核心功能

三大AI智能模塊，全方位響應數據需求

Data Pulse（知察）

——AI智能監控與精準推薦，知你所想

Data Pulse（知察）可持續監查數據字段、分布與異常變化，自動返回指標異動、數據異常等監控結果，幫助企業時刻掌握數據狀態。

同時，你也可以將常用數據看板“釘”在首頁，Data Pulse會基于數云自研的AI語義解析小模型、指標層，結合當前正在執行的自動化任務，為你精準推送相關的數據內容，實現“知你所想”。

Data Query（問數）

——AI自然語言交互探索，答你所問

選定數據集后，Data Query可通過自然語言對話完成多維度聚合、時間過濾等復雜查詢。若問題模糊，Data Query會主動反問并提供候選指標，以保障問題理解的準確性。

若查詢結果適合可視化呈現，Data Query會自動推薦合適的圖表類型，且支持將生成的圖表保存至報表。

此外，Data Query還具備口徑解析功能。例如，當用戶詢問“銷售額是什么”，AI會詳細解釋該指標在企業內的標準定義、計算邏輯與字段來源。

Deep Insights（洞察）

——匹配業務場景的AI智能分析報告，懂你所需

內置數云沉淀多年的行業數據分析場景知識庫，可以集成企業知識、數據庫和行業動態，結合上下文理解業務需求，開展全面深入的指標拆解、自動識別指標和維度的關聯性及權重占比，進而智能匹配最優分析框架。

核心優勢

技術筑基，讓智能分析更安全更高效

如何讓業務快速看到成效、實現速贏，是企業IT部門在內部落地AI項目的重要考量。但數據工作極具嚴謹性，需要經歷完整的數據準備、業務語義配置等過程，追求速效和速贏，必須警惕“數據暗礁”。對此，Data Agent 的解題思路是：

無縫集成于成熟的數據產品——數云麒麟 BI中，無需復雜的前置配置、即可投入使用：

一方面，Data Agent 直接復用數云麒麟 BI 的底層數據準備能力，提升了初始數據在一致性、完整性和準確性上的可靠度；另一方面，Data Agent基于數云麒麟 BI的語義層構建，高度集成了其既有的權限管控體系與固化的表間關聯關系，能從根源上保障數據權限的可控性及查詢邏輯的準確性。

此外，由于Data Agent與報表、儀表盤等應用層模塊共享同一數據底座，因此在實際使用中功能一體性的表現更佳，后續迭代路徑也更清晰。

2、Text2DSL + Multi-Agent 架構，結合麒麟BI語義層，大模型驅動的智能數據分析更安全可靠

Data Agent 并非直接讓大模型生成 SQL，而是采用 Text2DSL 技術路徑：

• 大模型負責語義理解：用戶提出自然語言問題后，大模型（LLM）首先進行意圖識別、上下文解析、歧義消解，將用戶需求抽象成語義層可理解的 DSL 指令。
• 語義層負責安全執行：這些 DSL 指令會在麒麟BI語義層中進一步解析、校驗和落地，避免大模型直接接觸底層真實數據表結構，從源頭杜絕數據泄露風險。

通過這種大模型+語義層的分工，Data Agent 既能發揮大模型在自然語言理解上的優勢，又能確保生成的結果在企業數據治理體系下安全可控。最終，大模型提供智能理解 → 語義層保證安全和專業執行 → 生成可運行的物理 SQL，實現智能與安全的統一。

同時，Data Agent采用數云自研的Multi-Agent框架，內置動態路由決策、自動重試機制和長短期記憶能力等，形成“感知-規劃-執行-反思”的AI閉環決策鏈路。其能遵循自洽性原理發揮Agent決策的自主性、提升決策效率和質量，尤其適用于復雜的現實業務場景。

3、內置系統化結構化知識資產體系，洞察分析兼具業務深度與執行價值

Data Agent內置的知識資產體系包含五大類：依托數云十多年消費者運營項目和服務經驗所沉淀的思維框架、行業 Know-how、分析模式，以及由企業自行輸入的業務術語、黑話/行話表達等。

數云內置知識幫助 Data Agent 建立扎實的認知結構與專業分析能力，使其懂業務、能推理、會主動決策和規劃分析路徑，而不是僅依賴預設規則或單輪提示詞生成內容；

企業自有知識則著重提高Data Agent的上下文感知能力，讓其能理解用戶在真實業務語境中的非標準表達，實現自然交互下準確的意圖識別和靠譜的語義轉換。

完整的知識資產體系讓Data Agent 不再是一個“被動響應查詢”的系統，而是一個具備推理能力、上下文理解能力、策略建議能力和企業語義感知能力的智能分析中樞，可以跨越數據表結構、系統邊界和部門語言差異，統一輸出結構清晰、策略可行、語義一致的分析洞察與業務建議。

4、高度集成客戶洞察4.0標準報表，項目落地高效、精準、穩定

數云麒麟BI的客戶洞察4.0標準報表是一個已完成預處理的數據集，包含了會員注冊綁定、等級、積分以及訂單、商品等100多個指標和維度，可覆蓋零售行業多數通用報表需求，它就像一道“預制菜”：企業無需從0開發，簡單配置即可啟用，還支持自定義報表拓展。

這種“標準化底座 + 模塊化拓展”的架構，一方面大幅提升了Data Agent落地時的項目復用性，顯著縮短交付周期。另一方面，由其沉淀的一整套標準化落地流程，也讓Data Agent在面臨企業的定制需求，有了可依托的成熟經驗，能按標準化流程接入定制邏輯，通過分階段驗收驗證每一步拓展的準確率，確保新增功能與原有體系無縫銜接，從而確保項目高效、精準、平穩交付。

應用場景

對話式交互驅動業務閉環，賦能業務決策