作者|斗斗 

编辑|皮爷 

出品|产业家 

伦敦塔桥下的泰晤士河底，埋藏着工业革命的隐秘图腾——布鲁内尔设计的隧道盾构机。在19世纪城市地下轨道建设的过程中，这个直径11米的钢铁巨兽没有选择拓宽河道，而是开创了地下通行的新维度。

“我们不是ChatBI助手，我们是智能分析Agent产品，技术路线是Agent+企业级数据语义平台Enterprise Data Semantics Layer，和传统BI叠加大模型Chat能力的技术路线不同。”在采访前期和后期，数势科技反复和产业家强调。

当整个行业在BI赛道的红海中“厮杀”，数势科技像19世纪发明盾构机的工程师般潜入产业底层，用企业级数据语义平台Enterprise Data Semantics Layer构建起数据价值流动的地下轨道管网，为智能分析Data Agent的实现奠基。

“数据的力量，凭什么只能属于互联网巨头和少数头部企业？”

这一发问来自于数势科技的联合创始人谭李。他在百度和京东亲历了数据如何重塑商业逻辑，也在管理咨询行业作为数据分析师服务过众多世界500强企业。

然而，当目光投向传统行业，他看到的却是另一番景象：一家连锁零售企业的区域经理为了分析月度销售和成本数据，需辗转数仓团队、BI分析师和开发人员，耗时两周才能拿到一张完整报表；一家城商行的业务部门因指标口径混乱，同一份数据在不同部门“吵架”了一周。

数据的价值，在千行百业中仍是一座难以到达的海上孤岛。也正是这些洞察，让数势科技选择了一条与众不同的赛道——指标平台。

指标平台是数势科技2020年推出的第一个产品，也是行业第一款“管研用一体化”智能指标平台，后来成长为数势科技的大模型明星产品SwiftAgent的重要内核——企业级数据语义平台Enterprise Data Semantics Layer。

这一产品不同于传统数仓+BI的“手工业模式”，也不同于上一代数据中台里的“指标管理平台”，企业使用数势指标平台只需一次定义原子指标，所有派生指标、衍生指标均可通过动态业务逻辑计算实时生成，业务团队可以零代码调用，效率大幅提升，需求响应从天级压缩至分钟级。

在行业沉浸在数据中台范式的2020年，数势科技就开始以智能指标平台破圈；而后来让数势科技持续引领行业、脱颖而出的，是他们对大模型技术趋势的敏锐嗅觉。

2023年大模型浪潮袭来时，多数企业还在探索聊天机器人，数势科技已推出 SwiftAgent，将大模型的推理能力与企业私域复杂数据语义深度融合。当竞品仍在“ChatBI”的浅水区徘徊时，SwiftAgent早已不限于“智能问数”，已经成为一个企业级的分析决策智能体平台，既能为用户提供精准数据，也能提供企业级知识，还能自动生成基于企业私域知识的个性化经营分析报告，甚至预判业务异常。

如今，数势科技的成绩单上写满“第一”。国内首个“管研用一体化”的智能指标平台、首家完成中国信通院数据指标管理平台技术要求专项测试、首批通过中国信通院大模型驱动的智能数据分析工具专项测试的智能分析产品、出版了行业首本指标体系与指标平台的专著......

当数据民主化遇见Agent革命，企业经营决策正从“人找数”迈向“数追人”。

一、数据价值释放的基础：

指标平台让企业用数效率提升十倍

某食品连锁企业，拥有13000多家加盟门店，其加盟为主的商业模式，使得面向加盟商的数据透明化需求极高。

“数对不上，对于这类企业是很要命的。”从谭李口中产业家了解到，一段时间里，该食品连锁企业加盟商常遇到“某营业额数据次日重查时不一致”的问题，导致与总部的信任危机。

