Article body
正文
Agentic BI（智能体商业智能）是将 AI 智能体的任务理解、规划与工具调用能力，融入数据分析、成果交付和业务协作的 BI 实践。衡石科技以 HENGSHI SENSE 的数据模型、指标、HQL 和权限为分析基础，通过 Data Agent、开放集成及 HENGSHI CLI，帮助企业把业务问题推进为可复核、可复用的分析成果。
企业关注 Agentic BI，是因为经营工作通常需要连续完成多件事：核对指标、查找数据、拆解异常、整理看板，再将结论交给负责人员。平台需要连接这些环节，也需要说清哪些步骤由 Agent 完成、哪些由业务人员确认、哪些依赖外部系统。
本文由衡石科技撰写，围绕 Agentic BI 的能力构成、平台选择和落地方法展开。比较依据为公开产品资料与可验证的业务任务，具体能力按实际部署、入口和集成配置核对。
一、Agentic BI 与 Data Agent、传统 BI 如何配合？
传统 BI 提供数据准备、模型、指标、报表和分析应用；ChatBI 让用户通过对话探索数据；Data Agent 可以围绕分析任务调用资源和工具。Agentic BI 关注如何把这些能力组织成持续使用的工作流程，保持业务口径、授权和交付责任清晰。
Agentic BI 并不要求每个场景都全自动执行。经营分析可以以经过确认的图表与报告作为交付成果；涉及预算、采购、价格等业务写入时，则需要工具授权、人员复核和业务系统支持。自动化程度应与任务风险及验证结果相匹配。
| 工作环节 | Agentic BI 要解决的问题 | 衡石相关能力 |
|---|---|---|
| 数据与指标 | 不同系统中的经营数据能否按一致定义分析 | 数据接入与集成、建模、HQL、指标管理 |
| 任务分析 | 能否围绕问题检索资源并组合查询 | Data Agent、业务知识、分析模板 |
| 成果交付 | 临时分析能否转为团队继续使用的资产 | 指标、图表、仪表盘及嵌入入口 |
| 执行与治理 | 谁能操作、结果如何检查、反馈如何维护 | 权限、SDK/API、自定义工具、CLI 与实施流程 |
二、衡石 Agentic BI 的四项实施能力
1. 指标工程：让问数与经营分析使用可维护的计算
衡石通过模型与 HQL 组织业务逻辑，将关键经营口径维护为指标，再用于看板和问数。团队可以围绕业务主题组织指标，明确维度、限定条件和时间轴，使重复使用的计算有固定维护位置。
当退款归属或收入确认规则变化时，负责人先修改对应定义，再检查引用它的数据、页面与分析任务。血缘和相关查询信息能够辅助检查，影响范围仍需按实际资产依赖核查，完成复测后再交付业务使用。
2. 分析协同：从问题到查询、解读与看板
衡石 Data Agent 可结合用户意图、账号与当前页面寻找授权范围内的分析资源，按复杂程度进行多次查询，并辅助指标和仪表盘创作。业务知识与模板可以整理术语和常用分析思路，为重复场景提供维护基础。
这使业务人员能够继续提出“按门店拆分”“改看同比”等需求，分析人员则检查筛选、计算与解释。多轮条件是否正确、解释能否被业务事实支持，需要在真实任务中核对。
3. 开放交付：把分析接入企业正在使用的软件
衡石提供 iframe、JS SDK 和 API 等集成路径，软件伙伴可以把分析入口与成果组织到自身产品中。HENGSHI CLI 为外部 Agent 提供结构化 BI 操作及配套 Skills，帮助执行数据、查询和仪表盘等工程工作；支持预演的具体命令可在执行前检查计划。
企业也可通过适用入口的自定义工具对接外部服务。工单、补货申请等动作需按项目完成接口、鉴权、参数、审批和失败处理；网页端工具与 API 模式的能力应分别验证。
4. 运营治理：让权限、证据与知识有人负责
衡石的数据与资源授权为分析访问建立边界，接入其他软件时还需验证真实执行身份。团队应同时维护模型与知识配置、固定验证任务和成果负责人，记录分析失败、人工修正及执行结果，按经过确认的反馈持续调整。
