

作者|斗斗
編輯|皮爺
出品|產(chǎn)業(yè)家
倫敦塔橋下的泰晤士河底,埋藏著工業(yè)革命的隱秘圖騰——布魯內(nèi)爾設(shè)計(jì)的隧道盾構(gòu)機(jī)。在19世紀(jì)城市地下軌道建設(shè)的過(guò)程中,這個(gè)直徑11米的鋼鐵巨獸沒(méi)有選擇拓寬河道,而是開創(chuàng)了地下通行的新維度。
“我們不是ChatBI助手,我們是智能分析Agent產(chǎn)品,技術(shù)路線是Agent+企業(yè)級(jí)數(shù)據(jù)語(yǔ)義平臺(tái)Enterprise Data Semantics Layer,和傳統(tǒng)BI疊加大模型Chat能力的技術(shù)路線不同?!?/strong>在采訪前期和后期,數(shù)勢(shì)科技反復(fù)和產(chǎn)業(yè)家強(qiáng)調(diào)。
當(dāng)整個(gè)行業(yè)在BI賽道的紅海中“廝殺”,數(shù)勢(shì)科技像19世紀(jì)發(fā)明盾構(gòu)機(jī)的工程師般潛入產(chǎn)業(yè)底層,用企業(yè)級(jí)數(shù)據(jù)語(yǔ)義平臺(tái)Enterprise Data Semantics Layer構(gòu)建起數(shù)據(jù)價(jià)值流動(dòng)的地下軌道管網(wǎng),為智能分析Data Agent的實(shí)現(xiàn)奠基。
“數(shù)據(jù)的力量,憑什么只能屬于互聯(lián)網(wǎng)巨頭和少數(shù)頭部企業(yè)?”
這一發(fā)問(wèn)來(lái)自于數(shù)勢(shì)科技的聯(lián)合創(chuàng)始人譚李。他在百度和京東親歷了數(shù)據(jù)如何重塑商業(yè)邏輯,也在管理咨詢行業(yè)作為數(shù)據(jù)分析師服務(wù)過(guò)眾多世界500強(qiáng)企業(yè)。
然而,當(dāng)目光投向傳統(tǒng)行業(yè),他看到的卻是另一番景象:一家連鎖零售企業(yè)的區(qū)域經(jīng)理為了分析月度銷售和成本數(shù)據(jù),需輾轉(zhuǎn)數(shù)倉(cāng)團(tuán)隊(duì)、BI分析師和開發(fā)人員,耗時(shí)兩周才能拿到一張完整報(bào)表;一家城商行的業(yè)務(wù)部門因指標(biāo)口徑混亂,同一份數(shù)據(jù)在不同部門“吵架”了一周。
數(shù)據(jù)的價(jià)值,在千行百業(yè)中仍是一座難以到達(dá)的海上孤島。也正是這些洞察,讓數(shù)勢(shì)科技選擇了一條與眾不同的賽道——指標(biāo)平臺(tái)。
指標(biāo)平臺(tái)是數(shù)勢(shì)科技2020年推出的第一個(gè)產(chǎn)品,也是行業(yè)第一款“管研用一體化”智能指標(biāo)平臺(tái),后來(lái)成長(zhǎng)為數(shù)勢(shì)科技的大模型明星產(chǎn)品SwiftAgent的重要內(nèi)核——企業(yè)級(jí)數(shù)據(jù)語(yǔ)義平臺(tái)Enterprise Data Semantics Layer。
這一產(chǎn)品不同于傳統(tǒng)數(shù)倉(cāng)+BI的“手工業(yè)模式”,也不同于上一代數(shù)據(jù)中臺(tái)里的“指標(biāo)管理平臺(tái)”,企業(yè)使用數(shù)勢(shì)指標(biāo)平臺(tái)只需一次定義原子指標(biāo),所有派生指標(biāo)、衍生指標(biāo)均可通過(guò)動(dòng)態(tài)業(yè)務(wù)邏輯計(jì)算實(shí)時(shí)生成,業(yè)務(wù)團(tuán)隊(duì)可以零代碼調(diào)用,效率大幅提升,需求響應(yīng)從天級(jí)壓縮至分鐘級(jí)。
在行業(yè)沉浸在數(shù)據(jù)中臺(tái)范式的2020年,數(shù)勢(shì)科技就開始以智能指標(biāo)平臺(tái)破圈;而后來(lái)讓數(shù)勢(shì)科技持續(xù)引領(lǐng)行業(yè)、脫穎而出的,是他們對(duì)大模型技術(shù)趨勢(shì)的敏銳嗅覺(jué)。
