Kyligence案例

该Agent案例由跬智信息Kyligence投递并参与金猿组委会×数据猿×上海大数据联盟共同推出的《2025中国大数据产业年度Data Agent创新应用》榜单/奖项评选。

餐饮与零售行业具备门店数量多、业务链路长、数据生成频率高等典型特征。随着全国化扩张和多品牌、多品类经营的推进，企业在日常运营中持续产生海量数据，覆盖销售、库存、促销、会员、门店运营、供应链及数字营销等多个维度。

该企业自进入中国市场以来，较早完成数字化基础建设，积累了数百亿级业务数据和庞大的指标体系，在行业中具备显著的数据规模与运营复杂度优势。然而，随着业务规模进一步扩大，传统以BI报表和人工分析为主的数据分析模式逐渐暴露出效率低、门槛高、响应慢的问题，难以支撑高频、实时、复杂的业务决策需求。

在此背景下，企业开始探索将AI能力真正引入业务决策流程，希望通过Data Agent的方式，让数据分析从“被动响应”升级为“主动参与决策”，构建新一代企业级智能数据分析与决策体系。

时间周期：

项目开始时间：2024年2月

中间重要时间节点：2024年8月

项目完结时间：至今

Data Agent应用需求

企业在引入Data Agent时，并非追求概念创新，而是围绕真实业务场景提出了明确需求：

·面向业务人员的自然语言数据分析能力

支持业务人员通过自然语言直接发起分析请求，无需掌握SQL或复杂数据工具。

·复杂业务场景的自动化分析能力

在“春节黑巧拿铁销量突增原因分析与策略建议”“某区域某品类增长率下降12%根因定位”等场景中，Data Agent能自动关联天气、促销、价格、客群画像、门店分布等多维数据，完成归因分析并输出结论。

·商业级准确性与一致性保障

分析结果需严格基于企业统一指标口径与业务逻辑，满足经营决策对准确性的要求。

·分析过程可解释、可追溯

不仅给出结论，还能清晰展示分析路径与逻辑，增强业务信任度。

·企业级数据安全与权限控制

支持多角色、多区域、多门店的数据隔离，确保敏感数据合规可控。

·可嵌入现有系统与工作流

降低使用和推广成本，使Data Agent成为业务日常工作的自然组成部分。

面临挑战

面临的主要挑战

·数据规模与复杂度高：数百亿级数据、多维指标、复杂口径计算

·传统BI分析效率不足：分析周期长、跨部门协作成本高

·对话式分析准确性与可控性不足：自然语言存在歧义，难以直接支撑商业决策

·数据安全与权限管理要求严格：集团化、多区域经营对数据治理提出更高要求

战略目标

·从传统BI向Data Agent驱动的智能分析模式升级

·构建统一指标体系与数据知识库，作为AI分析的可信底座

·将Data Agent打造成企业级数据分析与决策的核心入口

·在确保准确性、安全性和可控性的前提下，实现规模化落地应用

战略目标

1.构建统一的数据与指标基础

通过一体化指标管理平台，企业完成核心业务指标的统一建模与治理，将分散在各系统中的指标逻辑、业务口径和计算规则进行标准化沉淀，为Data Agent提供稳定、可信的数据基础。

