Kyligence案例

該Agent案例由跬智信息Kyligence投遞并參與金猿組委會(huì)×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟共同推出的《2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)年度Data Agent創(chuàng)新應(yīng)用》榜單/獎(jiǎng)項(xiàng)評(píng)選。

餐飲與零售行業(yè)具備門店數(shù)量多、業(yè)務(wù)鏈路長(zhǎng)、數(shù)據(jù)生成頻率高等典型特征。隨著全國(guó)化擴(kuò)張和多品牌、多品類經(jīng)營(yíng)的推進(jìn)，企業(yè)在日常運(yùn)營(yíng)中持續(xù)產(chǎn)生海量數(shù)據(jù)，覆蓋銷售、庫存、促銷、會(huì)員、門店運(yùn)營(yíng)、供應(yīng)鏈及數(shù)字營(yíng)銷等多個(gè)維度。

該企業(yè)自進(jìn)入中國(guó)市場(chǎng)以來，較早完成數(shù)字化基礎(chǔ)建設(shè)，積累了數(shù)百億級(jí)業(yè)務(wù)數(shù)據(jù)和龐大的指標(biāo)體系，在行業(yè)中具備顯著的數(shù)據(jù)規(guī)模與運(yùn)營(yíng)復(fù)雜度優(yōu)勢(shì)。然而，隨著業(yè)務(wù)規(guī)模進(jìn)一步擴(kuò)大，傳統(tǒng)以BI報(bào)表和人工分析為主的數(shù)據(jù)分析模式逐漸暴露出效率低、門檻高、響應(yīng)慢的問題，難以支撐高頻、實(shí)時(shí)、復(fù)雜的業(yè)務(wù)決策需求。

在此背景下，企業(yè)開始探索將AI能力真正引入業(yè)務(wù)決策流程，希望通過Data Agent的方式，讓數(shù)據(jù)分析從“被動(dòng)響應(yīng)”升級(jí)為“主動(dòng)參與決策”，構(gòu)建新一代企業(yè)級(jí)智能數(shù)據(jù)分析與決策體系。

時(shí)間周期：

項(xiàng)目開始時(shí)間：2024年2月

中間重要時(shí)間節(jié)點(diǎn)：2024年8月

項(xiàng)目完結(jié)時(shí)間：至今

Data Agent應(yīng)用需求

企業(yè)在引入Data Agent時(shí)，并非追求概念創(chuàng)新，而是圍繞真實(shí)業(yè)務(wù)場(chǎng)景提出了明確需求：

·面向業(yè)務(wù)人員的自然語言數(shù)據(jù)分析能力

支持業(yè)務(wù)人員通過自然語言直接發(fā)起分析請(qǐng)求，無需掌握SQL或復(fù)雜數(shù)據(jù)工具。

·復(fù)雜業(yè)務(wù)場(chǎng)景的自動(dòng)化分析能力

在“春節(jié)黑巧拿鐵銷量突增原因分析與策略建議”“某區(qū)域某品類增長(zhǎng)率下降12%根因定位”等場(chǎng)景中，Data Agent能自動(dòng)關(guān)聯(lián)天氣、促銷、價(jià)格、客群畫像、門店分布等多維數(shù)據(jù)，完成歸因分析并輸出結(jié)論。

·商業(yè)級(jí)準(zhǔn)確性與一致性保障

分析結(jié)果需嚴(yán)格基于企業(yè)統(tǒng)一指標(biāo)口徑與業(yè)務(wù)邏輯，滿足經(jīng)營(yíng)決策對(duì)準(zhǔn)確性的要求。

·分析過程可解釋、可追溯

不僅給出結(jié)論，還能清晰展示分析路徑與邏輯，增強(qiáng)業(yè)務(wù)信任度。

·企業(yè)級(jí)數(shù)據(jù)安全與權(quán)限控制

支持多角色、多區(qū)域、多門店的數(shù)據(jù)隔離，確保敏感數(shù)據(jù)合規(guī)可控。

·可嵌入現(xiàn)有系統(tǒng)與工作流

降低使用和推廣成本，使Data Agent成為業(yè)務(wù)日常工作的自然組成部分。

面臨挑戰(zhàn)

面臨的主要挑戰(zhàn)

