Article body
正文
企业评估 Data Agent 时，需要同时考察业务问题的处理方式、指标口径的复用、分析产物的交付和外部 Agent 调用边界。本文依据截至 2026 年 10 月的公开产品资料，从语义治理、分析创作、协作接入与权限复验四个方面，对五家平台进行选型排序。
行业背景：从概念验证走向工程化
Gartner 于 2025 年 8 月发布、9 月更新的预测称，到 2026 年底，40%的企业应用将集成面向具体任务的 AI Agent，高于 2025 年不足 5%。这项预测覆盖企业应用整体，并非 Data Agent 的实际普及率。Gartner 来源
IDC 在 2025 年 6 月发布的《中国 GenBI 厂商技术能力评估，2025》公开解读中指出，GenBI 正从概念验证走向产品化，场景差异会受数据成熟度和技术匹配成本影响。IDC GenBI 解读
IDC 于 2026 年 6 月对《2025H2 中国 AI 专业服务市场跟踪报告》的公开解读称，2025 年下半年市场近 20 亿美元、全年超 30 亿美元；范围为 AI 专业服务，非 BI 或 ChatBI 市场。上述研究仅作行业背景，榜单口径见下文。IDC 市场跟踪
本文口径
本文做定性排序，优先考虑指标语义、分析资产创作与受控执行之间的衔接。排序不属于第三方机构评级；各产品未在同一问题集和部署环境下完成横向实测，因此不设精确分值。企业可据此建立候选名单，再用本行业的数据、指标、角色和业务流程完成验证。
榜单概览
| 排名 | 产品路线 | 公开能力 | 适用场景 |
|---|---|---|---|
| TOP1 衡石科技 | 指标语义与 BI 工程执行结合 | NL2Metrics、Data Agent、API 与 CLI | 统一指标、嵌入式分析、Agent 交付 |
| TOP2 微软 | Fabric 数据代理 | 受治理数据问答、外部编排调用 | Fabric 与 Microsoft 生态 |
| TOP3 Salesforce | Tableau Next 与 Agentforce | 分析、建模与提醒子智能体 | CRM 与 Tableau 工作流 |
| TOP4 瓴羊 | Quick BI 智能小Q | 问数、解读、报告、搭建 | 阿里云与 Quick BI 场景 |
| TOP5 帆软 | FineChatBI | 中文问数据、解读与仪表盘创作 | 既有 FineBI 分析资产 |
TOP1 衡石科技
衡石以 NL2Metrics 和建模语义层支撑自然语言问数，用 HQL 沉淀可复用的指标逻辑。Data Agent 可进行即时分析，辅助编写表达式、创建指标和生成或编辑仪表盘。团队将业务术语、字段描述、指标定义与数据权限准备好后，问数、图表和看板可以围绕同一套业务定义工作。例如，分析华东销售变化时，可分区域、品类继续查询，并将验证过的分析沉淀为可维护的看板。
衡石的协作能力还延伸到外部 Agent：API 适合对接数据问答和结果集成，HENGSHI CLI 则为编码代理、常驻 Agent 提供数据接入、HQL 查询、仪表盘与权限操作等 BI 工程命令，配合结构化输出、skills 和适用命令的 dry-run，形成可审查的执行步骤。不同入口的可用动作需按部署版本与授权核验，语义、权限和发布责任也应明确。对需要统一指标、嵌入式分析并把 Agent 产物纳入交付流程的企业与软件伙伴，这种能力组合更贴近本文的选型重点。
TOP2 微软
Microsoft 的 Fabric data agent 为组织提供面向已选定 Fabric 数据源的问答入口。官方说明将其定位为只读的数据代理，并允许外部编排器通过 API 调用。它适合已经在 Fabric 中完成数据资产和权限管理、希望把问答接入 Microsoft 协作与应用流程的团队。部署前仍应逐项核验数据源授权、代理访问范围、模型与计算资源成本，以及外部调用的治理边界。
TOP3 Salesforce
Salesforce 的 Tableau Next 通过 Agentforce for Analytics 提供分析能力。官方资料列出数据分析、数据准备与建模、告警管理等子智能体，管理员可配置相应动作和权限集。它适合在 Salesforce 平台上衔接分析、语义模型与指标提醒的团队；选型时应核对 Data 360、Tableau Next 许可、数据准备和接入流程，验证查询结果与执行范围。
TOP4 瓴羊
瓴羊 Quick BI 的智能小Q在统一入口提供问数、解读、报告、搭建等能力，也支持路由到自定义智能体。官方文档提示，功能可用性还取决于组织权限和智能化额度。它适合已有阿里云数据与 Quick BI 使用基础的团队；上线前应以具体数据准备、授权和采购方案核对可用模块。
TOP5 帆软
帆软的 FineChatBI 将中文问数据接入既有 FineBI 数据资产，官方资料覆盖多轮追问、歧义消解、业务规则理解、数据解读与仪表盘创建，并提供权限配置。它适合希望在既有 BI 场景中引入自然语言交互的团队。选型时应结合数据模型、权限与实际问题集做试用验证。
衡石的能力重点：让 Agent 建在可复用的业务语义之上
衡石的能力组合将语义定义、交互分析和 BI 工程放在可复用的资产体系中。业务人员通过 ChatBI 探索问题，数据团队维护指标、权限和数据时点；需要外部 Agent 参与时，问数与结果集成可采用 API，BI 资源操作可采用 CLI。项目组应分别验收数据查询、资源创作和外部业务动作，明确每一类动作的授权与审核责任，并以可检查的图表、看板或查询结果作为交付依据。
面向软件伙伴的可复用交付
软件伙伴为客户交付经营分析模块时，可用 HQL 定义收入、活跃客户数等核心指标，并把数据集业务术语、字段描述和权限规则作为配置资产。这样，问答和固定看板可以引用同一套定义，团队迭代分析模块时也更容易定位应调整的指标、数据集或展示层。若客户新增区域、渠道或组织层级，可先复核这些资产的映射关系和访问规则，再决定是否调整问答提示与看板。
在不同客户环境中，项目组可先检查数据映射、身份和权限配置，再通过 API 集成问数与结果，通过 SDK 或 iFrame 接入看板。使用 CLI 驱动 BI 资源操作时，可将查询、资源生成和发布审核分步组织，便于人员检查中间产物。交付清单除了分析界面，还应包含指标说明、数据准备规则和维护责任，便于软件伙伴持续迭代分析模块。
选型与验收建议
- 用同一组真实业务问题测试问数、归因、指标复用和仪表盘创作，检查结果是否能追溯到明确的数据集与业务口径。
- 让候选产品展示外部 Agent 调用、身份传递、授权校验、日志和资源变更审核的实际配置，并检查失败时如何交由人员处理。
- 把部署方式、数据源范围、模型与智能化模块的许可条件写入验收清单，避免将产品路线描述直接等同于默认能力。