2023年大模型浪潮襲來(lái)時(shí),多數(shù)企業(yè)還在探索聊天機(jī)器人,數(shù)勢(shì)科技已推出?SwiftAgent,將大模型的推理能力與企業(yè)私域復(fù)雜數(shù)據(jù)語(yǔ)義深度融合。當(dāng)競(jìng)品仍在“ChatBI”的淺水區(qū)徘徊時(shí),SwiftAgent早已不限于“智能問(wèn)數(shù)”,已經(jīng)成為一個(gè)企業(yè)級(jí)的分析決策智能體平臺(tái),既能為用戶提供精準(zhǔn)數(shù)據(jù),也能提供企業(yè)級(jí)知識(shí),還能自動(dòng)生成基于企業(yè)私域知識(shí)的個(gè)性化經(jīng)營(yíng)分析報(bào)告,甚至預(yù)判業(yè)務(wù)異常。
如今,數(shù)勢(shì)科技的成績(jī)單上寫滿“第一”。國(guó)內(nèi)首個(gè)“管研用一體化”的智能指標(biāo)平臺(tái)、首家完成中國(guó)信通院數(shù)據(jù)指標(biāo)管理平臺(tái)技術(shù)要求專項(xiàng)測(cè)試、首批通過(guò)中國(guó)信通院大模型驅(qū)動(dòng)的智能數(shù)據(jù)分析工具專項(xiàng)測(cè)試的智能分析產(chǎn)品、出版了行業(yè)首本指標(biāo)體系與指標(biāo)平臺(tái)的專著……
當(dāng)數(shù)據(jù)民主化遇見Agent革命,企業(yè)經(jīng)營(yíng)決策正從“人找數(shù)”邁向“數(shù)追人”。
一、數(shù)據(jù)價(jià)值釋放的基礎(chǔ):
指標(biāo)平臺(tái)讓企業(yè)用數(shù)效率提升十倍
某食品連鎖企業(yè),擁有13000多家加盟門店,其加盟為主的商業(yè)模式,使得面向加盟商的數(shù)據(jù)透明化需求極高。
“數(shù)對(duì)不上,對(duì)于這類企業(yè)是很要命的?!睆淖T李口中產(chǎn)業(yè)家了解到,一段時(shí)間里,該食品連鎖企業(yè)加盟商常遇到“某營(yíng)業(yè)額數(shù)據(jù)次日重查時(shí)不一致”的問(wèn)題,導(dǎo)致與總部的信任危機(jī)。
此外,加盟商收工后會(huì)集中查詢營(yíng)業(yè)額和傭金數(shù)據(jù),以及門店的個(gè)性化數(shù)據(jù),傳統(tǒng)數(shù)據(jù)架構(gòu)無(wú)法支撐瞬時(shí)高并發(fā)請(qǐng)求,導(dǎo)致查詢延遲甚至系統(tǒng)崩潰。
更為重要的是,對(duì)于這類體量龐大的連鎖企業(yè)而言,系統(tǒng)改造往往需要耗費(fèi)大量時(shí)間、金錢、人力,這樣系統(tǒng)化的升級(jí)改造,必定會(huì)對(duì)門店經(jīng)營(yíng)帶來(lái)較大影響。
該食品企業(yè)的案例是一個(gè)縮影,代表著大部分企業(yè)數(shù)據(jù)智能路上的“隱痛”。
“每次有臨時(shí)數(shù)據(jù)需求,先找BI分析師,然后BI分析師幫把需求翻譯成各個(gè)指標(biāo)的需求,再找數(shù)開團(tuán)隊(duì)去寫SQL代碼……可能一兩個(gè)禮拜過(guò)去了?!弊T李告訴產(chǎn)業(yè)家。
傳統(tǒng)數(shù)倉(cāng)+BI模式下,數(shù)據(jù)獲取需多部門協(xié)作,流程冗長(zhǎng),業(yè)務(wù)需求變更時(shí)需技術(shù)團(tuán)隊(duì)重復(fù)開發(fā),嚴(yán)重影響效率。對(duì)于業(yè)務(wù)人員來(lái)說(shuō),數(shù)據(jù)工具使用門檻也很高,非技術(shù)人員難以自主獲取洞察,導(dǎo)致數(shù)據(jù)價(jià)值釋放受限。