·數(shù)據(jù)規(guī)模與復(fù)雜度高：數(shù)百億級(jí)數(shù)據(jù)、多維指標(biāo)、復(fù)雜口徑計(jì)算

·傳統(tǒng)BI分析效率不足：分析周期長(zhǎng)、跨部門協(xié)作成本高

·對(duì)話式分析準(zhǔn)確性與可控性不足：自然語言存在歧義，難以直接支撐商業(yè)決策

·數(shù)據(jù)安全與權(quán)限管理要求嚴(yán)格：集團(tuán)化、多區(qū)域經(jīng)營(yíng)對(duì)數(shù)據(jù)治理提出更高要求

戰(zhàn)略目標(biāo)

·從傳統(tǒng)BI向Data Agent驅(qū)動(dòng)的智能分析模式升級(jí)

·構(gòu)建統(tǒng)一指標(biāo)體系與數(shù)據(jù)知識(shí)庫，作為AI分析的可信底座

·將Data Agent打造成企業(yè)級(jí)數(shù)據(jù)分析與決策的核心入口

·在確保準(zhǔn)確性、安全性和可控性的前提下，實(shí)現(xiàn)規(guī)?；涞貞?yīng)用

戰(zhàn)略目標(biāo)

1.構(gòu)建統(tǒng)一的數(shù)據(jù)與指標(biāo)基礎(chǔ)

通過一體化指標(biāo)管理平臺(tái)，企業(yè)完成核心業(yè)務(wù)指標(biāo)的統(tǒng)一建模與治理，將分散在各系統(tǒng)中的指標(biāo)邏輯、業(yè)務(wù)口徑和計(jì)算規(guī)則進(jìn)行標(biāo)準(zhǔn)化沉淀，為Data Agent提供穩(wěn)定、可信的數(shù)據(jù)基礎(chǔ)。

2.Data Agent多智能體架構(gòu)落地

Data Agent采用多智能體協(xié)同架構(gòu)，將復(fù)雜分析任務(wù)拆解為可控模塊：

·意圖解析Agent：識(shí)別業(yè)務(wù)問題，匹配指標(biāo)與分析場(chǎng)景

·指標(biāo)查詢Agent：基于統(tǒng)一指標(biāo)體系生成標(biāo)準(zhǔn)化查詢

·歸因分析Agent：自動(dòng)定位指標(biāo)波動(dòng)的核心驅(qū)動(dòng)因素

·報(bào)告生成Agent：輸出結(jié)構(gòu)化結(jié)論、可視化結(jié)果與策略建議

通過“自然語言→指標(biāo)→SQL→結(jié)果驗(yàn)證”的閉環(huán)流程，保障分析結(jié)果的準(zhǔn)確性與一致性。

3.數(shù)據(jù)安全與權(quán)限體系集成

Data Agent全面繼承企業(yè)既有的數(shù)據(jù)權(quán)限與安全策略，支持按角色、區(qū)域、門店、業(yè)務(wù)線進(jìn)行細(xì)粒度權(quán)限控制，確保數(shù)據(jù)使用合規(guī)、安全。

4.分階段推廣與應(yīng)用擴(kuò)展

項(xiàng)目采用“從點(diǎn)到面”的推進(jìn)策略：

·初期聚焦?fàn)I銷與單品分析場(chǎng)景試點(diǎn)

·中期擴(kuò)展至多品牌、多業(yè)務(wù)線

·后期將Data Agent作為統(tǒng)一數(shù)據(jù)分析入口，深度融入企業(yè)日常運(yùn)營(yíng)

實(shí)施與部署過程

1.Data Agent的職能定位與整體架構(gòu)設(shè)計(jì)

在本項(xiàng)目中，Data Agent被定位為企業(yè)級(jí)智能分析與決策中樞，并非單一分析工具，而是貫穿“問題理解—數(shù)據(jù)關(guān)聯(lián)—分析推理—結(jié)果輸出”的自主分析智能體。

