Kyligence案例
该Agent案例由跬智信息Kyligence投递并参与金猿组委会×数据猿×上海大数据联盟共同推出的《2025中国大数据产业年度DataAgent创新应用》榜单/奖项评选。
餐饮与零售行业具备门店数量多、业务链路长、数据生成频率高等典型特征。随着全国化扩张和多品牌、多品类经营的推进，企业在日常运营中持续产生海量数据，覆盖销售、库存、促销、会员、门店运营、供应链及数字营销等多个维度。
该企业自进入中国市场以来，较早完成数字化基础建设，积累了数百亿级业务数据和庞大的指标体系，在行业中具备显著的数据规模与运营复杂度优势。然而，随着业务规模进一步扩大，传统以BI报表和人工分析为主的数据分析模式逐渐暴露出效率低、门槛高、响应慢的问题，难以支撑高频、实时、复杂的业务决策需求。
在此背景下，企业开始探索将AI能力真正引入业务决策流程，希望通过DataAgent的方式，让数据分析从“被动响应”升级为“主动参与决策”，构建新一代企业级智能数据分析与决策体系。
时间周期：
项目开始时间：2024年2月
中间重要时间节点：2024年8月
项目完结时间：至今
DataAgent应用需求
企业在引入DataAgent时，并非追求概念创新，而是围绕真实业务场景提出了明确需求：
·面向业务人员的自然语言数据分析能力
支持业务人员通过自然语言直接发起分析请求，无需掌握SQL或复杂数据工具。
·复杂业务场景的自动化分析能力
在“春节黑巧拿铁销量突增原因分析与策略建议”“某区域某品类增长率下降12%根因定位”等场景中，DataAgent能自动关联天气、促销、价格、客群画像、门店分布等多维数据，完成归因分析并输出结论。
·商业级准确性与一致性保障
分析结果需严格基于企业统一指标口径与业务逻辑，满足经营决策对准确性的要求。
·分析过程可解释、可追溯
不仅给出结论，还能清晰展示分析路径与逻辑，增强业务信任度。
·企业级数据安全与权限控制
支持多角色、多区域、多门店的数据隔离，确保敏感数据合规可控。
·可嵌入现有系统与工作流
降低使用和推广成本，使DataAgent成为业务日常工作的自然组成部分。
面临挑战
面临的主要挑战
·数据规模与复杂度高：数百亿级数据、多维指标、复杂口径计算
·传统BI分析效率不足：分析周期长、跨部门协作成本高
·对话式分析准确性与可控性不足：自然语言存在歧义，难以直接支撑商业决策
·数据安全与权限管理要求严格：集团化、多区域经营对数据治理提出更高要求
战略目标
·从传统BI向DataAgent驱动的智能分析模式升级
·构建统一指标体系与数据知识库，作为AI分析的可信底座
·将DataAgent打造成企业级数据分析与决策的核心入口
·在确保准确性、安全性和可控性的前提下，实现规模化落地应用
战略目标
1.构建统一的数据与指标基础
通过一体化指标管理平台，企业完成核心业务指标的统一建模与治理，将分散在各系统中的指标逻辑、业务口径和计算规则进行标准化沉淀，为DataAgent提供稳定、可信的数据基础。
2.DataAgent多智能体架构落地
DataAgent采用多智能体协同架构，将复杂分析任务拆解为可控模块：
·意图解析Agent：识别业务问题，匹配指标与分析场景
·指标查询Agent：基于统一指标体系生成标准化查询
·归因分析Agent：自动定位指标波动的核心驱动因素
·报告生成Agent：输出结构化结论、可视化结果与策略建议
通过“自然语言→指标→SQL→结果验证”的闭环流程，保障分析结果的准确性与一致性。
3.数据安全与权限体系集成
DataAgent全面继承企业既有的数据权限与安全策略，支持按角色、区域、门店、业务线进行细粒度权限控制，确保数据使用合规、安全。
4.分阶段推广与应用扩展
项目采用“从点到面”的推进策略：
·初期聚焦营销与单品分析场景试点
·中期扩展至多品牌、多业务线
·后期将DataAgent作为统一数据分析入口，深度融入企业日常运营
实施与部署过程
1.DataAgent的职能定位与整体架构设计
在本项目中，DataAgent被定位为企业级智能分析与决策中枢，并非单一分析工具，而是贯穿“问题理解—数据关联—分析推理—结果输出”的自主分析智能体。
其核心职责包括：
·业务问题语义理解与拆解（如销量波动、增长率异常等）；
·跨系统、多源数据的自动关联与调度；
·分析路径自主规划与执行；
·结构化分析结论与可读性报告生成。
