在数据分析领域，如何从传统的数据分析转向更加高效的智能决策，一直是企业不懈的追求。尤其在2025年随着大模型技术的引爆，越来越多企业尝试通过大模型技术实现智能分析。但如何成功落地第一个AI+BI智能分析场景，成为企业无法绕开的第一个必答题。

10月22日，「数智·渐进力——2025观远数据智能决策峰会暨产品发布会」现场，观远数据创始人&CEO苏春园带着与数十家客户的AI+BI共创落地经验，以《AI+BI智能分析的愿景与路径》为主题，从行业趋势、产品创新、行动建议三大维度，为关注AI创新的先进企业们勾勒出从BI到AI的渐进式落地蓝图。从数据分析3.0 AI+BI智能决策时代的演进，到观远数据全新产品矩阵的发布，再到企业拥抱AI的务实路径，分享兼具战略洞察与指导意义

一、行业趋势：数据分析3.0时代，AI+BI智能决策需渐进式落地

苏春园开篇即点明行业变革核心——2025年-2035年，数据分析将进入AI+BI智能决策的3.0时代。通过梳理数据分析的演进脉络，他清晰界定了三个阶段的核心特征：

• 1.0 报表式BI时代：以“表哥表姐”响应业务需求为核心，依赖传统报表开发，数据使用效率低、覆盖范围窄；

• 2.0 自助式BI时代：IT团队之外，业务分析师、数据分析师可通过拖拉拽式操作自主完成分析。但仍存在大量用户“用不上数据、用不好数据”的痛点，数据与行动之间存在断层。

• 3.0 AI+BI智能决策时代：借助自然语言分析与大模型能力，实现“主动式洞察+行动指导”，赋能广泛业务人员，最终达成“人人都是数据分析师”的目标。

苏春园表示，3.0时代AI+BI智能决策所能创造的企业价值与社会价值，将比1.0、2.0时代大一个量级。但他同时提醒，2025年不是智能决策之年，而是智能决策十年的第一年。AI+BI在企业的落地会是一个长期演进的过程。他指出，“即使进入3.0阶段，部分1.0的报表、大量2.0的自助BI分析，以及3.0的AI新实践会长期共存，不同的决策场景需要不同能力的组合。当然3.0阶段尤其令人振奋，通过AI能力，我们看到它将解决过去两个阶段没有解决的分析决策问题。”

苏春园以智能驾驶为类比——智能驾驶技术从萌芽至今已超过十年，如今终于开始星火燎原；值得我们每个组织借鉴的更是路径，不同厂商的智能驾驶技术落地路径上，Waymo选择直接冲击L4-L5全自动驾驶，目前大概有2500+辆车在运行，而特斯拉则选择从L1（辅助驾驶）开始，落地场景、获取数据反馈、逐步迭代至L2（部分自动驾驶）、L3（有条件自动驾驶），目前已有超过500万辆车上路。大家目标都一样，长期来说也会殊途同归，但对于绝大多数的组织来说，特斯拉路径的逻辑很值得思考。

AI+BI的落地，与特斯拉的逻辑一样——以“渐进”的力量，从第一个场景出发，拿到反馈，然后迭代，扩展到更多场景，积小胜为大胜。

二、产品创新：从愿景到路径，AI+BI一站式智能分析平台全新发布

“愿景落地需要扎实的产品支撑”，苏春园指出，观远数据的年度产品创新均来自过去一年与众多客户的深度共创，并首次公开了观远产品发布的三级产品成熟度状态标识，以确保产品“不是技术概念，而是有明确边界、可落地的价值载体”：

• GA级：已正式发布，可立即落地使用，配套完整的实施工艺、陪跑服务、最佳实践等；

• Beta级：基本就绪，处于最后打磨阶段，已有早期客户试用，预计3个月内正式发布；

• Alpha级：早期共创阶段，聚焦第一批客户需求定义产品，不同产品的发布周期在3-12个月内。

同时，他强调了观远数据对GA级产品定义的两大黄金标准：

• 真用起来：跟踪客户业务团队的使用曲线，确保业务团队已经活跃地、持续地用起来，成为业务流程的必需品；

• 完整产品：除功能外，配套实施与陪跑服务、最佳实践赋能、培训与上线服务、运维与技术支持，避免“技术悬空”。

基于此，苏春园携观远数据产研团队，正式发布了全新升级的「AI+BI一站式智能分析平台」产品矩阵，及观远BI 8.0、观远DataFlow、观远问数Agent、观远洞察Agent四大创新GA产品：