其核心職責(zé)包括：

·業(yè)務(wù)問題語義理解與拆解（如銷量波動(dòng)、增長(zhǎng)率異常等）；

·跨系統(tǒng)、多源數(shù)據(jù)的自動(dòng)關(guān)聯(lián)與調(diào)度；

·分析路徑自主規(guī)劃與執(zhí)行；

·結(jié)構(gòu)化分析結(jié)論與可讀性報(bào)告生成。

整體系統(tǒng)采用分層解耦架構(gòu)，主要包括：

·數(shù)據(jù)層：統(tǒng)一接入銷售、促銷、會(huì)員、門店、天氣等多源數(shù)據(jù)；

·智能分析層：以Data Agent為核心，負(fù)責(zé)分析邏輯編排與推理；

·應(yīng)用層：面向業(yè)務(wù)人員輸出可直接使用的分析結(jié)論與決策建議。

2.核心技術(shù)與產(chǎn)品能力落地

項(xiàng)目中，Data Agent結(jié)合多項(xiàng)關(guān)鍵技術(shù)能力，實(shí)現(xiàn)從“人工分析”向“智能分析”的轉(zhuǎn)變：

·多模態(tài)業(yè)務(wù)語義建模：將銷量、促銷、節(jié)假日、天氣等業(yè)務(wù)要素統(tǒng)一映射為可計(jì)算的分析語義；

·多維數(shù)據(jù)自動(dòng)關(guān)聯(lián)引擎：在無需人工建模的情況下，自動(dòng)識(shí)別潛在影響因子；

·智能分析路徑規(guī)劃?rùn)C(jī)制：根據(jù)問題類型動(dòng)態(tài)生成分析步驟，避免固定模板分析；

·生成式分析報(bào)告能力：將復(fù)雜分析過程轉(zhuǎn)化為結(jié)構(gòu)化、可解釋的業(yè)務(wù)語言輸出。

通過將Data Agent與企業(yè)既有BI、數(shù)據(jù)倉庫及業(yè)務(wù)系統(tǒng)深度集成，避免了重復(fù)建設(shè)，顯著降低了部署與試點(diǎn)成本。

3.實(shí)施步驟與部署方式

項(xiàng)目整體采用分階段、可驗(yàn)證的實(shí)施路徑：

·第一階段：業(yè)務(wù)場(chǎng)景梳理與指標(biāo)映射

聚焦高頻、高價(jià)值分析場(chǎng)景，如節(jié)假日銷量異常、區(qū)域品類波動(dòng)等，明確分析目標(biāo)與輸出形式。

·第二階段：系統(tǒng)接入與能力配置

完成核心數(shù)據(jù)源接入，配置Data Agent的分析策略與業(yè)務(wù)規(guī)則，確保數(shù)據(jù)安全與合規(guī)。

·第三階段：試點(diǎn)運(yùn)行與效果驗(yàn)證

以典型業(yè)務(wù)問題為樣本，對(duì)比人工分析與Data Agent自動(dòng)分析效率與質(zhì)量。

·第四階段：規(guī)?；茝V與能力沉淀

將成熟分析模式沉淀為可復(fù)用能力，逐步覆蓋更多業(yè)務(wù)部門與場(chǎng)景。

4.創(chuàng)新思維與協(xié)同方式

本項(xiàng)目的創(chuàng)新不止體現(xiàn)在技術(shù)層面，更體現(xiàn)在分析模式與協(xié)作方式的轉(zhuǎn)變：

·從“人找數(shù)據(jù)”轉(zhuǎn)向“問題觸發(fā)分析”；

·從“經(jīng)驗(yàn)驅(qū)動(dòng)判斷”轉(zhuǎn)向“數(shù)據(jù)與模型協(xié)同決策”；

·從分析專家主導(dǎo)，轉(zhuǎn)向業(yè)務(wù)人員可直接使用的智能分析能力。

在實(shí)施過程中，技術(shù)團(tuán)隊(duì)、數(shù)據(jù)團(tuán)隊(duì)與業(yè)務(wù)團(tuán)隊(duì)形成緊密協(xié)同。

合作服務(wù)效果

1.決策效率顯著提升

在典型分析場(chǎng)景中，過去單次分析通常需要約16小時(shí)，引入Data Agent后，報(bào)告生成時(shí)間縮短至1小時(shí)以內(nèi)，分析效率提升94%以上。

2.成本與資源投入顯著下降

大量重復(fù)性、人工驅(qū)動(dòng)的數(shù)據(jù)分析工作被自動(dòng)化替代，分析成本大幅降低，在規(guī)?；瘧?yīng)用后，整體可為企業(yè)節(jié)省千萬級(jí)成本投入。

