观远数据受邀出席亚布力论坛，共探AI驱动的Agentic BI新时代

近日，2025 年亚布力中国企业家论坛第十一届创新年会在杭州举行。观远数据创始人兼CEO苏春园受邀出席内部研讨会并发表演讲，围绕 “AI 发展：现状、挑战与未来” 主题，分享了大模型推动下，观远数据在智能数据分析方向（Agentic BI）的最新实践与思考。

苏春园在演讲中表示，Agentic BI 核心在于解决当前数据应用的现实鸿沟，通过覆盖90%业务用户，打通数据-洞察-行动的闭环，助力企业实现敏捷经营。苏春园还以零售消费等领域的落地案例，分享了Agentic BI 从问数、问知到行动三个能力层次的价值，并进一步探讨了大模型技术应用的挑战与应对方案，行业变革路径与未来前景。

一、大模型推进数据分析进入3.0时代，Agentic BI带来更广泛的用户与更深度的分析

企业经营已从高速增长期的强执行转向新周期的敏捷经营，强调战略与行动的持续反馈迭代。因此，企业数字化投入中，BI 系统与数据分析能力建设持续为最高优先级，企业希望通过数字化让一线业务人员快速获取数据洞察、迅速行动以实现敏捷增长。但现实存在巨大鸿沟：仅 1%-10% 的人能真正用好数据，90% 的业务团队依赖 IT 与分析师，常因时效、供给不足错失敏捷决策机会。

但随着大模型的出现，数据分析能力的广泛覆盖成为可能。苏春园指出，在大模型的推动下，数据分析正从1.0时代的报表式BI、2.0时代的自助式BI，迈向3.0时代——Agentic BI（智能数据分析），这一变革体重点现在两大维度：

• 用户覆盖广度：BI用户覆盖范围将扩大10倍，从组织中不足10%的IT人员与分析师，扩展至90%的业务用户，让所有业务人员能具备“分析师”的能力，带着业务问题，直接从数据中找到答案。

• 分析深度升级：从关注 “发生了什么”（what），深入到探究 “为什么发生”（why）及 “如何行动”（how），即诊断问题根源、识别行动机会。

随着Agentic BI 时代的到来，未来 10 年，更广泛的用户覆盖与更深度的分析相结合，将为企业和社会创造巨大价值。从演进节奏上，企业真实的落地实践是一个长期、持续演进的过程，不同的业务决策场景，会配套1.0+2.0+3.0中，不同能力的组合；从建设路径上，作为参考，先有宽度（go-wide），再有深度（go-deep)。企业根据应用阶段而异，对行业大多数企业而言，可优先拓展广度，让更多人在日常工作场景中，能随时随地唤起数据，让业务团队先用起来；然后，在活跃用起来的场景中，逐步解锁高阶分析的能力，从数据穿透到洞察，从洞察驱动行动，不断让决策更加智能。

二、从问数、问知到行动的Agentic BI实践，AI会越来越像一位靠谱同事

作为业内领先的一站式智能分析平台与服务提供商，观远数据引领行业步伐，持续与行业领先企业，共同探索与落地Agentic BI的最佳实践。苏春园在研讨会上分享了观远数据 Agentic BI 的三个能力层次：

• L1 问数：用户可以基于原始数据表、数据资产（数据集、卡片、自助取数等）进行智能问答，系统返回查询结果并进行可视化渲染。

• L2 问知：用户提出问题，系统根据知识库中的问题分析思路，结合大模型推理能力，生成关键洞察，或报告式的数据分析总结。

• L3 智能体：大模型与内部知识不断融合，主动感知业务上下文，输出行动建议，对未来的业务表现进行预测分析；并通过与业务系统，深度融合，集成自动化工作流等。

以某1000+门店的知名零售品牌的落地实践为例，观远数据通过ChatBI等产品，协助客户的每家店，每一天，有机会实现10+次经营的改善，产生显著的业务价值：

• 基于L1的“巡店场景”，过去 BI 系统因操作门槛高导致督导使用率低，而 L1 的对话式能力让督导通过语音实时追问数据，即时调整策略，使每家店每天多实现 10 次有效业务改善；

• 基于L2的“门店诊断”，区域负责人可以实现空中巡店 ，AI助力决策者自动识别需重点关注的门店，对比标杆门店，给出行动建议，解决了依赖专业分析师的痛点；

• 基于L3的未来探索，未来的经营将实现门店的“自主优化”，通过数据 agent ，主动感知每个门店的内外部经营环境，并基于单店经营目标，自动完成补货等行动闭环。

三、Agentic BI技术落地的长期主义以及大模型“幻觉”问题的应对之道

尽管AI技术正以惊人态势从实验室走向规模化应用，但其在技术创新、社会伦理、应用落地等层面上依旧面对着一些挑战。苏春园在研讨会上分享了观远数据在Agentic BI领域观察到的一些挑战与应对策略。

其一，软件智能化落地的现实挑战与长期逻辑，容易高估一年，低估十年。苏春园表示，当前软件智能化热度从峰值下降，尽管年初因 DeepSeek 推出和 agent 概念火爆引发 “FOMO错失恐惧”，但短期内真正落地并形成显著商业价值闭环的案例极少。企业级软件，如数据分析平台，对准确度与可信度要求极高，技术落地需长期打磨软件算法、积累知识数据，且需与企业组织惯性、业务流程、数据基础等 “冰山之下” 的要素融合进化。因此，企业从数字化到智能化是循序渐进的长期过程，需避免高估短期效果、低估长期价值。

其二，大模型“幻觉”问题的应对关键是可信与智能的平衡，并把主动权给到客户。苏春园指出，大模型存在 “概率性输出” 的天然 “幻觉”，与企业决策场景对 100% 可信度的需求存在矛盾。应对思路是构建 “人机协同” 模式：通过产品设计为用户提供 “档位选择”，在需 100% 可信场景启用高可信档位，在需智能推演场景选择高智能档位，且给与用户选择权，不断提升两者融合的上限。

四、结语

随着大模型技术的持续迭代与企业数字化转型的深入推进，Agentic BI（智能体化分析）必将成为驱动企业决策智能化的核心引擎。从 “少数人用数据” 到 “人人用数据”，从 “被动看数” 到 “主动行动”，这一变革不仅是技术的跃迁，更是企业经营范式的重构。

观远数据将贯彻“让业务用起来 让决策更智能”的使命，持续打磨技术、沉淀实践，与千行百业的更多伙伴携手共创，基于“场景优先、业务价值优先”的原则，共同制定3个月、6个月、12个月的落地规划，打造 Agentic BI 最佳落地实践，让技术创新真正转化为企业的增长动能，实现 “数据驱动增长” 从愿景到现实的跨越。