观远BI 8.0：

三大方面增强，让业务团队用得更爽

作为观远数据核心BI产品，观远BI 8.0依旧延续“让业务用起来”的价值主张，做受业务团队认可、欢迎的BI产品，此次升级聚焦三大方面：

• 智能化增强：智能公式生成、智能图表生成、智能ETL助手、智能插件生成、智能资产命名，5大AI助手覆盖ETL - 开发 - 分析全链路；

• 企业级增强：支持13语种多语言全球化部署，适配客户出海需求；强化指标中心，帮助企业统一指标口径，消除理解分析；升级性能引擎，向量化加速，强化规模化协作治理。

• 生态化增强：飞书/钉钉/企微等OA集成进一步深化，API快速接入国内外电商平台数据，场景分析快人一步。

观远DataFlow：

为敏捷分析与AI智能体构建企业级数仓底座

定位企业级数仓底座，满足企业对更加实时的敏捷分析，以及未来构建AI智能体时所需的扎实底座的需求。与其他数仓构建的产品相比，观远DataFlow全面支撑了StarRocks、Doris、华为云GaussDB等主流分析型数据库，核心能力包括实时数据同步、可视化数据流开发、任务调度编排与数据质量监控、数据服务、Agent编排。

观远DataFlow已在众多企业落地，最佳实践例如：

• 某美妆百亿营收客户：借助观远DataFlow将“BI轻型数仓”升级为“StarRocks统一企业级数仓”，破解“数据孤岛、关键场景体验迟滞”等痛点。实现统一数据底座，实时数据接入，将CEO&高管推送报表从平均延迟15分钟降至2分钟，战略场景得到高效保障。

• 某鞋服百亿营收客户：通过企业级数仓直接选型，规避了大中台方案高昂的成本。以数仓与BI高效协同的轻量敏捷解决方案，实现显著的降本增效。场景落地周期从5个月缩短至2.5个月，以50%的成本实现核心需求，ROI大幅提高。

• 某精品连锁咖啡品牌客户：基于观远DataFlow，落地GuanDataLake架构下的准实时场景，显著优化资源利用率，大幅提升分析体验。卡片响应速度从6.8s缩短至3.5s，提速近50%；关键任务耗时从10分钟缩短至5分钟，效率翻倍。

观远问数Agent：

高效支持业务一线灵活取数

针对一线业务人员固定看板缺失细颗粒度明细数据、个性化看数困难、移动端操作繁琐低效等用数痛点，观远问数Agent（ChatBI），结合数据知识库与LLM，赋能一线业务人员自然语言灵活问数，无需依赖IT或分析师，实现“想法 - 数据 - 决策”分钟级响应闭环。

现场，观远数据产研团队向与会观众展示了观远问数Agent（ChatBI）在一线业务场景中的实际应用案例、场景落地与推广核心支撑，以及在更多行业的应用场景拓展。

✦ ChatBI场景落地最佳实践：赋能连锁门店督导效率提升

• 过去：某连锁零售企业门店督导每月80%时间用于巡店，督导以移动端BI看板逐层下钻查看战区-门店-具体门店的销售数据，看数链路长、视角固化，单店巡店准备就需半天，且看板无法给到不同区域、不同角色进行复用。

• 现在：观远问数Agent（ChatBI）落地后，门店督导可随时随地语音问数、沟通，按照个人思路串联数据，打造个性化看数链路，单店看数时间从30分钟缩短至5分钟。ChatBI覆盖企业4000+门店，全国400+督导与区域经理通过ChatBI问数，日均问数1000+，近30天问数超过3万条，准确率96%以上。

