GIO Logo

智能问数不难,难的是企业级:奇点智能DeciAGI的落地方法论

Source:奇点智能AGI公众号Updated: 2026-9-14

企业级智能问数不仅要理解问题,还要兼顾计算准确性、使用成本与数据安全。本文介绍奇点智能旗下 DeciAGI 如何基于GrowingIO分析云与StartDT数据云能力,通过统一可信数据源、指标到 API 的调用链路及权限控制,让业务人员以自然语言完成查询、诊断与策略生成,减少对专业分析人力的依赖。

企业建了十年数据基建,数据量可以无限增长,但能从数据中读出判断、给出行动的专业人才始终有限。


作为奇点智能旗下的企业级数据智能应用平台DeciAGI基于分析云、数据云在数据分析、用户洞察与运营领域的原子化能力,实现AI原生的数据智能体应用。作为企业消费数据的唯一入口,以对话方式完成数据查询、业务分析与诊断、用户画像洞察、运营策略生成与活动复盘等专家团队工作,推动经营决策从专家依赖走向全员可用。


DeciAGI:推动企业数据消费民主化

过去十年,数据分析与运营决策高度依赖专家团队,从数据查询、业务诊断到用户洞察、策略生成,每一步都在消耗稀缺的专业人力。DeciAGI的使命,是推动企业数据消费的民主化,把数据分析能力从少数专家手中释放出来,交还给一线业务人员。以自然语言对话为入口,让原本需要跨团队协作才能完成的分析工作,变成业务人员随手可得的能力。



DeciAGI 产品架构


专业数据分析Agent:从架构到四级递进能力

作为奇点智能BaiXiao企业级AGI产品矩阵中的决策智囊,在核心能力上,打通了分析、策略、复盘的完整闭环,覆盖数据查询、业务分析、异常诊断、经营报告生成、用户画像洞察、运营策略生成、活动复盘等全场景。


DeciAGI构建的专业数据分析Agent的四级递进能力,四级能力层层递进,让Agent不再是简单问答工具,而是能承担分析、诊断、预测与推荐的专业角色。



三大核心保障:高准确、低成本、高安全

在企业级场景中,准确性、成本与安全是不可妥协的三大要素,DeciAGI围绕这三点做了体系化设计。


准确性方面,DeciAGI以SSOT可信数据源为底座,将企业数据高度抽象为主体、事件与属性的统一对象模型,确保同一业务定义只有同一份数据。在技术路径上,DeciAGI选择了检索增强而非NL2SQL生成,将LLM擅长的语义理解用于定位模型与指标,再由经过十年工程化打磨的分析模型完成计算,保证输出质量。


在工程落地上,DeciAGI将企业多主体行为数据统一抽象为主体、事件与属性的对象模型——谁在何时、何地、做了什么事。无论是个人在无人柜购买一杯咖啡、在特斯拉APP下定ModelY,还是车辆行驶100公里后在服务区加油、在4S店保养换机油,甚至下PO单、工厂排产发货——同一主体同一事件只产生一条结构化记录,数据干净统一,AI无需猜测即可定位对应指标。当业务人员询问过去七天订单总次数时,AI将语义拆解为统计事件、聚合方式、时间窗口与分组维度四个要素,拼装为固定API调用底层分析引擎,输出结果与人工筛选完全一致。而在归因分析这类复杂场景中,机票预订适合U型归因、即时消费品适合末次归因,AI识别行业语境后匹配对应模型,由引擎完成运算。SSOT统一数据源、能力供给层、Text to Metrics to API三层叠加,保证了每一次问答的准确性。


能力供给层,DeciAGI沉淀了事件分析、漏斗分析、留存分析、归因分析等十余种分析模型,底层经过十年行业验证。模型不做生成,只做计算。AI的角色是识别场景中的分析诉求,将意图映射到正确的模型上。以归因为例:消费者在某短视频平台看到机票广告,转到某出行平台比价,晚上回到某出行平台下单——这一条长决策链路的转化,应归属哪个渠道?机票品类天然适合U型归因,将权重分配在首次触达与最终转化两端。而外卖、快消这类即时决策场景,末次归因更贴合用户行为规律。AI识别行业语境后定位到归因模型,计算由引擎执行,无需AI自己推导公式。