3.數(shù)據(jù)分析普及度顯著提升

·平臺(tái)日活躍用戶超過150人

·日均查詢量約8000次

·數(shù)據(jù)查詢響應(yīng)時(shí)間3–5秒，問答平均等待時(shí)間<8秒

數(shù)據(jù)分析從“專家專屬能力”轉(zhuǎn)變?yōu)椤皹I(yè)務(wù)人員的日常工具”。

4.業(yè)務(wù)價(jià)值持續(xù)釋放

·精準(zhǔn)營(yíng)銷：提升營(yíng)銷活動(dòng)的ROI與轉(zhuǎn)化效率

·門店運(yùn)營(yíng)優(yōu)化：支持實(shí)時(shí)調(diào)整運(yùn)營(yíng)策略，提升單店經(jīng)營(yíng)效率

·產(chǎn)品與策略創(chuàng)新：快速驗(yàn)證假設(shè)，加速業(yè)務(wù)創(chuàng)新試錯(cuò)

關(guān)于企業(yè)

·跬智信息Kyligence

跬智信息（Kyligence）由Apache Kylin創(chuàng)始團(tuán)隊(duì)于2016年創(chuàng)辦，是領(lǐng)先的Data+AI公司，為企業(yè)客戶提供大數(shù)據(jù)分析平臺(tái)、AI智能分析平臺(tái)等相關(guān)的產(chǎn)品和解決方案，以AI賦能全民用數(shù)，幫助企業(yè)充分利用數(shù)據(jù)價(jià)值，加速數(shù)智化轉(zhuǎn)型。

Kyligence已服務(wù)中國(guó)、美國(guó)、歐洲及亞太的多個(gè)銀行、證券、保險(xiǎn)、制造、零售、醫(yī)療等行業(yè)客戶，包括建設(shè)銀行、平安銀行、浦發(fā)銀行、北京銀行、寧波銀行、太平洋保險(xiǎn)、中國(guó)銀聯(lián)、上汽、長(zhǎng)安汽車、星巴克、安踏、李寧、阿斯利康、UBS、MetLife等全球知名企業(yè)，并和微軟、亞馬遜云科技、華為、安永、德勤等達(dá)成全球合作伙伴關(guān)系。Kyligence獲得來自紅點(diǎn)、寬帶資本、順為資本、斯道資本、Coatue、浦銀國(guó)際、中金資本等機(jī)構(gòu)多次投資。

·某全球頭部西式快餐企業(yè)

該企業(yè)是全球領(lǐng)先的西式快餐連鎖集團(tuán)之一，自上世紀(jì)八十年代進(jìn)入中國(guó)市場(chǎng)以來，率先將標(biāo)準(zhǔn)化、規(guī)模化的餐飲運(yùn)營(yíng)模式引入本土，并持續(xù)推進(jìn)本地化創(chuàng)新。經(jīng)過多年發(fā)展，企業(yè)已在全國(guó)范圍內(nèi)布局上萬家門店，業(yè)務(wù)覆蓋多品牌、多品類與多消費(fèi)場(chǎng)景，服務(wù)龐大的日常消費(fèi)人群。依托完善的供應(yīng)鏈體系和成熟的數(shù)字化基礎(chǔ)，該企業(yè)長(zhǎng)期處于餐飲行業(yè)數(shù)智化實(shí)踐的前沿，在營(yíng)銷運(yùn)營(yíng)、門店管理與消費(fèi)者洞察等領(lǐng)域積累了大量數(shù)據(jù)資產(chǎn)，并積極探索以AI與數(shù)據(jù)智能驅(qū)動(dòng)業(yè)務(wù)決策的新一代運(yùn)營(yíng)模式。

★以上由跬智信息Kyligence投遞申報(bào)的Agent案例，最終將會(huì)角逐由金猿組委會(huì)×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)年度Data Agent創(chuàng)新應(yīng)用》榜單/獎(jiǎng)項(xiàng)。

該榜單最終將于1月上旬上海舉辦的“2025第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇——暨AI Infra & Data Agent趨勢(shì)論壇”現(xiàn)場(chǎng)首次揭曉榜單，并舉行頒獎(jiǎng)儀式，歡迎報(bào)名蒞臨現(xiàn)場(chǎng)。