摘要：业务团队需要能说明问题、经得起复核、可以继续编辑并服务决策的分析成果。衡石将 AI Copilot 放进数据分析与创作流程：业务人员用自然语言提出问题，数据与指标管理人员提供可用的数据语义，AI 协助检索、拆解、生成图表与文字解读，人再审阅、修订和保存。这个过程让问数、指标创作和仪表盘生产形成一条可协作的链路。

1 分析工作的瓶颈，常常出现在结果之前

销售、运营和财务每天都会提出具体问题：本季度各区域的销售额、毛利率和回款完成度怎样变化；哪些产品线拉低了目标达成；区域负责人下一步该看客户、渠道还是订单明细。传统流程中，业务人员描述需求，分析人员寻找数据集、确认字段含义、拼接计算、制作图表，再把结果交回业务部门。问题一旦变化，沟通和制作又会重新开始。

这类工作并不只消耗在取数。真正困难的是把业务语言落实到可执行的范围：销售额是否含退货，毛利率按哪个期间确认，区域权限能看到哪些行，异常又该用什么维度解释。企业若没有把这些知识沉淀到数据、指标和权限体系中，再流畅的对话也无法替代业务判断。AI 的价值在于缩短探索与创作的距离，并把人的注意力留在口径、解释和行动选择上。

2 以交互层、独立问数入口与 Agent 能力理解协作

为了说明人在各环节怎样与系统协作，本文从三个视角展开：将 AI Copilot作为人机协作的交互层来讨论，将 ChatBI 作为独立智能问数入口来说明，将 Data Agent 作为贯穿问答、分析与创作的 Agent 能力来介绍。三者共同服务同一条分析链路：用户用自然语言进入，系统依据受权限约束的数据与指标提供协助，团队把图表、看板、指标或文字报告编辑为可确认的成果。

2.1 ChatBI：面向业务人员的独立智能问数入口

ChatBI 为业务人员提供独立的问数页面。用户可在自身角色权限范围内选择数据集或业务指标主题，以自然语言提出问题，查看返回的数据和图表，并按需要切换图表样式。一次会话中的图表可以一键加入看板，后续仍可调整布局、导出、保存和继续探索。这样的入口适合从明确的问题开始，例如“按区域比较本季度销售额与毛利率，并查看目标完成差异”。ChatBI 官方手册给出了权限范围、图表呈现和会话生成看板的使用说明。

2.2 Data Agent：把问答延伸到分析和创作现场

Data Agent 在对话式体验中承担更长的任务链。在 Agent 模式下，它会在用户有权限的数据范围内，从数据集市、应用集市和应用创作中检索相关内容，针对复杂问题进行一次或多次查询；它还能读取登录账号信息和当前页面上下文，因此在数据包、数据集或仪表盘页面上，交互可以围绕正在查看的对象继续展开。用户可以把它用于可视化创作、指标创作、表达式辅助和仪表盘编辑，例如添加图表与过滤器、补充富文本分析、调整布局和颜色。具体能力以 Data Agent 使用指南为准。

2.3 语义与权限为协作划定依据

高质量问答来自事前准备。数据集名称、字段类型、字段与原子指标的描述、同义词和数据集知识管理，帮助系统把业务问题关联到合适的数据对象；行业术语、分析方向和企业规则可以通过提示词提供给 Data Agent。需要复用的复杂口径应沉淀为指标，并记录时间口径、过滤规则和版本变化。业务主题可以组织指标、授予使用权限，底层数据包的行权限仍会约束用户能看到的数据。相关的主题管理与授权规则可参考指标管理手册。

语义维护需要落在日常治理中。新增产品线、渠道或核算规则时，团队同步检查字段描述、指标定义、主题授权和示例问题；指标下线或调整时，也同步检查看板及其智能解读思路。这样，业务用户看到的是经过管理的数据入口，分析人员也能更快定位口径变化带来的影响。

协作层	主要职责	交付物
业务用户	说明问题、补充语境、判断结果是否支持决策	可审阅的问题与结论
数据与指标管理人员	维护数据、指标定义、权限和知识说明	可检索、可追溯的分析基础
AI Copilot	协助检索、拆解、查询、表达和创作	图表、解读、指标草案或看板草案

3 一个销售分析场景如何从提问走向可用成果

设想销售总监在周例会前提出：“比较华东、华南和华北本季度销售额、毛利率与回款完成度；找出偏离目标最明显的产品线，并给我一版可继续编辑的看板。”这是一段需要逐层确认的分析任务。团队可以把实施过程组织为数据准备、对话探索、创作沉淀和人工确认四个环节。

3.1 先把可复用的业务知识放进数据环境

团队先在数据侧说明销售额、回款完成度和毛利率的定义，补齐产品线、区域、客户、订单日期等字段描述，隐藏不参与分析的字段，并把“有效订单”“财年”“大客户”等企业术语写入数据集知识管理或相关提示词。若需要在大量数据资产中定位信息，可对数据包和业务主题进行向量化处理。对于容易混淆的概念，团队应把“业务术语到指标”的映射写清楚，避免每次由模型临时组合字段。数据准备无法替代审阅，却能让后续提问有明确的检索范围和解释基础。

3.2 对话用于提出问题、追问和扩大视角

用户可以先在 ChatBI 中选定数据集或指标主题，再输入完整问题；也可以从仪表盘、数据集等页面调起 Data Agent，让当前上下文参与任务。系统按已授权的对象执行检索与查询，并将数据、图表和总结呈现给用户。下一轮问题可以缩小区域、替换时间范围、要求按产品线下钻，或回到客户和订单明细核查原因。推荐问题可以帮助用户继续探索，例如比较目标差异、查看趋势或分析异常，但推荐方向仍由团队根据业务目标取舍。