此外，加盟商收工后会集中查询营业额和佣金数据，以及门店的个性化数据，传统数据架构无法支撑瞬时高并发请求，导致查询延迟甚至系统崩溃。

更为重要的是，对于这类体量庞大的连锁企业而言，系统改造往往需要耗费大量时间、金钱、人力，这样系统化的升级改造，必定会对门店经营带来较大影响。

该食品企业的案例是一个缩影，代表着大部分企业数据智能路上的“隐痛”。

“每次有临时数据需求，先找BI分析师，然后BI分析师帮把需求翻译成各个指标的需求，再找数开团队去写SQL代码……可能一两个礼拜过去了。”谭李告诉产业家。

传统数仓+BI模式下，数据获取需多部门协作，流程冗长，业务需求变更时需技术团队重复开发，严重影响效率。对于业务人员来说，数据工具使用门槛也很高，非技术人员难以自主获取洞察，导致数据价值释放受限。

“指标平台在该食品企业上线后，取数效率提升了至少10倍”，谭李对产业家说。数势科技的指标平台允许企业仅定义10%的核心原子指标，如“订单金额”，剩余90%的派生指标和衍生指标，如“销售毛利”，通过动态计算实时生成，无需重复开发。真正做到了“定义即开发”“一次定义，全局使用”。

这一模式将业务需求响应周期从传统BI模式的“天级”压缩至“分钟级”，解决了加盟商因数据延迟或口径混乱导致的信任危机。

另外，针对加盟商集中查询销售数据的高峰用数场景——如晚结账时段——数势科技通过“指标加速引擎”（Hyper Metrics Engine）实现虚拟化逻辑计算与物化预计算动态融合，即使面临海量并发查询，也能保障秒级性能，避免了传统数仓因瞬时流量过大导致的系统崩溃。

过去4年，越来越多的企业开始采纳指标平台的一体化数据开发和消费范式。指标作为凝结了企业业务逻辑的结构化数据语义，在指标平台上进行统一的定义、加工、管理、应用，使得数据资产真正得以让0技术功底的业务人员去沉淀和复用。

二、加速数据平权：

SwiftAgent让企业用数效率再提升10倍

随着大模型技术浪潮的来袭，生成式AI显著降低了业务人员用数的门槛。但这并未改变根本问题。

“数据分析对企业而言通常是不容出错的关键任务 Critical Mission，如何做到数据100%准确？大模型的幻觉问题以及数理能力缺陷，使市面上绝大多数想要简单通过大模型+BI来解决问题的公司都碰壁了。”谭李接着说。

这是因为大模型在训练过程中使用的是公域数据，缺乏针对特定企业内部的私域知识。这可能导致模型生成不符合企业实际业务情况的内容，经常张冠李戴、似是而非，也就是所谓的“幻觉”。为了解决这一问题，需要通过产品化手段对大模型进行约束和优化。

因此，数势科技推出了第二个拳头产品SwiftAgent，企业级分析决策智能体平台。这款产品采用AI对话式交互，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查数用数，如支持上述食品企业的管理团队问“华东区上周销售异常原因”，“可做到智能问数100%准确、数据安全100%校验，实现真正的‘企业级可用’。”谭李对产业家介绍。

数势科技的产品如何能够做到？

SwiftAgent具体的技术路径是大模型+企业级数据语义平台Enterprise Data Semantics Layer+Agent，让大模型聚焦于用户的自然语言意图识别、任务规划、推理分析和报告生成等其擅长的能力，而将数据分析不容出错的指标查询计算工作交给以指标平台为核心的企业级数据语义平台。

另外，SwiftAgent还可以基于大模型推理能力调用企业私域知识库，如历史经营策略、行业分析范式，自动生成包含归因分析和建议的智能报告。

更重要的是，SwiftAgent摆脱了传统“你问我答”的被动式问数范式，真正做到了主动式数据预警和洞察生成，就像为每个员工配备了一个数据科学家助理一样，7x24小时为其主动服务。

从统一指标定义，终结“数据打架”；到高并发查询的“秒级响应”；从“民主用数”到“洞察生成”，最后奔向“全天候主动分析预警”。数势科技SwiftAgent通过技术架构创新与企业场景深度适配，实现了数据价值的低门槛释放，企业用数效率相比指标平台又提升了10倍。