2.Data Agent多智能体架构落地

Data Agent采用多智能体协同架构，将复杂分析任务拆解为可控模块：

·意图解析Agent：识别业务问题，匹配指标与分析场景

·指标查询Agent：基于统一指标体系生成标准化查询

·归因分析Agent：自动定位指标波动的核心驱动因素

·报告生成Agent：输出结构化结论、可视化结果与策略建议

通过“自然语言→指标→SQL→结果验证”的闭环流程，保障分析结果的准确性与一致性。

3.数据安全与权限体系集成

Data Agent全面继承企业既有的数据权限与安全策略，支持按角色、区域、门店、业务线进行细粒度权限控制，确保数据使用合规、安全。

4.分阶段推广与应用扩展

项目采用“从点到面”的推进策略：

·初期聚焦营销与单品分析场景试点

·中期扩展至多品牌、多业务线

·后期将Data Agent作为统一数据分析入口，深度融入企业日常运营

实施与部署过程

1.Data Agent的职能定位与整体架构设计

在本项目中，Data Agent被定位为企业级智能分析与决策中枢，并非单一分析工具，而是贯穿“问题理解—数据关联—分析推理—结果输出”的自主分析智能体。

其核心职责包括：

·业务问题语义理解与拆解（如销量波动、增长率异常等）；

·跨系统、多源数据的自动关联与调度；

·分析路径自主规划与执行；

·结构化分析结论与可读性报告生成。

整体系统采用分层解耦架构，主要包括：

·数据层：统一接入销售、促销、会员、门店、天气等多源数据；

·智能分析层：以Data Agent为核心，负责分析逻辑编排与推理；

·应用层：面向业务人员输出可直接使用的分析结论与决策建议。

2.核心技术与产品能力落地

项目中，Data Agent结合多项关键技术能力，实现从“人工分析”向“智能分析”的转变：

·多模态业务语义建模：将销量、促销、节假日、天气等业务要素统一映射为可计算的分析语义；

·多维数据自动关联引擎：在无需人工建模的情况下，自动识别潜在影响因子；

·智能分析路径规划机制：根据问题类型动态生成分析步骤，避免固定模板分析；

·生成式分析报告能力：将复杂分析过程转化为结构化、可解释的业务语言输出。

通过将Data Agent与企业既有BI、数据仓库及业务系统深度集成，避免了重复建设，显著降低了部署与试点成本。

3.实施步骤与部署方式

项目整体采用分阶段、可验证的实施路径：

·第一阶段：业务场景梳理与指标映射

聚焦高频、高价值分析场景，如节假日销量异常、区域品类波动等，明确分析目标与输出形式。

·第二阶段：系统接入与能力配置

完成核心数据源接入，配置Data Agent的分析策略与业务规则，确保数据安全与合规。

·第三阶段：试点运行与效果验证

以典型业务问题为样本，对比人工分析与Data Agent自动分析效率与质量。

·第四阶段：规模化推广与能力沉淀

将成熟分析模式沉淀为可复用能力，逐步覆盖更多业务部门与场景。

4.创新思维与协同方式

本项目的创新不止体现在技术层面，更体现在分析模式与协作方式的转变：

·从“人找数据”转向“问题触发分析”；

·从“经验驱动判断”转向“数据与模型协同决策”；

·从分析专家主导，转向业务人员可直接使用的智能分析能力。

在实施过程中，技术团队、数据团队与业务团队形成紧密协同。

合作服务效果

1.决策效率显著提升

在典型分析场景中，过去单次分析通常需要约16小时，引入Data Agent后，报告生成时间缩短至1小时以内，分析效率提升94%以上。

2.成本与资源投入显著下降

大量重复性、人工驱动的数据分析工作被自动化替代，分析成本大幅降低，在规模化应用后，整体可为企业节省千万级成本投入。

3.数据分析普及度显著提升

·平台日活跃用户超过150人

·日均查询量约8000次

·数据查询响应时间3–5秒，问答平均等待时间<8秒

数据分析从“专家专属能力”转变为“业务人员的日常工具”。

4.业务价值持续释放

·精准营销：提升营销活动的ROI与转化效率

·门店运营优化：支持实时调整运营策略，提升单店经营效率

·产品与策略创新：快速验证假设，加速业务创新试错

关于企业

·跬智信息Kyligence

跬智信息（Kyligence）由Apache Kylin创始团队于2016年创办，是领先的Data+AI公司，为企业客户提供大数据分析平台、AI智能分析平台等相关的产品和解决方案，以AI赋能全民用数，帮助企业充分利用数据价值，加速数智化转型。

Kyligence已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户，包括建设银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife等全球知名企业，并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本等机构多次投资。

·某全球头部西式快餐企业

该企业是全球领先的西式快餐连锁集团之一，自上世纪八十年代进入中国市场以来，率先将标准化、规模化的餐饮运营模式引入本土，并持续推进本地化创新。经过多年发展，企业已在全国范围内布局上万家门店，业务覆盖多品牌、多品类与多消费场景，服务庞大的日常消费人群。依托完善的供应链体系和成熟的数字化基础，该企业长期处于餐饮行业数智化实践的前沿，在营销运营、门店管理与消费者洞察等领域积累了大量数据资产，并积极探索以AI与数据智能驱动业务决策的新一代运营模式。

★以上由跬智信息Kyligence投递申报的Agent案例，最终将会角逐由金猿组委会×数据猿×上海大数据联盟联合推出的《2025中国大数据产业年度Data Agent创新应用》榜单/奖项。

该榜单最终将于1月上旬上海举办的“2025第八届金猿大数据产业发展论坛——暨AI Infra & Data Agent趋势论坛”现场首次揭晓榜单，并举行颁奖仪式，欢迎报名莅临现场。