✦ ChatBI场景落地与推广核心：整体性规划设计与产品力支撑

在ChatBI落地的过程中，有两个很重要的支柱：一是落地场景与推广的最佳实践方法论；二是能够支撑规模化落地的产品力。

其一，最佳实践方法论的关键在于从用户定位到试点推广的整体性规划与设计，包括从定位目标用户到优选试点场景的四个重点步骤，及通过“打样实施+渐进式推广”实现ChatBI规模化覆盖的三个阶段：

其二，ChatBI支撑规模化落地的产品力，可以看作是一个“数据飞轮”。通过“场景主题 - 问数交互 - 运维追踪 - 自学习循环”的闭环，以持续的调整和迭代，逐步丰富问答的丰满度，积累分析思路，降低分析师负担，提升业务用数体验。

除上述零售行业门店督导场景外，观远问数Agent（ChatBI）也已在消费品行业销售管理、餐饮茶饮行业新品研发，及制造、金融、泛互等众多行业多场景落地实践。

观远洞察Agent：

高效获取业务深度洞察

在企业日常数据工作中，常会遇到“有数据无结论、深度分析耗时耗力、分析经验难复制”三类核心痛点，导致数据价值难以高效释放。为解决以上数据洞察痛点，观远数据将大模型能力引入数据分析流程。其底层核心逻辑为“数据+知识=洞察”，具体实现路径如下：

• 基础层：以数据为核心的BI平台沉淀大量可信数据资产，内容丰富、详实且全面的仪表板为洞察提供数据支撑；

• 赋能层：在可信数据资产基础上，叠加人工经验总结的洞察思路与业务知识，形成完整的输出体系；

• 输出层：向大模型输入上述数据与知识，即可由其自动完成后续洞察任务。

基于这一逻辑，观远数据推出观远洞察Agent全新产品能力——仪表板智能洞察（作为观远洞察Agent基础能力，已GA），该能力可通过AI自动解析仪表板数据，为用户提供可视化之外的深度洞察与行动建议。

仪表板智能洞察已在多个行业的先进企业中落地。观远数据以两个真实客户案例，进一步呈现其业务价值：

✦ 歌力思门店销售诊断：AI帮一线看报表找重点

歌力思是国内规模领先的高端女装企业，旗下拥有 6 个服装品牌，线下门店遍布全国，门店销售诊断分析是其核心业务场景。

• 过去挑战：为支撑该场景，歌力思数据部门制作了多份 “人货场” 维度大宽表，涵盖销售额、客单价、连带率等核心指标，，每日定时发送至区域飞书群。群内品牌营运经理、区域督导、一线店长等需快速解读数据，但因缺乏专业数据分析经验，难以从密集表格中提炼结论。

• 优化方案：引入仪表板智能洞察后，基于 “店铺销售诊断日报” 看板，相关人员可直接查看分析结论，单店的销售评估、问题归因及提升方向一目了然。

• 推广成效：目前歌力思已将该能力推广至一线门店店长，全国近千家门店店长仅需打开手机，即可查看专属店铺总览，商品、会员等维度的问题与洞察结论清晰呈现，可即时采取行动，真正实现一线赋能。

✦ 西瓜创客渠道转化分析：AI输出报告达分析师专业水平

西瓜创客是国内知名在线教育企业，会员续费与渠道转化是其每周需重点关注的核心议题，每周五其数据部门和三四类获客业务部门会召开经营分析周会。

• 过去挑战：会前各部门需依赖 “拉新及转化综合看板” 人工筛选数据，层层下钻分析渠道转化波动原因，再制作专属分析报告。数据部门+4个业务部门，每个部门需耗时1-2小时，总计投入约5小时。

