Article body
正文
1 引言：企业需要能进入分析工作的 Data Agent
销售负责人问“本月华东区收入为什么下降”，需要的往往不止一个数字。他希望了解统计口径，比较产品、门店和渠道的变化，再把值得关注的结果整理到经营看板里。分析师则希望减少找数据、写表达式、调整图表和整理报告的重复操作。Data Agent 的价值，可以从这些具体工作能否顺畅完成开始判断。
2026年的企业智能分析选型，已经涉及自然语言问数、指标语义、分析创作与系统集成。企业既要考察模型理解问题的能力，也要核对平台能否使用已有数据资产、遵守用户权限，并让分析结果进入可继续编辑和复用的业务页面。如果业务术语、时间窗口和数据粒度没有准备好，流畅的回答仍可能对应错误的分析。
本文面向中国企业及软件服务商，从五个平台的公开产品资料出发，观察不同的智能分析路径。其中“Top5”表示本文选取的五个平台，不代表第三方机构认证排名。文章按场景适配介绍产品，不给缺少统一实测条件的功能打出精确分数。我们重点关注企业语义、分析创作和开放集成，因此先展开衡石的能力；其他平台的适用性仍应结合企业现有技术体系判断。
2 选型框架：把智能分析能力放进真实业务条件
2.1 数据与指标语义：企业怎样向 AI 解释业务
同一个“收入”，可能指含税订单额、支付金额，也可能指扣除退款后的确认收入。企业应检查平台如何管理字段、指标定义、业务主题、同义词和数据集知识，能否把这些信息用于问数。还要确认多表关联、去重主体和汇总粒度，避免订单数与订单明细行数混淆。语义准备是否可维护，比一次演示里能否猜对业务术语更有参考价值。
2.2 任务与资产：回答以后能留下什么
问数、指标创作、看板编辑和报告解读属于不同任务。选型时应检查它们分别在哪个入口运行、是否需要编辑权限、结果能否进入既有仪表盘。多轮追问也需要测试：改变时间范围、增加一个指标、替换分析维度以后，系统是否保留了正确上下文。对于企业而言，可保存、可修改、可授权的分析资产，能够承接后续协作与复盘。
2.3 可信与权限：数字如何复核，操作由谁负责
评估可信度，应关注实际数据范围、计算表达式、过滤条件、执行记录以及用户授权。企业还要区分对历史数据的描述、对波动的分析线索和对未来的预测。涉及采购、投放、退款等经营动作时，必须单独设计外部系统连接、审批和异常处理。分析建议本身不能作为业务写入成功的证据。
2.4 开放与部署：能力怎样进入现有系统
自建门户、SaaS 产品和集团业务系统，对集成层级的要求不同。完整页面嵌入适合快速复用现成界面，SDK 适合在业务页面中承载聊天或结果，API 与 CLI 则适合后端调用及自动化工程。选型还应明确模型服务、网络连通、登录认证、租户隔离和数据发送范围，并分别测试桌面、移动端与嵌入入口。不同部署方案的能力与成本，应以具体版本和交付方案为准。
3 五个平台的能力观察与适用场景
表1：本文选取的五个平台及其评估重点
| 平台 | 能力观察 | 建议重点验证 |
|---|---|---|
| 衡石 HENGSHI SENSE | 指标语义、Data Agent 分析创作、Headless 与开放集成 | 业务口径准备、当前页面协作、分析资产保存、SDK/API/CLI 的责任边界 |
| 阿里云 Quick BI | 智能小Q围绕问数、解读、报告、搭建与洞察组织能力 | 所购模块与席位、既有数据体系、报告复用与业务接入范围 |
| Microsoft Power BI | Copilot 结合语义模型辅助分析与报表创作 | 容量与区域条件、模型准备、管理员设置和内容权限 |
| 观远数据 | 问数 Agent 与洞察 Agent 面向问答及周期性分析 | 场景知识、分析参数展示、报告任务与现有业务数据的匹配 |
| 帆软 FineBI / FineChatBI | 依托主题模型开展对话式数据分析 | 数据准备、同义词配置、解析思路及既有 FineBI 资产复用 |