“指標(biāo)平臺(tái)在該食品企業(yè)上線后,取數(shù)效率提升了至少10倍”,譚李對(duì)產(chǎn)業(yè)家說(shuō)。數(shù)勢(shì)科技的指標(biāo)平臺(tái)允許企業(yè)僅定義10%的核心原子指標(biāo),如“訂單金額”,剩余90%的派生指標(biāo)和衍生指標(biāo),如“銷售毛利”,通過(guò)動(dòng)態(tài)計(jì)算實(shí)時(shí)生成,無(wú)需重復(fù)開發(fā)。真正做到了“定義即開發(fā)”“一次定義,全局使用”。
這一模式將業(yè)務(wù)需求響應(yīng)周期從傳統(tǒng)BI模式的“天級(jí)”壓縮至“分鐘級(jí)”,解決了加盟商因數(shù)據(jù)延遲或口徑混亂導(dǎo)致的信任危機(jī)。
另外,針對(duì)加盟商集中查詢銷售數(shù)據(jù)的高峰用數(shù)場(chǎng)景——如晚結(jié)賬時(shí)段——數(shù)勢(shì)科技通過(guò)“指標(biāo)加速引擎”(Hyper Metrics Engine)實(shí)現(xiàn)虛擬化邏輯計(jì)算與物化預(yù)計(jì)算動(dòng)態(tài)融合,即使面臨海量并發(fā)查詢,也能保障秒級(jí)性能,避免了傳統(tǒng)數(shù)倉(cāng)因瞬時(shí)流量過(guò)大導(dǎo)致的系統(tǒng)崩潰。
過(guò)去4年,越來(lái)越多的企業(yè)開始采納指標(biāo)平臺(tái)的一體化數(shù)據(jù)開發(fā)和消費(fèi)范式。指標(biāo)作為凝結(jié)了企業(yè)業(yè)務(wù)邏輯的結(jié)構(gòu)化數(shù)據(jù)語(yǔ)義,在指標(biāo)平臺(tái)上進(jìn)行統(tǒng)一的定義、加工、管理、應(yīng)用,使得數(shù)據(jù)資產(chǎn)真正得以讓0技術(shù)功底的業(yè)務(wù)人員去沉淀和復(fù)用。
二、加速數(shù)據(jù)平權(quán):
SwiftAgent讓企業(yè)用數(shù)效率再提升10倍
隨著大模型技術(shù)浪潮的來(lái)襲,生成式AI顯著降低了業(yè)務(wù)人員用數(shù)的門檻。但這并未改變根本問(wèn)題。
“數(shù)據(jù)分析對(duì)企業(yè)而言通常是不容出錯(cuò)的關(guān)鍵任務(wù)?Critical Mission,如何做到數(shù)據(jù)100%準(zhǔn)確?大模型的幻覺(jué)問(wèn)題以及數(shù)理能力缺陷,使市面上絕大多數(shù)想要簡(jiǎn)單通過(guò)大模型+BI來(lái)解決問(wèn)題的公司都碰壁了?!弊T李接著說(shuō)。
這是因?yàn)榇竽P驮谟?xùn)練過(guò)程中使用的是公域數(shù)據(jù),缺乏針對(duì)特定企業(yè)內(nèi)部的私域知識(shí)。這可能導(dǎo)致模型生成不符合企業(yè)實(shí)際業(yè)務(wù)情況的內(nèi)容,經(jīng)常張冠李戴、似是而非,也就是所謂的“幻覺(jué)”。為了解決這一問(wèn)題,需要通過(guò)產(chǎn)品化手段對(duì)大模型進(jìn)行約束和優(yōu)化。
因此,數(shù)勢(shì)科技推出了第二個(gè)拳頭產(chǎn)品SwiftAgent,企業(yè)級(jí)分析決策智能體平臺(tái)。這款產(chǎn)品采用AI對(duì)話式交互,讓用戶僅憑日常交流的語(yǔ)言(無(wú)論是文字還是語(yǔ)音)就能輕松查數(shù)用數(shù),如支持上述食品企業(yè)的管理團(tuán)隊(duì)問(wèn)“華東區(qū)上周銷售異常原因”,“可做到智能問(wèn)數(shù)100%準(zhǔn)確、數(shù)據(jù)安全100%校驗(yàn),實(shí)現(xiàn)真正的‘企業(yè)級(jí)可用’。”譚李對(duì)產(chǎn)業(yè)家介紹。
數(shù)勢(shì)科技的產(chǎn)品如何能夠做到?