三、看见数势科技的底层逻辑

为什么是数势科技？

数据智能的竞争，本质是“认知差”的竞争。数势科技与竞品的分野，早在产品设计之初就已注定。

2020年，数势科技推出首代指标平台，在谭李看来，当竞品仍将“指标管理”作为数据中台的附属模块时，数势科技已提出“指标即服务”（Metrics as a Service）理念，将指标层独立为数据价值链的核心枢纽。

在产品架构上，不做“全家桶”，支持对接Power BI、Tableau、帆软、QuickBI等主流BI工具，适配各种数据底座，避免了厂商锁定。

“某指标平台必须绑定其自研OLAP引擎，客户被迫接受过时技术。”谭李告诉产业家，有些厂商则不得不受限于自身的BI产品，强制捆绑生态。

在新兴技术融合方面，数势科技似乎也具备先发优势。

“2022年大模型出来之后，我们第一时间就想到，基于大模型的能力，我们的数据民主化其实可以更进一步。”谭李说道。“在传统BI厂商还在犹豫要不要+AI的时候，我们就在2023年做出了SwiftAgent产品，并在多个商业付费客户交付落地。”

2025年春节，DeepSeek火爆，数势科技称，其是行业首个接入DeepSeek能力的智能分析产品。在可视化生成方面，动态图表样式、数量超越传统BI工具；在深度洞察报告方面，推理分析自由发挥度大幅提升，突破固定范式限制；谭李直言，“很多时候会有惊喜给到你。”

基于对技术趋势的预判和对产业规律的敬畏，数势科技在引领产业数据民主化的路上一直踩准了节奏。从这一点来看，数势科技已然成为开源生态的“放大器”。通过数势科技这个“放大器”，企业可以更好地将大数据和AI的能力最大化地、更好地融入自身企业业务。

正如工业革命时期的隧道盾构机改变了城市扩张的逻辑，数势科技正在数据世界的地下管网中，悄然铺设通向“数追人”时代的铁轨。

四、跑完数据平权的“最后一公里”

不容忽视的一个事实是，中国很多企业仍处于信息化初级阶段，ERP系统未覆盖全流程，数据采集依赖Excel手工填报；在企业内部，业务部门也常将数据问题简单归因于工具，忽视底层治理；中小企业对大模型的成本耐受度低，且缺乏专业团队维护知识库。

据中国信息通信研究院《中国数字经济发展研究报告（2024年）》，2023年，我国一、二、三产业数字经济渗透率分别为10.78%、25.03%和45.63%，第三产业数字化渗透率相对较高，而第一二产业数字化渗透率不及全球平均水平。

需要承认的是，铺设通向“数追人”时代铁轨的路上，依然存在现实的沟壑。“信息化系统本身有缺陷，基于SwiftAgent的查询可能也就会受到一些影响。”

提起客户对SwiftAgent的推广阻力，谭李直言，业务方不会分阶段讨论问题，认为所有痛点都该被一键解决。

当一家制造企业的订单数据因系统割裂导致周结时才能稳定，当一家县域超市的进销存数据仍依赖手工台账，数据智能的愿景便撞上了冰冷的现实——技术普惠的最后一公里，远比想象中漫长。

面对这些根植于产业土壤的难题，数势科技选择了一条“技术普惠”的务实路径。

在轻量化部署方面，针对分散的系统，提供多系统兼容的标准化接口，短时间内完成多源数据对接，避免“推倒重建”。在数据治理方面，避免漫无边际的数据治理，采用应用优先的方式，优先固化核心业务指标，再逐步扩展至边缘场景。采用成本分级策略，简单查询调用轻量模型，复杂归因使用更大的模型，通过Multi-Model动态路由，将大模型调用和算力成本压缩至同行方案的1/10。

在中国庞大而复杂的产业体系中，走这样务实路径的技术服务商，不只存在于数据智能这个赛道，而是存在于各行各业：不设置高门槛，而是用最小化改造撬动最大价值。

19世纪铁路网的建设从未等待所有城镇准备好站台，像数势科技这样的技术服务商们，选择的是先让数据流动起来，再在流动中释放价值。