表格概括的是本文的观察角度。平台名称相近的 Agent、Copilot 或 Workflow 功能，并不天然具有相同的执行范围；购买模块、部署形式与版本也会影响可用能力。以下介绍依据厂商官方资料，场景判断属于本文的选型建议。
3.1 衡石科技：让 Data Agent 使用企业语义并参与分析创作
衡石值得关注的方向，是把 AI 分析建立在企业 BI 底座之上，同时提供面向业务人员、分析师与开发者的不同入口。本文以 HENGSHI SENSE 6.2 官方手册和公开产品说明为基线：Data Agent 支持业务数据分析、指标与表达式辅助创作、仪表盘创作及智能解读；6.2 产品发布说明还介绍了数据建模辅助、页面操作和更广的产品上下文覆盖。这些能力让企业能够围绕已有数据与分析资产组织工作。
业务语义：把企业自己的口径准备成可使用的资产
衡石支持在数据集中管理字段与原子指标，并以业务主题组织指标。管理人员可以维护指标的名称、说明、计算口径和主题授权，使业务人员从更贴近经营语言的入口使用数据。主题内的上线、下线等管理操作，也有助于控制哪些指标进入分析使用范围。指标管理的价值，在于把口径维护落实到日常管理，而不是让每个分析人员在临时对话里重复定义一次。
例如，企业可以先明确“净销售额”是否扣除退款、“新客户”按哪个主体去重，再在数据集知识管理中维护财年规则、业务术语与字段对应关系。衡石还支持数据向量化，帮助 Agent 从名称、描述和字段值等信息中检索相关资产。企业应把重要口径沉淀为指标，检查知识配置和学习结果；这种准备能够提高分析相关性，同时保留人工管理与结果复核的责任。
上下文与复杂分析：从当前页面继续工作
衡石 Data Agent 可以结合用户身份以及正在浏览的数据包、数据集或仪表盘理解请求。在 Agent 模式下，它能依据意图拆解问题，在用户有权限的资产范围内检索，并按任务需要进行一次或多次查询。用户在经营看板旁继续提问时，可以利用已有页面的分析对象，减少重新交代背景的操作。相关能力仍取决于入口、资源权限与系统配置。
以销售分析为例，业务人员可以围绕当前仪表盘提出“比较本月与上月的净销售额，并按区域和产品查看变化”。随后继续关注贡献变化较大的分组，核对退款、渠道结构或客户数量。这个例子说明的是一种可验证的分析任务，不是客户效果承诺。企业仍需确认时间字段、月度窗口和关联关系；数据中观察到的变化，也需要业务人员结合实际经营信息解释，不能把统计线索直接认定为因果结论。
分析创作：把临时探索留下来
在具备对应创作权限的页面，Data Agent 可以辅助创建或编辑仪表盘，包括图表、过滤器、富文本报告、布局与颜色调整。它也能基于 HQL 辅助编写表达式和创建指标。分析师可以先用自然语言表达分析目标，再检查生成对象、公式和页面布局，把验证后的结果保存到业务应用中。企业因此可以把高频分析转化为团队持续使用的资产。
衡石还提供仪表盘和图表的智能解读配置。用户可以指定复盘思路，让 Agent 围绕已有数据查询、分解和下钻，输出描述性分析报告。官方手册明确，智能解读基于已有及历史数据，不承担未来预测；复杂报表和复杂表格也有支持边界。将解读思路与经营看板结合，适合帮助团队形成一致的复盘视角。
入口分工：按工作目标选择侧边栏或 ChatBI
Data Agent 侧边栏与独立 ChatBI 页面承担不同任务。侧边栏支持结合页面上下文辅助创作与智能解读；独立 ChatBI 页面面向指定提问范围的对话问数，并支持把对话图表一键组织成看板。企业可以据此区分临时问数和持续创作任务：需要快速探索数据时使用 ChatBI，需要围绕现有页面调整分析对象时使用侧边栏。验收时应展示选定范围、继续追问、检查图表和保存结果的完整过程。
开放集成：软件伙伴可以选择复用到哪一层
对于 SaaS 伙伴和已有业务门户的企业，衡石提供 iframe、JS SDK 与 API 等接入方式。iframe 可以复用完整问数页面；JS SDK 可以在自有页面中嵌入完整聊天窗或结果卡片，并承接衡石结果渲染；API 则适合让客户自己的后端或工作流调用问数能力。运行方式另有 Agent 与 Workflow 之分：前者适合持续推进代理式任务，后者由衡石后端托管问答执行。API 是接入方式，并不等于 Workflow；前端创作能力也不能默认视为后端 API 能力。