在交互链路上,DeciAGI采用Text to Metrics to API的成熟范式,过程可控,结果可控。当老板询问过去7天用户生成订单的总次数、按手机号拆解时,AI将语义拆解为统计事件(生成订单)、统计方式(行为次数)、统计期(过去7天)、分组维度(手机号)四个要素,拼装为固定API调用底层引擎,整个拼装链路固定且可追溯,输出结果与人工手动取数的结论一一对应。


成本方面,LLM仅承担语义理解、任务编排与结论输出等轻量环节,消耗少量Token;真正的分析计算由引擎算力完成,无需消耗Token。这一架构将企业级大规模应用Agent的成本降低约90%。


在工程实践中,让AI从头到尾完成分析存在两个风险:计算质量不可控,Token消耗也没有上限。DeciAGI的做法是将AI限定在上层语义理解与任务编排环节,识别用户意图后直接调用底层分析引擎完成计算,再校验结果并组织为最终回复。AI只做它擅长的事,算力密集型工作由引擎承担,每一轮回答的Token消耗被控制在最低水平。


安全方面,DeciAGI搭载BaiXiao LLM企业级专用模型,经过高安全调教,并对Agent输出进行独立安全审核。同时,行列级权限控制与数据脱敏展示确保敏感信息只对授权用户可见,SSOT架构避免数据在调用链路中产生安全隐患。


在权限控制层面,DeciAGI将元数据的行列权限传递给Agent,比如当用户询问涉及未授权指标或维度时,Agent会主动提示申请权限而非绕过。在数据展示层面,手机号等敏感字段在调用链路中即被脱敏处理,Agent生成回复时中间数字自动隐藏,用户看到的始终是脱敏后的结果。权限前置审核与输出脱敏两层防线,让AI问答始终运行在安全边界之内。



白皮书首发:企业级数据智能决策指南

DeciAGI企业级数据智能决策白皮书系统阐述了基于分析云与数据云原子化能力的AI原生数据智能体应用方法,覆盖数据问答、业务诊断与策略生成三大核心场景,为业务团队提供了从对话式查询到决策行动的完整实践参考



AI的下半场,企业需要自己的AGI基础设施

当基础大模型成为公共脑力,企业真正的竞争力在于能否把自身数据、行业规则与专家经验融入一套可生长的智能系统。深耕企业数据服务十年,奇点智能以「本体+数据+模型+Agent」为核心架构,已服务零售、制造、金融、政企等行业的1500+客户,正加速迈向全球领先的企业级AGI提供商。当每一家企业都运行在自己持续进化的AGI之上,属于每家企业自己的智能时代,才刚刚开始。


Related resources:IntelliQuery

Frequently asked questions

DeciAGI 的智能问数与直接生成 SQL 有什么不同?
DeciAGI 采用 Text to Metrics to API 路径,由大模型理解问题、定位指标和分析模型,再调用分析引擎计算,而非直接生成 SQL。统一可信数据源(SSOT)与固定调用链路有助于保持业务口径一致,让取数过程可追溯。
企业大规模使用智能问数,如何控制 Token 成本?
将大模型主要用于语义理解、任务编排和结论输出,把计算交给分析引擎。分析计算环节不消耗大模型 Token,从而减少每轮问答的 Token 用量。
智能问数如何避免越权访问和敏感信息泄露?
DeciAGI 将元数据的行列级权限传递给 Agent,遇到未授权指标或维度时提示申请权限,而不是绕过限制。手机号等敏感字段在调用链路中进行脱敏,并对 Agent 输出开展独立安全审核。
Drive business growth with data

We would like to use cookies to understand how you use this website and improve your experience. To learn about cookies and how to withdraw or manage your consent, please read our Privacy Policy. By selecting Agree, you consent to the use of cookies.

Agree