SwiftAgent具體的技術(shù)路徑是大模型+企業(yè)級(jí)數(shù)據(jù)語(yǔ)義平臺(tái)Enterprise Data Semantics Layer+Agent,讓大模型聚焦于用戶的自然語(yǔ)言意圖識(shí)別、任務(wù)規(guī)劃、推理分析和報(bào)告生成等其擅長(zhǎng)的能力,而將數(shù)據(jù)分析不容出錯(cuò)的指標(biāo)查詢計(jì)算工作交給以指標(biāo)平臺(tái)為核心的企業(yè)級(jí)數(shù)據(jù)語(yǔ)義平臺(tái)。
另外,SwiftAgent還可以基于大模型推理能力調(diào)用企業(yè)私域知識(shí)庫(kù),如歷史經(jīng)營(yíng)策略、行業(yè)分析范式,自動(dòng)生成包含歸因分析和建議的智能報(bào)告。
更重要的是,SwiftAgent擺脫了傳統(tǒng)“你問(wèn)我答”的被動(dòng)式問(wèn)數(shù)范式,真正做到了主動(dòng)式數(shù)據(jù)預(yù)警和洞察生成,就像為每個(gè)員工配備了一個(gè)數(shù)據(jù)科學(xué)家助理一樣,7×24小時(shí)為其主動(dòng)服務(wù)。
從統(tǒng)一指標(biāo)定義,終結(jié)“數(shù)據(jù)打架”;到高并發(fā)查詢的“秒級(jí)響應(yīng)”;從“民主用數(shù)”到“洞察生成”,最后奔向“全天候主動(dòng)分析預(yù)警”。數(shù)勢(shì)科技SwiftAgent通過(guò)技術(shù)架構(gòu)創(chuàng)新與企業(yè)場(chǎng)景深度適配,實(shí)現(xiàn)了數(shù)據(jù)價(jià)值的低門檻釋放,企業(yè)用數(shù)效率相比指標(biāo)平臺(tái)又提升了10倍。
三、看見數(shù)勢(shì)科技的底層邏輯
為什么是數(shù)勢(shì)科技?
數(shù)據(jù)智能的競(jìng)爭(zhēng),本質(zhì)是“認(rèn)知差”的競(jìng)爭(zhēng)。數(shù)勢(shì)科技與競(jìng)品的分野,早在產(chǎn)品設(shè)計(jì)之初就已注定。
2020年,數(shù)勢(shì)科技推出首代指標(biāo)平臺(tái),在譚李看來(lái),當(dāng)競(jìng)品仍將“指標(biāo)管理”作為數(shù)據(jù)中臺(tái)的附屬模塊時(shí),數(shù)勢(shì)科技已提出“指標(biāo)即服務(wù)”(Metrics as a Service)理念,將指標(biāo)層獨(dú)立為數(shù)據(jù)價(jià)值鏈的核心樞紐。
在產(chǎn)品架構(gòu)上,不做“全家桶”,支持對(duì)接Power BI、Tableau、帆軟、QuickBI等主流BI工具,適配各種數(shù)據(jù)底座,避免了廠商鎖定。
“某指標(biāo)平臺(tái)必須綁定其自研OLAP引擎,客戶被迫接受過(guò)時(shí)技術(shù)?!弊T李告訴產(chǎn)業(yè)家,有些廠商則不得不受限于自身的BI產(chǎn)品,強(qiáng)制捆綁生態(tài)。
在新興技術(shù)融合方面,數(shù)勢(shì)科技似乎也具備先發(fā)優(yōu)勢(shì)。
“2022年大模型出來(lái)之后,我們第一時(shí)間就想到,基于大模型的能力,我們的數(shù)據(jù)民主化其實(shí)可以更進(jìn)一步。”譚李說(shuō)道?!霸趥鹘y(tǒng)BI廠商還在猶豫要不要+AI的時(shí)候,我們就在2023年做出了SwiftAgent產(chǎn)品,并在多個(gè)商業(yè)付費(fèi)客戶交付落地?!?/p>
2025年春節(jié),DeepSeek火爆,數(shù)勢(shì)科技稱,其是行業(yè)首個(gè)接入DeepSeek能力的智能分析產(chǎn)品。在可視化生成方面,動(dòng)態(tài)圖表樣式、數(shù)量超越傳統(tǒng)BI工具;在深度洞察報(bào)告方面,推理分析自由發(fā)揮度大幅提升,突破固定范式限制;譚李直言,“很多時(shí)候會(huì)有驚喜給到你?!?/strong>