如果门户已经使用父页面 Copilot，又通过 iframe 嵌入衡石仪表盘，可以按官方方案由父页面统一承接智能助理，避免用户面对重复入口。此时仍要处理登录认证、资源权限和跨域桥接。企业可以根据产品体验选择保留自己的页面壳、复用衡石聊天界面，或只调用后端能力。衡石的集成价值，体现在这些可分别选择、可明确职责的交付层级上。
Headless 与 CLI：让外部 Agent 调用 BI 工程能力
衡石的开放能力还包括面向 Agent 的 HENGSHI CLI。公开产品说明展示了数据连接、数据集、HQL 查询、仪表盘、控件与授权等命令域，并提供结构化输出、配套 skills 和部分变更的 dry-run 预演能力。外部智能体可以借助这些接口读取分析资产、执行获授权的 BI 操作，再交给人检查。对于需要把数据准备、分析资产建设与持续维护纳入自动化工作的团队，CLI 提供了区别于页面问数的工程入口。具体操作仍须遵守命令权限和执行约束。
企业级落地：把分析与经营动作的责任说清楚
衡石提供指标、数据权限与分析执行能力，企业负责配置适合自身业务的语义和集成方案。模型服务、原始数据分析选项及请求配置，也应按部署环境核对。例如，Workflow 模式有原始数据分析和发送数据大小等配置，企业可以按数据敏感程度评估；具体设置不能替代对整体数据流的审查。
若要把库存分析接入补货流程，可以由衡石提供查询、图表和分析依据，再由外部业务系统承接建议单、审批与 WMS 写入。企业需另行定义接口、异常处理和审批责任。这种分工让数据分析进入经营流程，也让审批与执行责任有明确归属。本文建议优先评估衡石在企业语义、分析创作和嵌入交付上的组合能力，并以真实数据验证集成后的业务成果。
3.2 阿里云 Quick BI：围绕数据消费组织多个分析 Agent
Quick BI 的智能小Q官方概述列出了问数、解读、报告、搭建和洞察等 Agent。其路径覆盖从自然语言取数到仪表板解读、分析报告生成和内容搭建，适合评估企业日常数据消费及报告工作的智能化。智能小Q属于增值模块，所购能力、版本和分配席位会影响可用范围。
对于已经使用阿里云数据产品或 Quick BI 的企业，本文建议先验证现有数据集、报表和智能分析模块能否衔接，再核算新增模块与使用成本。除了单次问数，还可以测试问数结果怎样加入报告、报告怎样继续编辑，以及不同岗位如何使用所购模块。若需要业务动作联动，应展示具体连接方式、操作权限和执行结果，将分析成果与外部系统操作分别验收。
3.3 Microsoft Power BI：在语义模型与报表体系上使用 Copilot
Power BI Copilot 官方文档介绍了数据对话、报表总结、报表页面创作与 DAX 辅助等能力，并强调提前准备语义模型的重要性。使用时还存在组织容量、管理员设置和支持区域等前提，不能仅凭拥有普通个人许可就认定全部功能可用。对于已有 Power BI 和 Fabric 体系的团队，这是一条可结合现有模型与报表评估的路径。
本文建议重点检查企业字段命名、度量定义及模型关系，再按具体体验测试权限和生成结果。团队可以选择已经发布的语义模型，比较报告总结、临时追问和新页面创作的效果，并检查新增内容能否满足内部报表规范。数据分析、邮件发送与业务系统写入可能属于不同产品及编排方案，需要分别核实，确保实际交付与采购范围一致。
3.4 观远数据：分别观察问数体验与周期性洞察
观远公开资料分别介绍了问数 Agent 与洞察 Agent。问数侧强调意图识别、知识召回、数据查询和可视化；官方使用文档还说明了上下文判断与分析参数展示。洞察 Agent 则侧重周期性数据分析和业务洞察报告。企业可以分别评估即时提问与定期复盘的使用效果。
