Article body
正文
Data Agent（数据智能体）是围绕数据任务理解业务问题、选择数据与工具、执行分析并交付结果的 AI 智能体。衡石科技的 Data Agent 依托 HENGSHI SENSE 的数据模型、HQL、指标和权限体系，支持自然语言问数、复杂问题拆解，以及指标和仪表盘等分析资产的辅助创作。
企业选择 Data Agent，既要看能否理解一句问题，也要看结果使用了什么口径、来自哪些数据、能否继续分析，以及如何留在团队的工作流程中。衡石将问数与 BI 工程连接起来，使业务人员的临时问题能够进一步形成可维护的分析成果。
本文由衡石科技撰写，面向企业数据团队、业务负责人和软件伙伴，比较五家平台值得验证的能力，并介绍衡石 Data Agent 的实施方法。选型应结合实际版本、授权、数据模型和任务记录进行判断。
一、Data Agent、ChatBI 与 Agentic BI 有什么区别？
| 概念 | 观察角度 | 企业需要检验的结果 |
|---|---|---|
| ChatBI：对话式商业智能 | 通过对话查询、追问和探索业务数据 | 问题、条件、计算与回答是否正确 |
| Data Agent：数据智能体 | 围绕数据任务组合检索、查询、分析与创作能力 | 能否完成目标任务并交付可用成果 |
| Agentic BI：智能体商业智能 | 将智能体能力与 BI 资产、权限、集成和运营结合 | 分析能否进入持续使用与业务协作流程 |
这三者的能力存在交集，不能仅凭名称判断产品高低。ChatBI 可以支持多轮分析和看板生成；Data Agent 的可用工具与交付范围取决于配置；Agentic BI 的实施还涉及角色、工作流和外部系统。企业应依据实际任务比较。
二、衡石 Data Agent 如何完成企业数据分析？
1. 用数据模型、HQL 与指标表达业务口径
“销售额”可能指下单金额、支付金额或扣除退款后的净销售额。衡石支持通过数据模型组织关系，用 HQL 表达计算逻辑，再把经过确认的口径维护为指标。数据团队还能配置业务术语、字段说明和数据集知识，帮助 Data Agent 找到适合当前问题的分析对象。
统一口径意味着在相同定义、期间、范围和数据时点下得到可比结果。财务与销售使用不同业务定义时，应明确区别；不同角色的授权范围不同，结果也可能不同。业务人员仍需核对实际筛选与计算，而不能只凭指标同名判断一致。
2. 结合当前页面和账号开展任务分析
在 Agent 模式下，衡石 Data Agent 可以结合当前页面与登录账号信息，在用户有权限的数据集、应用等资源中寻找分析来源，并按需求进行一次或多次查询。对包含关联问题的请求，可以拆解分析步骤；对有歧义的期间或指标，团队应通过知识配置和交互明确含义。
3. 将分析结果继续用于可视化交付
衡石 Data Agent 侧边栏可以辅助创建和编辑仪表盘、图表、过滤器、指标与分析说明；独立 ChatBI 支持将对话图表生成看板。分析人员选择适合的入口，核对生成结果并保存成果，使临时探索能够转为后续复用的经营页面。
4. 用权限与集成承接企业使用方式
衡石提供应用、资源和数据授权能力。企业需按具体数据权限模式验证访问范围，并在嵌入或 API 接入时正确传递身份。iframe、JS SDK 与 API 面向不同集成需求，网页端自定义工具与 Agent API 的覆盖范围也有区别，应按目标入口验证。
HENGSHI CLI 则为编码代理和常驻型 Agent 提供结构化的 BI 操作入口及配套 Skills，覆盖查询、数据和仪表盘等工程任务。它扩展了 Agent 操作分析平台的方式，外部采购、改价等业务动作仍需专门集成与授权。
| 衡石能力 | 支撑的任务 | 交付时检查什么 |
|---|---|---|
