作者｜沙丘智库研究团队

来源｜沙丘社区（www.shaqiu.cn）

BI工作流经历了从集中式IT报表交付，到自助式数据探索，再到大模型驱动的自然语言查询和主动洞察演进。传统BI高度依赖分析师人工推进，数据清洗、数据关联、查询建模、仪表盘构建、结果分发和后台管理等环节通常需要逐步操作，业务问题从提出到形成洞察的链条较长。

Data Agent推动数据分析工作流从人工操作链条升级为对话式交互、多步骤规划、自动化数据准备和自主洞察发现流程，使数据分析工作从“用户发起查询”升级为“Agent主动发现洞察并推动后续工作流”。

沙丘智库通过深度研究邮储银行、恒丰银行、得物、淘宝等企业的Data Agent落地实践，旨在为其他企业提供参考。

▎案例1：邮储银行福建分行AI赋能数据运营提质增效实践

邮储银行福建分行基于现有数智化建设底座，依托SmartBI白泽智能体能力，搭建全行专属Data Agent数据智能分析体系，实现传统自助BI向智能体驱动型BI的迭代升级，全面赋能全行经营、营销、风控数字化转型。

项目坚持存量复用、迭代升级、合规可控、场景落地的核心建设思路，依托分行成熟的SmartBI一站式ABI自助分析底座，不重复建设、不新增冗余系统，采用“夯实底座+智能升级”两阶段分层落地模式，稳步推进Data Agent智能体能力规模化落地，实现全行用数模式智能化变革。

（1）基础底座夯实阶段：依托分行数据集市与SmartBI一站式ABI平台，完成全行核心业务数据统一归集、清洗与标准化治理，覆盖信用卡、个金、对公、风控、运营等全量业务领域。同时，严格贴合金融监管合规要求，搭建完善的安全管控体系，落地分级分权管控、精细化数据脱敏、机构权限隔离、全流程操作审计等核心能力，统一全行指标统计口径，建成可拖拉拽自助分析、可安全合规开放、可全域复用的标准化自助用数底座，为后续智能体升级筑牢数据、平台、合规三重基础。

（2）Data Agent智能升级阶段：充分复用现有BI平台数据资产、模型体系、安全架构，基于思迈特白泽AgentBI智能体框架，叠加专属业务RAG知识库、多智能体协同调度能力，完成本地化大模型技术验证。同时积极对接总行统一大模型平台与智能问数系统，构建“本地验证+总行赋能”的双驱动银行专属Data Agent，彻底解决传统BI操作门槛高、人工分析效率低、报告编制成本高的痛点。此外，还配套建立“培训赋能+技能考核+实战赛训”一体化长效运营机制，通过常态化培训普及智能用数技能、实战场景打磨模型能力、考核机制固化应用成效，最终实现自然语言即问即答、数据异动智能归因、经营报告自动生成的全流程智能分析闭环，推动全行用数模式从“人工自助分析”向“智能体辅助决策”升级。

▎案例2：恒丰银行青岛分行基于网易知数的业务智能助手建设实践

在对公业务开展过程中，恒丰银行青岛分行面临存款大额异动难以及时干预、贷款到期与续贷风险缺乏主动提醒、价值客户流失识别滞后、业绩反馈周期长、临场客户数据获取效率低等多重挑战。

围绕上述业务痛点，恒丰银行青岛分行基于网易知数打造对公业务智能助手，采用“T-1日数据接入+主动推送机制+自然语言问数”三位一体的建设思路 ，定位为客户经理的AI数据官，支持客户经理通过PC端和手机端（丰秘APP）使用。

（1）从报表被动查看到事件主动推送：改变以往客户经理登录系统查阅报表的工作模式，由知数根据业务规则，主动通过丰秘向客户经理推送预警与提醒。

（2）从月度反馈到T-1日感知：接入核心系统T-1日批量数据，使客户经理在每日上班后即可基于最新可用数据掌握存款余额变动、贷款到期进度及个人业绩完成情况，相比以往月度反馈大幅缩短感知周期。

（3）从经验判断到AI归因与建议：系统不仅提供数据结果，还通过AI分析生成归因解读与具体行动建议，辅助客户经理科学决策。

（4）从复杂操作到自然语言对话：客户经理无论身处何地，只需通过PC端打字、手机端打字或语音输入日常问题，即可30秒基于T-1日数据获得所需答案，显著提升工作效率。

▎案例3：得物财务Data Agent落地实践

得物围绕财务AI智能体落地中的合规、系统孤岛、指标口径和专业门槛问题，建设财务Data Agent，形成懂财务、能分析、会核算、可审计的企业级财务数字合伙人，并在费用审核、经营报告和预算管控等场景落地。例如：

在费用审核场景，传统人工逐单肉眼审核，日均处理仅100+单，重复机械劳动导致效率极低，月底结算期积压严重；差旅标准、发票真伪与预算占用难以精准校验，合规风险高。且驳回理由不统一，后续问题追溯耗时长、难度大。财务Data Agent可以自动完成合规校验、预算检查，并生成每一单审核意见。结构化数据沉淀后，还可以用于后续报告和分析生成。端到端建设后，整体审核效率提升60%以上，合规风险也能够前置管理。

在预算管控场景，传统预算管理往往滞后，企业在数天或数周后才发现数据异常，再提取、处理和分析底层数据。财务Data Agent可以实时监控预算执行，在T+1过程中自动预警超支风险，并自动生成超支归因逻辑、建议和洞察，使预算管理从事后补救转向事前控制，预算执行透明度可以达到100%。

▎案例4：淘宝闪购分析型AI的多智能体工程实践

在经营分析中，AI可以生成看似自洽的内容，但很难直接判断其是否全面、是否合理、是否符合业务真实状况。经营指标的选择往往依赖运营经验、BI经验和业务直觉，不可能穷举所有指标、维度及下钻组合。归因链条也可能持续延展，从订单变化延伸到营销投入、流量来源、用户行为、商家供给、履约能力和竞争变化等因素。

因此，淘宝闪购将验证目标左移：从验证答案转向验证过程。如果最终结论难以直接验证，就应把模糊的经营问题拆解为一组标准化、可检查的中间步骤，让系统在规划、取数、审核等环节都能接受约束。只要过程可以被校验，系统就具备持续迭代的基础。

过程验证的设计使系统从“先生成、再判断”转向“边生成、边约束”，具体的验证点包括规划阶段验证、取数阶段验证和分析阶段验证：规划智能体生成分析计划后，主动邀请用户确认(而非直接生成报告)；数据智能体执行取数后，分析智能体验证数据逻辑一致性；审核智能体对中间分析结果进行逻辑校验。每个环节都不是最终答案，但都能提供可追踪、可复盘、可改进的质量信号。


内容来源：沙丘智库，更多内容可前往【沙丘智库小程序】搜索查阅