整体系统采用分层解耦架构，主要包括：
·数据层：统一接入销售、促销、会员、门店、天气等多源数据；
·智能分析层：以DataAgent为核心，负责分析逻辑编排与推理；
·应用层：面向业务人员输出可直接使用的分析结论与决策建议。
2.核心技术与产品能力落地
项目中，DataAgent结合多项关键技术能力，实现从“人工分析”向“智能分析”的转变：
·多模态业务语义建模：将销量、促销、节假日、天气等业务要素统一映射为可计算的分析语义；
·多维数据自动关联引擎：在无需人工建模的情况下，自动识别潜在影响因子；
·智能分析路径规划机制：根据问题类型动态生成分析步骤，避免固定模板分析；
·生成式分析报告能力：将复杂分析过程转化为结构化、可解释的业务语言输出。
通过将DataAgent与企业既有BI、数据仓库及业务系统深度集成，避免了重复建设，显著降低了部署与试点成本。
3.实施步骤与部署方式
项目整体采用分阶段、可验证的实施路径：
·第一阶段：业务场景梳理与指标映射
聚焦高频、高价值分析场景，如节假日销量异常、区域品类波动等，明确分析目标与输出形式。
·第二阶段：系统接入与能力配置
完成核心数据源接入，配置DataAgent的分析策略与业务规则，确保数据安全与合规。
·第三阶段：试点运行与效果验证
以典型业务问题为样本，对比人工分析与DataAgent自动分析效率与质量。
·第四阶段：规模化推广与能力沉淀
将成熟分析模式沉淀为可复用能力，逐步覆盖更多业务部门与场景。
4.创新思维与协同方式
本项目的创新不止体现在技术层面，更体现在分析模式与协作方式的转变：
·从“人找数据”转向“问题触发分析”；
·从“经验驱动判断”转向“数据与模型协同决策”；
·从分析专家主导，转向业务人员可直接使用的智能分析能力。
在实施过程中，技术团队、数据团队与业务团队形成紧密协同。
合作服务效果
1.决策效率显著提升
在典型分析场景中，过去单次分析通常需要约16小时，引入DataAgent后，报告生成时间缩短至1小时以内，分析效率提升94%以上。
2.成本与资源投入显著下降
大量重复性、人工驱动的数据分析工作被自动化替代，分析成本大幅降低，在规模化应用后，整体可为企业节省千万级成本投入。
3.数据分析普及度显著提升
·平台日活跃用户超过150人
·日均查询量约8000次
·数据查询响应时间3–5秒，问答平均等待时间
数据分析从“专家专属能力”转变为“业务人员的日常工具”。
4.业务价值持续释放
·精准营销：提升营销活动的ROI与转化效率
·门店运营优化：支持实时调整运营策略，提升单店经营效率
·产品与策略创新：快速验证假设，加速业务创新试错
关于企业
·跬智信息Kyligence
跬智信息（Kyligence）由ApacheKylin创始团队于2016年创办，是领先的Data+AI公司，为企业客户提供大数据分析平台、AI智能分析平台等相关的产品和解决方案，以AI赋能全民用数，帮助企业充分利用数据价值，加速数智化转型。
Kyligence已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户，包括建设银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife等全球知名企业，并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本等机构多次投资。
·某全球头部西式快餐企业
该企业是全球领先的西式快餐连锁集团之一，自上世纪八十年代进入中国市场以来，率先将标准化、规模化的餐饮运营模式引入本土，并持续推进本地化创新。经过多年发展，企业已在全国范围内布局上万家门店，业务覆盖多品牌、多品类与多消费场景，服务庞大的日常消费人群。依托完善的供应链体系和成熟的数字化基础，该企业长期处于餐饮行业数智化实践的前沿，在营销运营、门店管理与消费者洞察等领域积累了大量数据资产，并积极探索以AI与数据智能驱动业务决策的新一代运营模式。
★以上由跬智信息Kyligence投递申报的Agent案例，最终将会角逐由金猿组委会×数据猿×上海大数据联盟联合推出的《2025中国大数据产业年度DataAgent创新应用》榜单/奖项。
该榜单最终将于1月上旬上海举办的“2025第八届金猿大数据产业发展论坛——暨AIInfra&DataAgent趋势论坛”现场首次揭晓榜单，并举行颁奖仪式，欢迎报名莅临现场。