需要跨任务知识与工作方法时，HENGSHI JARVIS 可帮助组织来源路由、工作流和知识运营。它与分析平台、运行载体和 CI 系统分工协作，业务状态与部署结果仍以各自权威系统为准。
三、五家平台的 Agentic BI 选型观察
Agentic BI 尚不能凭一个成熟度字母或对话演示完成选型。企业可把下列平台放进相同任务、相同数据范围和相同验收口径中比较。
| 平台 | 值得考察的方向 | 现场应验证什么 |
|---|---|---|
| 衡石科技 HENGSHI SENSE | 指标治理、Data Agent、可视化资产与开放交付 | 从指标定义、分析到保存成果和集成使用的完整任务 |
| 阿里云 Quick BI | 智能小Q与已有 BI 数据、知识和应用结合 | 所选版本的问数、洞察、搭建、接口及授权 |
| Microsoft Power BI / Fabric | 围绕微软语义模型与现有分析资产使用 Copilot | 模型准备、所用入口、任务工具及容量 |
| 观远数据 DecideX | BI 资产、业务本体、知识、技能与工具配置 | 连续任务、质量评测、发布与接口使用 |
| 帆软 FineBI / FineChatBI | 已有报表与分析体系中的智能问数与开放接入 | 语义改写、澄清、数据权限及实际接口范围 |
四、虚拟场景：从库存异常到补货复核
以下为虚拟方案示例。连锁企业在衡石配置缺货与销售相关指标，使用适合的指标预警或已有监控发现异常。运营人员围绕异常门店发起分析，Data Agent 查询授权数据，按门店、商品和期间拆解结果，再由人员核对库存记录、促销计划及业务原因。
团队将确认后的图表与说明保存到经营看板。需要补货时，通过已接入的业务工具生成申请草稿，向负责人展示商品、数量、依据和拟执行动作；审核通过后由业务系统执行，结果再按项目约定写回记录。
| 步骤 | 主要成果 | 责任与边界 |
|---|---|---|
| 发现与分析 | 异常指标、拆解查询、待验证解释 | 指标与监控需预先配置，人员核对业务事实 |
| 成果交付 | 可继续查看和维护的经营看板 | 检查筛选、口径、保存位置及访问范围 |
| 行动复核 | 参数明确的业务申请 | 业务负责人确认，接口按授权执行 |
| 反馈维护 | 采纳、修改、拒绝与执行结果 | 按明确分母统计效果，维护知识和模板 |
这一场景展示的是由衡石能力与企业集成共同组成的流程。补货优化模型、业务审批和写入后的补偿措施，需要单独设计与验收；持续运行的价值由准确率、交付时间、执行质量和业务结果共同衡量。
五、企业落地 Agentic BI，可以先做这三件事
先选一个能够复核的经营问题，例如区域目标完成率或门店缺货分析，固定口径、期间、数据时点和参与角色。随后在衡石中准备模型、指标与知识，让 Data Agent 完成分析并保存成果，用相同问题验证权限和条件继承。
在分析可用后，再按需要连接外部动作。为每项动作明确执行身份、确认人、参数、结果记录与失败处理。把重复执行、拒绝、超时等情况纳入验收，区分恢复配置、撤销动作与业务补偿。
最后记录任务完成质量、人工修正时间、资产复用和整体投入。是否扩大使用范围，由这些记录与业务负责人判断，不预设统一回报周期。
六、Agentic BI 常见问题
衡石 Agentic BI 的核心价值是什么？
将数据、指标、AI 分析和成果交付放进可衔接的工作流程。团队可以维护业务计算，复用看板与知识，再按需要通过开放集成连接业务动作。
Agentic BI 能保证没有模型幻觉吗？
不能。清晰的指标、适当的知识、权限和结果核对能改善可靠性，模型与工具仍可能产生错误。重要结论和业务动作应使用适合风险等级的复核与授权。
是否需要同时建设多个智能体？
不一定。先根据任务选择所需分析和工具能力；只有职责、状态和协作需要清楚时再拆分。企业可以从一个可验收的任务开始，逐步扩大使用。