基于對(duì)技術(shù)趨勢(shì)的預(yù)判和對(duì)產(chǎn)業(yè)規(guī)律的敬畏,數(shù)勢(shì)科技在引領(lǐng)產(chǎn)業(yè)數(shù)據(jù)民主化的路上一直踩準(zhǔn)了節(jié)奏。從這一點(diǎn)來(lái)看,數(shù)勢(shì)科技已然成為開源生態(tài)的“放大器”。通過(guò)數(shù)勢(shì)科技這個(gè)“放大器”,企業(yè)可以更好地將大數(shù)據(jù)和AI的能力最大化地、更好地融入自身企業(yè)業(yè)務(wù)。
正如工業(yè)革命時(shí)期的隧道盾構(gòu)機(jī)改變了城市擴(kuò)張的邏輯,數(shù)勢(shì)科技正在數(shù)據(jù)世界的地下管網(wǎng)中,悄然鋪設(shè)通向“數(shù)追人”時(shí)代的鐵軌。
四、跑完數(shù)據(jù)平權(quán)的“最后一公里”
不容忽視的一個(gè)事實(shí)是,中國(guó)很多企業(yè)仍處于信息化初級(jí)階段,ERP系統(tǒng)未覆蓋全流程,數(shù)據(jù)采集依賴Excel手工填報(bào);在企業(yè)內(nèi)部,業(yè)務(wù)部門也常將數(shù)據(jù)問(wèn)題簡(jiǎn)單歸因于工具,忽視底層治理;中小企業(yè)對(duì)大模型的成本耐受度低,且缺乏專業(yè)團(tuán)隊(duì)維護(hù)知識(shí)庫(kù)。
據(jù)中國(guó)信息通信研究院《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展研究報(bào)告(2024年)》,2023年,我國(guó)一、二、三產(chǎn)業(yè)數(shù)字經(jīng)濟(jì)滲透率分別為10.78%、25.03%和45.63%,第三產(chǎn)業(yè)數(shù)字化滲透率相對(duì)較高,而第一二產(chǎn)業(yè)數(shù)字化滲透率不及全球平均水平。
需要承認(rèn)的是,鋪設(shè)通向“數(shù)追人”時(shí)代鐵軌的路上,依然存在現(xiàn)實(shí)的溝壑。“信息化系統(tǒng)本身有缺陷,基于SwiftAgent的查詢可能也就會(huì)受到一些影響?!?/p>
提起客戶對(duì)SwiftAgent的推廣阻力,譚李直言,業(yè)務(wù)方不會(huì)分階段討論問(wèn)題,認(rèn)為所有痛點(diǎn)都該被一鍵解決。
當(dāng)一家制造企業(yè)的訂單數(shù)據(jù)因系統(tǒng)割裂導(dǎo)致周結(jié)時(shí)才能穩(wěn)定,當(dāng)一家縣域超市的進(jìn)銷存數(shù)據(jù)仍依賴手工臺(tái)賬,數(shù)據(jù)智能的愿景便撞上了冰冷的現(xiàn)實(shí)——技術(shù)普惠的最后一公里,遠(yuǎn)比想象中漫長(zhǎng)。
面對(duì)這些根植于產(chǎn)業(yè)土壤的難題,數(shù)勢(shì)科技選擇了一條“技術(shù)普惠”的務(wù)實(shí)路徑。
在輕量化部署方面,針對(duì)分散的系統(tǒng),提供多系統(tǒng)兼容的標(biāo)準(zhǔn)化接口,短時(shí)間內(nèi)完成多源數(shù)據(jù)對(duì)接,避免“推倒重建”。在數(shù)據(jù)治理方面,避免漫無(wú)邊際的數(shù)據(jù)治理,采用應(yīng)用優(yōu)先的方式,優(yōu)先固化核心業(yè)務(wù)指標(biāo),再逐步擴(kuò)展至邊緣場(chǎng)景。采用成本分級(jí)策略,簡(jiǎn)單查詢調(diào)用輕量模型,復(fù)雜歸因使用更大的模型,通過(guò)Multi-Model動(dòng)態(tài)路由,將大模型調(diào)用和算力成本壓縮至同行方案的1/10。
在中國(guó)龐大而復(fù)雜的產(chǎn)業(yè)體系中,走這樣務(wù)實(shí)路徑的技術(shù)服務(wù)商,不只存在于數(shù)據(jù)智能這個(gè)賽道,而是存在于各行各業(yè):不設(shè)置高門檻,而是用最小化改造撬動(dòng)最大價(jià)值。
19世紀(jì)鐵路網(wǎng)的建設(shè)從未等待所有城鎮(zhèn)準(zhǔn)備好站臺(tái),像數(shù)勢(shì)科技這樣的技術(shù)服務(wù)商們,選擇的是先讓數(shù)據(jù)流動(dòng)起來(lái),再在流動(dòng)中釋放價(jià)值。
本文來(lái)自投稿,不代表增長(zhǎng)黑客立場(chǎng),如若轉(zhuǎn)載,請(qǐng)注明出處:http://m.allfloridahomeinspectors.com/cgo/coo/132167.html