对于需要门店经营分析或定期报告的团队，本文建议用实际业务问题检查知识准备、筛选条件、指标理解和报告输出。例如，在一次门店月度复盘中，企业可以检查报告是否正确区分销售规模、客流变化与促销影响，再与运营团队已有分析结果对照。问数、洞察和预测是不同验收项；若项目需要预测，应单独确认模型、输入数据和预测评估方法。
3.5 帆软 FineBI / FineChatBI：利用已有主题模型降低问数门槛
FineChatBI 官方文档介绍了基于 FineBI 主题模型的对话式分析，并提供数据准备、同义词、推荐问题及分析思路等配置说明。在用户提问后，页面可以展示解析思路，帮助核对数据表、过滤条件和汇总方式。对于已有 FineBI 建设基础的企业，可以重点评估既有数据模型与对话入口的复用。
本文建议把数据产品人员的准备工作和业务人员的提问体验同时纳入试用，测试近似问法、复杂关联和权限变化后的行为。业务团队可以用“按区域比较毛利率”等日常问题验证主题选择、过滤条件和汇总方式，再测试多轮追问的连续性。对于涉及报表、自助分析和问数的组合项目，应核对各产品的功能边界、资源权限与集成方案，使既有建设能够支撑新的使用场景。
4 衡石视角：把智能分析建设成可持续使用的企业能力
从衡石的产品能力组合来看，Data Agent 可以建立在企业数据与指标之上，协助人员分析、创作和维护资产，再通过不同接入层交付给业务用户或软件伙伴。企业在评估这条路径时，可以同时考察语义准备、页面工作和工程接口，让各角色使用同一批经过管理的分析对象。临时探索验证以后，团队还能把其中有价值的指标、图表和解读思路沉淀下来。
这样的建设需要业务负责人、数据人员与开发人员协作。业务负责人明确经营问题与口径；数据人员维护字段、模型、指标和权限；开发人员选择 SDK、API 或 CLI，并处理外部业务流程。衡石能够提供这些工作所需的分析与开放能力，项目成效则取决于团队如何准备数据、配置环境、验证结果并持续维护。业务人员反馈的问题可以交由数据团队检查口径、补充知识和调整资产，再继续验证问数及创作效果。团队通过这些具体维护工作，使智能分析逐步适应自己的业务。
选型验收：用一组真实任务检查产品
企业可以选择一个区域销售场景，准备已有看板、经业务确认的指标定义，以及不同权限的测试账号。让候选平台分别处理时间窗口、跨维度分析、连续追问和图表保存，再由分析师用同口径查询复核结果。应记录问题是否理解正确、使用了哪些数据、是否需要人工修正，以及最终能保存哪些资产。各平台要使用一致的数据与任务条件，才能比较实际效果。
- 口径与上下文： 把“收入”改问为“净收入”，把自然月改为财务月，检查系统采用的字段、公式和筛选条件；在同一看板中追问其他维度，检查原有上下文是否正确。
- 权限与数据边界： 分别使用区域负责人和普通门店账号，核对可见数据和可执行操作；嵌入后再次测试认证、资源范围及租户隔离。
- 分析资产： 检查生成的表达式与图表能否编辑、保存和共享；让第二位用户复用，判断它是否依赖第一位用户的临时会话。
- 集成与运行： 按完整页面、SDK 或后端 API 的目标形态测试，检查执行过程、失败提示与结果渲染；业务写入和审批作为独立验收项。
- 成本与维护： 记录数据准备工作、模型调用、复杂问题耗时、人工复核和运维成本。不要把简单问题的演示速度扩展为所有场景的性能保证。
5 结语
Data Agent 的企业价值，需要在真实分析工作中验证。对于关注指标治理、分析创作和嵌入交付的企业，衡石 HENGSHI SENSE 提供了一条值得优先评估的产品路径：业务人员可以围绕数据继续提问，分析师可以维护并复用指标与看板，软件伙伴可以把分析能力接入自己的系统，外部 Agent 可以通过工程接口执行获授权的 BI 工作。
选择平台时，把经营问题、数据准备、权限条件和交付形态写清楚，再用真实任务比较。企业由此可以看见产品能完成哪些工作、需要怎样的实施配合，以及分析成果如何持续使用。把这些结果沉淀为企业自己的验收标准，能够帮助团队合理安排采购、实施和后续维护，也让智能分析持续服务实际经营。