先抛几个核心判断。这公司做的不是ChatBI助手，用他们自己的话说，是“智能分析Agent产品”，底层技术路线走的是“Agent+企业级数据语义平台”。这和传统BI叠个大模型Chat能力的路子，完全不同。

伦敦塔桥下的泰晤士河底，埋着工业革命的隐秘图腾——布鲁内尔设计的隧道盾构机。19世纪那会儿，城市要搞地下轨道，这个直径11米的钢铁巨兽没去拓宽河道，而是另辟蹊径，开创了地下通行的新维度。

现在，当整个行业在BI赛道的红海里“厮杀”时，数势科技就像当年的工程师一样，潜到了产业底层，用企业级数据语义平台（Enterprise Data Semantics Layer）去构建数据价值流动的“地下轨道管网”，为智能分析Data Agent的实现打地基。

这背后有一个很本质的发问：“数据的力量，凭什么只能属于互联网巨头和少数头部企业？”这个声音来自数势科技的联合创始人谭李。他在百度和京东待过，亲眼见证过数据如何重塑商业逻辑，后来在管理咨询行业做数据分析师，服务过众多世界500强。可当他把目光投向传统行业，看到的却是另一番景象：一家连锁零售的区域经理，想分析月度销售和成本数据，得辗转数仓团队、BI分析师和开发人员，折腾两周才能拿到一张完整报表；一家城商行的业务部门，因为指标口径混乱，同一份数据能在不同部门吵一周。

数据的价值，在千行百业里，依然是一座难以抵达的海上孤岛。正是这些洞察，让数势科技选了一条与众不同的赛道——指标平台。

这个指标平台是数势科技2020年推出的第一个产品，也是行业里第一款“管研用一体化”的智能指标平台。后来它成了大模型明星产品SwiftAgent的重要内核，也就是那个企业级数据语义平台。

这套产品跟传统数仓+BI的“手工业模式”不一样，也和上一代数据中台里的“指标管理平台”有本质区别。企业用了数势指标平台，只需要一次定义原子指标，所有派生指标、衍生指标都能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”压缩到了“分钟级”。

在2020年行业还沉浸在数据中台范式里的时候，数势科技就开始用智能指标平台破圈。而后来让他们持续引领行业的，是对大模型技术趋势的敏锐嗅觉。2023年大模型浪潮袭来，多数企业还在探索聊天机器人，数势科技已经推出了SwiftAgent，把大模型的推理能力和企业私域的复杂数据语义深度融合。当竞品还在“ChatBI”的浅水区扑腾时，SwiftAgent早已不限于是“智能问数”，它已经成了一个企业级的分析决策智能体平台，既能给用户精准数据，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了“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、出版了行业第一本指标体系与指标平台的专著。

当数据民主化遇上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

说个具体案例。某食品连锁企业，有一万三千多家加盟门店。加盟为主的商业模式，让面向加盟商的数据透明化需求变得极高。

“数对不上，对于这类企业是很要命的。”谭李提到，那段时间，这家食品连锁企业的加盟商经常遇到“某营业额数据次日重查时不一致”的问题，导致了与总部之间的信任危机。另外，加盟商收工后会集中查询营业额、用金数据和门店的个性化数据，传统数据架构根本扛不住这种瞬时高并发请求，查询延迟甚至系统崩溃都是常事。更关键的是，对这类体量庞大的连锁企业来说，系统改造往往要耗费大量时间、金钱、人力，这种系统化升级，肯定会对门店经营带来不小的影响。

这个案例其实是一个缩影，代表了很多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分析师帮忙把需求翻译成各个指标的需求，再找数开团队去写SQL代码……可能一两个礼拜就过去了。”谭李说。

传统数仓+BI模式下，数据获取需要多部门协作，流程冗长，业务需求一变更，技术团队就得重复开发，严重影响效率。对业务人员来说，数据工具的使用门槛也很高，非技术人员很难自主获取洞察，数据价值的释放自然受限。

“指标平台在那家食品企业上线后，取数效率提升了至少10倍。”数势科技的指标平台允许企业只定义10%的核心原子指标，比如“订单金额”，剩下的90%的派生指标和衍生指标，比如“销售毛利”，通过动态计算实时生成，不需要重复开发。真正做到“定义即开发”“一次定义，全局使用”。这一模式把业务需求响应周期从传统BI模式的“天级”压缩到了“分钟级”，解决了加盟商因为数据延迟或口径混乱导致的信任危机。

针对加盟商在晚结账时段集中查询销售数据的高峰用数场景，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，即使面对海量并发查询，也能保证秒级性能，避免了传统数仓因为瞬时流量过大而系统崩溃。

过去四年，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，使得数据资产真正能让没有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

大模型技术浪潮来了，生成式AI显著降低了业务人员用数的门槛，但这并没有改变根本问题。“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，让市面上绝大多数想简单通过大模型+BI来解决问题的公司都碰了壁。”谭李说。

原因在于，大模型训练用的是公域数据，缺乏特定企业内部的私域知识。这可能导致模型生成的内容不符合企业实际业务，经常张冠李戴、似是而非，也就是所谓“幻觉”。要解决这个问题，就需要通过产品化手段来约束和优化大模型。

所以，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。它采用AI对话式交互，用户只需用日常交流的语言（文字或语音）就能轻松查数用数。比如支持那家食品企业的管理团队问“华东区上周销售异常原因”，能做到智能问数100%准确、数据安全100%校验，实现真正的“企业级可用”。

数势科技的SwiftAgent如何做到？它的具体技术路线是“大模型+企业级数据语义平台+Agent”。让大模型聚焦于自然语言意图识别、任务规划、推理分析和报告生成这些它擅长的能力，而将数据分析中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。就像给每个员工配备了一个数据科学家助理，7x24小时主动服务。

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经注定。

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，数势科技已经提出“指标即服务”（Metrics as a Service）理念，把指标层独立为数据价值链的核心枢纽。在产品架构上，他们不做“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。”谭李还提到，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，我们的数据民主化可以更进一步。”谭李说，“在传统BI厂商还在犹豫要不要+AI的时候，我们2023年就做出了SwiftAgent产品，并在多个商业付费客户那里交付落地。”

2025年春节，DeepSeek火爆，数势科技是行业首个接入DeepSeek能力的智能分析产品。在可视化生成方面，动态图表样式、数量超越了传统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，突破了固定范式的限制。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。从这个角度看，数势科技已然成为开源生态的“放大器”。通过这个“放大器”，企业可以更好地将大数据和AI的能力最大化地、更好地融入自身业务。就像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系统没覆盖全流程，数据采集还得靠Excel手工填报；在企业内部，业务部门也经常把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，也缺乏专业团队维护知识库。根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是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还不及全球平均水平。

得承认，铺设通向“数追人”时代铁轨的路上，依然有现实的沟壑。“信息化系统本身有缺陷，基于SwiftAgent的查询可能也会受到一些影响。”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为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还依赖手工台账，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到同行方案的十分之一。

在中国庞大而复杂的产业体系中，走这种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。