• 优化方案：引入仪表板智能洞察后，操作流程大幅简化 —— 打开仪表板、点击右上角 “智能洞察”、复制侧边栏自动生成的报告，即可直接作为周会周报。

• 应用成效：原本需5小时的工作，现仅需5分钟完成；经西瓜创客反复调优，报告质量已达到 “熟悉业务的专业分析师” 水准。

以歌力思与西瓜创客的落地实践为例，观远数据在与客户共创过程中，已沉淀出详实的仪表板洞察最佳交付工艺，覆盖落地全流程，为企业解锁AI洞察力，且每一步均有确依据。

除已发布、可立即落地的仪表板智能洞察产品能力外，观远数据还在探索更复杂场景的解决方案，目前处于Alpha阶段的升级版观远洞察Agent便是典型代表。

以某头部车企营销漏斗转化分析需求为例，该车企营销部门需每日/每周追踪零售达成情况，需要先筛选未达标的车型，再针对重点车型从线索量、转定率、交付率层层拆解影响因素，最终定位责任团队与个人。该场景复杂度高，单张仪表板无法解决，还涉及多仪表板间的层级依赖、动态传参等问题。因此，观远数据与该企业尝试用动态调度的方式，来解决复杂场景的深度洞察难题，借助智能体实现两个方面的关键突破：

• 范围突破：洞察不再局限于单张仪表板，可实现跨仪表板数据整合；

• 链路突破：洞察不再依赖静态数据，可通过意图识别自动规划分析路径，开展联动分析。

此外，最终生成的图文报告支持灵活编辑，还可基于报告进行多轮深度追问，为解决复杂深度洞察问题提供更多可能性。

三、行动建议：从场景出发梳理3-6-12个月的规划，在AI时代务实的领先

基于观远数据与1000+各行业先进客户的合作经验，苏春园也为积极探寻AI+BI落地的企业提供了行动建议。

在观远数据服务的1000+各行业先进客户中，当前80%聚焦于用好BI，为AI打好数据基础；15%正在积极寻找场景尝试AI应用；5%的企业已经落地第一批产生实际价值的AI场景。结合这5%的先进客户的实践，苏春园总结了“让企业在AI时代务实的领先”的三大行动建议：

1. 选择大于努力：明确第一批AI落地场景

企业应从“业务价值度”与“落地可行性”两个维度评估AI场景：

• 业务价值度：优先选择“高频使用、广泛用户覆盖、从无到有创造价值”的场景，如一线督导问数，而非“低频、仅服务超级用户、从有到优”的场景，如需求非刚性、数据源复杂难界定的CEO问数。

• 落地可行性：评估数据就绪度、结果准确度、建设成本，避免“为技术而技术”。

2. 渐进式落地：做“3-6-12个月”从BI到AI的分步建设规划

以某观远数据老客户为例，其规划路径清晰可借鉴：

• 3个月：2025年第四季度聚焦问数Agent，构建督导巡店和店长问数的智能帮手；

• 6个月：至2026年中构建洞察分析场景Agent，能够通过洞察对门店、外卖运营等场景进行实时干预；

• 12个月：2026年底前与观远数据共创更加智能的Agent应用，搭建特定场景L3级别智能体，如智能补货实现补货全链路自动化。

苏春园强调，在企业的数字化建设中，CEO更关注的不是“买了一个ChatBI工具”，而是在分步建设的过程中，解决了哪些角色的痛点、从无到有创造了什么价值。因此建设规划需要紧扣业务需求，而非技术热点。

3. 让AI有土壤：依托业务场景沉淀

过去9年，观远数据始终贯彻“让业务用起来 让决策更智能”的使命，持续沉淀业务场景，打造出覆盖5大行业、50+角色、150+JTBD主题场景的500+精品应用。这些精品应用如今成为了AI建设最重要的场景指南，能够帮助企业明确“场景解决谁的问题、用什么方式解决”。让企业在技术落地中不是“拿锤子找钉子”，而是能够梳理出真正能够落地、能产生价值的行动规划。

四、结语：山高万仞，先AI一步

最后，苏春园结合生成式AI演进趋势指出：2025年初DeepSeek推动生成式AI热度达顶峰，随后进入低谷，但这正是 “新变革的元年”—— 如同智能驾驶的演进，3.0 AI+BI智能决策时代也需经历 “高看短期、低看长期” 的过程，这是一个天然的规律，企业无需焦虑，更应勇敢行动：智能决策拥有明确积极的未来，“渐进”的每一步，都是向这个未来靠近。山高万仞，先AI一步，观远数据期待与大家共同落地数智价值。