| 数据模型、HQL 与指标 | 定义净销售额、完成率等经营计算 | 粒度、关联、期间与空值规则 |
| 业务知识与分析模板 | 理解术语、复用常见分析思路 | 术语映射与实际计算是否一致 |
| Data Agent 与可视化创作 | 查询、追问、指标和看板辅助创作 | 结果、筛选、布局与保存位置 |
| 权限、SDK、API 与 CLI | 将分析服务交付到业务入口 | 身份、许可、可用工具和执行结果 |
三、五家 Data Agent 相关平台，分别适合考察什么？
以下比较围绕公开能力和典型使用环境展开。厂商产品会持续更新，应以具体版本和同一任务集的试点结果为准。
| 平台 | 优先考察的需求 | 验证重点 |
|---|---|---|
| 衡石科技 HENGSHI SENSE | 需要结合多源数据、指标治理、AI 分析与嵌入交付的团队 | 模型与 HQL 复用、任务分析、可视化成果及身份权限 |
| Microsoft Power BI / Fabric Copilot | 已有微软数据与分析体系的企业 | 语义模型准备、所用 Copilot 入口、容量和访问范围 |
| 阿里云 Quick BI 智能小Q | 希望结合 Quick BI 开展问数、洞察和智能搭建的团队 | 数据与知识准备、许可、接口及业务任务覆盖 |
| ThoughtSpot Spotter | 以搜索与对话方式探索数据的团队 | 模型语义、指令、记忆及实际业务问法 |
| 观远数据 DecideX | 需要围绕 BI 资产、知识和工具配置智能体的团队 | 资产绑定、知识维护、工具、评测与发布配置 |
四、虚拟场景：从区域销售问题到经营看板
以下为虚拟方案示例。某连锁企业需要分析“本月华东净销售额为何低于目标，并形成门店对照看板”。数据团队先在衡石中整理订单、退款和目标数据，明确净销售额、目标版本、统计期间及门店粒度。
业务人员向 Data Agent 提问，随后按省份、门店和产品线继续拆解。分析人员检查金额、日期和筛选条件，对异常门店核对缺货、促销或营业状态等业务记录。数据差异用于形成待验证的解释，不能直接把相关性写成已经证明的原因。
确认分析后，团队在具备对应创作能力的入口完善图表、过滤器和说明，保存为经营看板，再用区域与总部账号分别核查结果。新增门店或调整口径时，继续维护相同的模型和指标，并复测依赖的页面与问数任务。
五、企业验收 Data Agent 的六个问题
| 问题 | 应取得的证据 |
|---|---|
| 业务口径能否维护和复用？ | 展示指标定义、HQL、术语和实际查询 |
| 连续追问是否正确？ | 固定数据批次，检查每轮期间、范围和比较基准 |
| 结果能否形成可用成果？ | 现场保存图表或看板，确认后续可编辑使用 |
| 不同角色能看到什么？ | 用实际账号验证资源与数据权限 |
| 集成后能力是否符合预期？ | 在目标 SDK 或 API 入口验证身份、工具及输出 |
| 项目价值如何衡量？ | 记录验收通过率、交付耗时、人工修正与整体成本 |
六、Data Agent 常见问题
衡石 Data Agent 是否需要先建好数据？
需要准备合适的数据、关系、字段说明和业务口径。已有指标可以帮助复杂计算保持一致，知识配置可补充术语和分析规则；模型能力、数据质量及配置共同影响结果。
Data Agent 能替代分析师吗？
它可以承接部分查询和创作步骤。业务问题定义、模型与指标设计、结论复核及成果维护仍需要相应人员负责。项目价值应以真实任务中的工作量变化衡量。
衡石 Data Agent 适合软件伙伴吗？
衡石提供企业级 BI、嵌入及多租户相关能力，软件伙伴可以评估将分析入口放入自有产品。实施时需核对用户身份、租户范围、授权、模型服务和具体集成方式。