请比较华东、华南、华北本季度销售额、毛利率和回款完成度；按产品线找出目标差异，并说明需要复核的口径与数据范围。

• **先看范围：**确认所选数据集、指标主题、时间段、区域和当前账号权限是否匹配问题。
• **再看差异：**用区域、产品线、渠道等维度拆解结果，必要时继续下钻到客户或订单。
• **把假设说清：**用户补充“回款完成度”的计算规则、异常阈值和目标版本，避免把业务语言留给模型猜测。
• **保留可验证路径：**对关键结论回看图表、数据范围和指标说明，再决定是否进入会议材料或经营动作。

多轮协作需要团队把每轮问题放在同一条分析线上。第一轮先确认“发生了什么”，第二轮再收窄区域或产品线，第三轮要求展开明细或调整图表。问题中包含的时间、范围、口径和交付形式越明确，人工复核越高效。Agent 模式正在执行问答时，用户应保持在当前会话与页面，避免切换历史聊天或其他页面造成当前问答中断。面对需要多方确认的经营判断，团队可以先把待核实项写进提问，再把结论和证据带回例会讨论。

3.3 把分析结果转成可编辑资产

对话的价值不止停在一张图。ChatBI 可以把会话图表加入看板；Data Agent 可以协助从零创建或编辑已有仪表盘，并处理图表、过滤器、富文本报告、布局、颜色和批量控件操作。需要新增业务口径时，用户可让 Data Agent 辅助编写 HQL 表达式或创建指标草案，再由熟悉数据模型的人核对公式、过滤条件和名称。系统提供“智能解读”来查询、汇总、异常识别、分解和下钻，并生成基于已有与历史数据的描述性报告；它不承诺预测未来结果，复杂报表和复杂表格也不在该功能的支持范围内。

4 人审、保存和验收，让协作成果可以复用

AI 生成的内容应进入业务工作流。业务负责人检查结论是否回答原始问题，数据负责人检查指标、权限、时间范围和数据来源，分析人员检查图表表达和解释是否存在误读。团队可以修改问题、调整筛选条件、重写指标描述和看板布局，再将确认后的仪表盘、指标和智能解读思路保存为团队资产。Data Agent 调优页面支持管理员配置行业与私域指令、资源搜索指令和 HQL 执行指令，帮助团队把成熟方法沉淀下来。有关可配置项与适用边界见Data Agent 调优手册。

4.1 用任务验收衡量价值

企业可以选取一组真实但可脱敏的销售、经营或财务问题作为验收样本，让业务、数据和分析角色共同记录结果。重点不在于追求一次回答的华丽表述，而在于检查同一任务能否在权限范围内完成，并留下复核依据。

验收开始前，团队应冻结样本问题的期望口径、可访问数据范围和人工判定规则。验收结束后，把未命中数据集、误用指标、筛选遗漏、图表表达不清和需要补充的业务术语分别记录，再回到数据集知识管理、指标主题、提示词或智能解读思路中处理。这样获得的是一套可以持续改进的协作方法，也让下一轮验收能够比较问题是否减少、人工修订是否更集中于业务判断。

验收维度	可记录的问题	责任人
语义匹配	是否选对数据集、指标、时间范围和过滤条件；同义词是否得到正确解释	数据与指标管理人员
任务完成	从问题到首版图表、看板或指标草案用了多久；追问后是否能继续完成分析	业务用户与分析人员
结果质量	结论是否能由图表和数据范围复核；人工修改集中在哪些环节	业务负责人
资产复用	确认后的指标、看板和智能解读思路是否被后续任务使用	团队管理员

4.2 把能力放进现有产品和系统

企业既可以直接使用完整的 ChatBI 页面，也可以按自身产品边界采用 iframe、JS SDK 或 API 接入。Agent 模式适合保留连续执行、状态变化和工具调用过程；Workflow 模式适合由后端统一推进执行逻辑、权限边界与结果交付。选择接入方式前，团队应先明确由谁持续推进问答、由谁呈现结果、由谁保存会话与业务资产。衡石的Data Agent 集成总览对运行方式与接入方式作了区分。需要扩展企业知识库、实时业务数据或工作流时，管理员可按接口、权限和审计要求在全局 JS 中配置自定义工具；这类工具适用于网页端 Agent 体验，不能默认用于 Agent API。

5 以当前公开版本为坐标，持续把协作做实

截至 2026 年 9 月 23 日，衡石公开发布说明列出 HENGSHI SENSE 6.3.2；同日的 6.2.5 维护也集中修复了 ChatBI 多轮会话的数据源继承、结果呈现和运行稳定性问题。本文以 v6.2 官方手册作为能力说明基线，实际可用功能仍取决于企业部署版本、授权和配置。版本更新请以HENGSHI SENSE 版本说明为准。

AI Copilot 的目标，是让业务问题更快进入可验证的分析流程，让数据团队把标准与知识沉淀到可复用的资产中，让分析师把时间投入问题定义、解释和决策支持。人负责提出问题、校验语义和承担决策责任，AI 负责协助检索、计算、表达和创作；两者在同一套数据与权限基础上协同，企业才会获得可持续的分析能力。

原文发布于衡石科技官网：从问数到共创：衡石 AI Copilot 的人机协作分析方法