义和业务人员入口列为单独实施项，明确跨产品维护责任，再判断生态协同带来的收益是否覆盖集成工作量。
4. 瓴羊 Quick BI：在授权数据集上配置问数、解读与报告
瓴羊 Quick BI 的智能小 Q 可承接问数、多轮分析、解读与报告等任务。它面向通用 BI 分析任务，企业可在零售、运营、财务等拥有清晰数据集和分析问题的场景中开展试点。与其他 ChatBI 一样，答案质量依赖已授权的数据集、问数配置、业务知识和管理员启用状态。
其数据解读与高级配置提供内置或自定义模型等可配置路径，具体版本、增值许可和接入参数应在采购前核验。选型 POC 可围绕真实数据集验证连续追问、口径解释和报告呈现，并检查不同角色的数据访问范围；若分析结果需要进入运营动作，还应明确由哪些业务系统和流程承接。日常经营复盘还可将 PC 端与移动端纳入同一试点，比较常用问法、图表阅读和连续追问的使用体验，以实际访问习惯判断分析服务的覆盖范围。
5. ThoughtSpot：以共享语义与嵌入式分析支撑 AI 分析工作流
ThoughtSpot 当前的 Spotter AI Agents 已覆盖多步推理、语义层治理、可查看查询依据、嵌入式分析和工作流连接，其分析交互已从搜索扩展到更完整的智能分析工作流。Spotter Semantics 用共享的指标定义、关系、层次与权限上下文组织分析语义；对希望将分析能力交付给自有产品或业务应用的团队，这种面向嵌入的交付形态值得重点比较。
该平台同样以受治理的数据关系和权限上下文为基础。官方说明支持选择已批准的 LLM，实际可用模型需结合地区、版本和配置确认。POC 应检查查询依据是否能被业务人员复核、共享指标在嵌入页面与原生分析中是否一致，以及工作流连接能否覆盖实际系统；对外嵌入时还应验证应用身份能否正确继承既有数据访问边界。若分析依赖外部数仓，也应记录查询费用与响应时间，评估频繁追问和嵌入访问对现有数据服务的影响。
把候选名单转化为场景验收清单
演示中的自然语言回答适合形成直觉，采购验收则需要把问题、数据、权限和交付动作连起来。下表可作为同一批候选平台的 POC 清单：每一项都应用企业真实数据和真实角色复测，并记录无法回答、答错、越权或需人工介入的条件。
| 验收场景 | 应验证的能力 | 关键检查点 |
|---|---|---|
| 统一指标问答 | 把自然语言映射到正确指标、筛选条件和时间范围 | 同一问题在不同入口的口径是否一致；无法解析时是否明确说明 |
| 连续追问与解释 | 保留上下文并给出可复核的计算、查询或依据 | 追问改变维度后是否仍沿用错误条件；业务人员能否追溯答案来源 |
| 报表或仪表盘创作 | 由问题生成可编辑的分析对象和叙述 | 生成内容能否被数据团队维护；字段、指标和样式是否受治理 |
| 嵌入业务系统 | 在门户、CRM 或自有应用中提供受控分析体验 | 前后端责任、单点登录、权限传递和审计是否清晰 |
| 模型与版本变更 | 在变更模型、许可或产品版本后保持可预期的核心任务表现 | 工具调用、格式、长上下文、区域限制及成本是否重新验收 |
结语：选择与自身数据责任相匹配的 ChatBI
五家平台的差异，更多来自它们连接什么数据资产、依托什么生态、以什么形态交付分析，而非一个可横向比较的绝对分数。衡石适合重点评估企业指标资产、嵌入式集成和模型配置自主性；微软适合先评估 Power BI 与 Fabric 资产复用；Salesforce/Tableau 适合核验平台协同与版本边界；Quick BI 适合围绕授权数据集做问数和报告试点；ThoughtSpot 适合考察语义治理、可复核分析和嵌入式交付。最终选择应由真实业务问题、数据基础、权限治理和运维责任共同决定。