经营分析会上，一项核心指标突然下滑。
作为业务负责人的你，问了一句：问题出在哪里？
会议室静了几秒，数据团队的同事说，这个数要回去对一下口径。散会时，问题已经变成你的待办：整理需求，发给数据团队，排期三天。
三天后，报表发到邮箱，数字确实在跌。你追问是哪个渠道拖累的、哪些用户流失了，邮件转了两轮，口径确认又花了两天。
九天后，归因结论终于摆上桌面，而它回答的是九天前的问题。这九天里，下滑没有停，下一场经营会已经在路上，但你已经不确定这份报告还有没有意义。
一个看似简单的业务问题，就此变成横跨业务、产品与数据团队的协作任务。数据获取慢，分析链路长，沟通成本高，等到完整结论形成，最佳决策时机已经错过。企业真正缺少的，是一套能够理解业务问题、调用企业数据、完成专业分析，并进一步形成决策建议的智能系统。
DeciAGI SaaS版 正式发布
想知道上个月有多少用户完成下单，过去需要登录分析平台、选择分析模型、配置指标与时间范围，再根据结果调整图表；问题换成全链路转化率或用户留存，还要进入不同模型重新配置。提问只用一句话，得到答案却要穿过一整套工具。
DeciAGI SaaS版正是从这类高频低效场景出发，重新构建业务人员与数据的协作方式。现在，用户直接在DeciAGI中提出问题，智能问数Agent就能理解其中的指标、事件、时间范围与分析目标，调用对应数据能力完成查询，自动生成可视化图表。
DeciAGI整体产品架构
作为企业级数据智能应用平台，DeciAGI SaaS版建立在GrowingIO成熟的数据云与分析云能力之上，将数据能力原子化为可被Agent调用的Skills与MCP，并通过大模型的理解、推理和任务编排能力，让数据查询与分析从复杂的工具操作转变为自然语言驱动的人机协作。
本次发布的DeciAGI SaaS版，落地两项核心能力：以智能问数Agent支撑自然语言查询，从提问到图表一次对话完成；以看板沉淀查询结果，让一次提问成为可反复使用的企业数据资产。查询回到提问本身，数据资产随使用持续生长。
DeciAGI 智能问数Agent
就查询而言，DeciAGI SaaS版已支持指标查询、全链路转化与用户留存分析，覆盖企业日常经营最常见的三类数据问题；图表可保存为看板，用于持续追踪与团队共享，一次自然语言提问，沉淀为可反复使用的企业数据资产。从等待结果走向即时洞察，从看见问题走向辅助决策，这是DeciAGI为企业数据分析设定的方向。
DeciAGI智能问数Agent 留存分析看板
准确性方面，DeciAGI SaaS版内置的智能问数Agent可保证数据100%的准确性。它以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。在交互链路层，DeciAGI采用Text to Metrics to API的成熟范式，以LLM最擅长的语义理解与检索，分段执行，确保过程可控、结果可控。三层叠加，保证了每一次问答的100%准确性。
一支可信赖的数据分析专家团队
让大模型理解自然语言并不难，难的是在企业环境中稳定、准确地完成任务。一次数据查询涉及目标理解、任务拆解、工具调用、权限判断与结果校验等多个环节，任何一步偏差都足以让结果失去可信度。Agent会回答只是起点，能否稳定执行、出现问题后能否恢复与追踪，才是它进入业务的关键。
DeciAGI的技术核心是一套可恢复、可追踪的Agentic Runtime，将大模型的语义理解与企业系统的确定性执行分开：Planner理解目标并生成计划，Graph按依赖调度，Skill Workflow定义业务步骤与澄清规则，MCP与TypeScript Action连接外部能力并完成确定性计算。执行前冻结工具契约，运行中由权限门禁与结果校验约束模型行为，进度全程记录、中断可续跑、失败可定位。可靠与可追踪贯穿每一次执行，数据Agent由此成为一支可信赖的数据分析专家团队。
DeciAGI Agentic Runtime运行机制
零售场景下，一场周复盘的效率账
复盘会是某线上零售品牌每周一的固定动作，取数是复盘会最重的负担。支付用户数、各环节转化率与用户留存，每组数字都要经过业务提需求、分析师排期取数、制作图表的接力，负责人追问一次，需求就重新进入沟通与排期的循环。两类角色、两次跨团队交接，同一组周度指标，一年被重复查询与交付约52次。
在接入DeciAGI后，业务人员在智能问数Agent中依次输入自然语言指令，Agent自动理解指标、事件、时间范围与分析目标，生成指标、漏斗与留存图表。需要调整条件时，直接在对话中重新描述需求，无需再次整理文档、提交排期；确认结果后，将图表保存为看板，作为后续经营复盘的固定数据资产。处理环节由至少7个缩短至4个，跨团队交接清零，固定口径的周度查询，从每年约52次重复需求转变为一次提问加持续复用。
数据分析师从重复取数中释放出来，将精力投入更复杂的分析与判断。当同类问题每天、每周在不同团队中反复发生，减少的每一次等待、沟通与重复配置，最终都转化为企业真实的效率提升。
再回到开头那场经营分析会。
你问出同样的问题，这一次，需求整理、排期与口径确认都不再需要。DeciAGI SaaS版智能问数Agent在对话中理解指标、事件与分析目标，调用数据能力完成查询，当场生成了图表；当追问是哪个渠道的问题时，分析随之更新；确认后保存为看板，这条指标就进入了持续追踪。
开场那九天的等待，收敛为会议现场的一次提问，数据的时效，第一次跟上了决策的节奏。
从更长的时间维度看，企业数据智能的演进，是从依赖外部供给走向自有能力的过程。DeciAGI的进化方向，是不断拓展数据智能承担的工作边界，把企业的数据能力、分析方法与业务知识，组织成一支持续进化的数据分析专家团队。在下一版本，将围绕多Agent协同分析与企业专属知识持续演进，让数据智能从回答问题走向参与判断。在未来，DeciAGI将持续承接数据查询、分析与判断，把降本增效与业绩增长，建立在企业自己的数据之上。
