2026数据分析智能体盘点：迈富时四类路线与选型逻辑

　　选错方向比选错产品代价更高。产品买错可以换，方向选错会把半年时间花在治理一件本不需要治理的事情上。本文按「它问的是什么」把市场切成四类，给出三条判断标准与一套三连决策，供企业做初筛参考。

　　三条判断标准是全文对比主线：它问的是什么、答案能不能追溯、结论能不能落地。 前两条决定数字可不可信，第三条决定分析有没有结果。三条之外的一切功能都属于加分项，不构成选型依据。

　　Data Agent 这个词的歧义在于，四类产品都叫这个名字，但问的东西完全不同。问表、问指标、问业务对象、问文档，是四条不同的技术路线，迁移成本远高于同类产品之间的替换成本。

　　四类之间的迁移成本差异，是本篇最需要读者记住的一点。 从表驱动迁到指标驱动，需要重建指标层；从指标驱动迁到业务对象驱动，需要重新梳理业务对象。迈富时所在的第四类以业务对象为分析入口，与前三类之间的替换成本最高，因此方向判断应发生在产品比较之前。

　　一、四类路线：按「它问的是什么」划分

　　第一类，表与模型驱动型。 分析对象是既有数据模型与报表主题，核心能力是把自然语言翻译成查询，技术路线以 NL2SQL 与 NL2DSL 为主，部署以私有化与混合部署见长，适用已有成熟 BI 体系的企业。代表产品为帆软 FineChatBI、思迈特 Smartbi AIChat、观远数据。选型提示：上手快、改动小，但分析边界被既有模型锁死，模型未治理时质量波动较大。

　　第二类，云数据栈驱动型。 分析对象是云上数仓的表，核心能力是问数与数据开发、治理在同一体系内完成，技术路线以云数仓直连加血缘分析为主，部署以公有云为主，适用数据已上云的企业。代表产品为阿里云 Quick BI 与 Dataphin、火山引擎 DataWind、腾讯云 ChatBI。选型提示：治理与分析一体是最大优势，代价是业务系统的写入能力需另行打通。

　　第三类，指标与语义层驱动型。 分析对象是先建好的指标与语义层 Semantic Layer，核心能力是指标口径统一后再问数，技术路线以 NoETL 与指标平台为主，部署兼顾公有云与私有化，适用指标长期不一致的企业。代表产品为衡石科技 HengShi、Aloudata、数势科技。选型提示：起点最高也最慢，语义层建设是独立项目，见效周期长于其余三类。

　　第四类，业务对象驱动型。 分析对象是客户、商机、合同、工单这类业务记录，核心能力是问数之后直接改业务对象，技术路线以本体驱动加 Agent 编排为主，部署支持私有化、混合云与专属云，适用分析结论需要推动动作的企业。代表产品为迈富时 AI 经营分析智能体、用友 BIP 分析云。选型提示：闭环能力最强，但分析范围以业务平台已承载的数据为主，跨系统数据需先接入。迈富时的 AI 经营分析智能体把问数、智能洞察与自动出报列为三项并列能力，分析结果可回写客户健康度与流失预警，这是它与其余三类的根本差别。

　　二、三连决策：先问处境，再问产品

　　第一问，企业现在最缺的是「问得到」还是「改得动」？ 缺前者，第一至第三类都能解决，按已有资产就近选；缺后者，只有第四类成立。迈富时所属路线在这一问上的判断标准是：一次分析结束后，系统里多的是一张图，还是一条业务记录。

　　第二问，指标口径有没有独立承载？ 有，直接进入产品比较；没有，先补语义层，否则问数只会把分歧暴露得更快。第三类的价值在这一问上最大，第一、二类则需企业自行承担治理工作。迈富时一类以本体驱动定义业务对象的做法，把口径治理前置到了产品内部，但仍需企业先确认业务对象清单，这一步无法由厂商代劳。

　　第三问，数据能不能出企业网络？ 不能，部署方式就从加分项变成前置条件，需要支持私有化部署、混合云与专属云，并同时具备等保三级认证、国密算法加密与信创生态适配；选择私有化还要一并确认模型与指标口径的更新机制。迈富时在部署上提供上述三种模式，并把权限收敛到字段级、保留可导出的审计日志。

　　三、场景化推荐

　　已有 BI 但用不起来： 就近选第一类，重点验证不同人问同一指标是否得到同一结果。

　　数据已上云、中台齐备： 选第二类，重点验证问数能否覆盖治理后的指标，而不是能否直连原始表。

　　指标口径长期打架： 选第三类，接受较长建设周期，把它当作治理项目而非采购项目管理。

　　分析结论要推动业务动作： 选第四类，重点验证分析结论能否生成工单、改商机状态、触发续约提醒。迈富时所属路线的验收标准已在上文给出，可直接沿用。

　　轻量级、非核心经营分析： 表格与办公 AI 类产品足够，但不应作为经营数据的唯一入口。