股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

星环科技无涯问数3.0正式发布:让企业级AI分析从“能答”走向“答得准、查得到、管得住”

近日,星环科技正式发布无涯问数3.0。作为星环科技面向企业数据分析场景打造的Agentic BI平台,无涯问数3.0完成了自2.x版本以来规模最大的一次产品重构。

此次升级围绕企业级AI分析的核心需求,在智能问数架构、数据语义层、分析报告生成及企业级安全治理等方面进行了全面升级。通过混合多智能体协同、AI驱动的数据语义理解,以及可追溯、可复用的分析报告能力,无涯问数3.0进一步推动企业数据分析从自然语言问答走向智能化分析与决策支持。

传统自然语言问数主要依赖大模型将用户问题转换为SQL,再通过数据库查询返回结果。但在真实企业场景中,同一个问题可能涉及不同的业务口径、数据来源和分析方式,仅依靠单一的SQL生成链路,很难兼顾灵活性与准确性。

无涯问数3.0对底层问数架构进行了重构,采用由NL2SQL、指标问答和业务知识问答组成的混合多智能体架构,通过智能分诊与任务调度,让不同类型的问题进入相应的处理链路。

对于已经定义明确的业务指标,系统优先复用既有指标口径,避免重复生成SQL;对于临时组合维度、条件筛选等探索性问题,由NL2SQL完成查询;涉及业务制度、专业术语和指标口径解释时,则由业务知识能力提供支持。

三条路径统一在一个问数入口中协同工作,用户无需了解底层技术差异,即可通过自然语言完成不同类型的数据查询与分析。

与此同时,3.0进一步开放MCP工具、技能管理和API管理能力,企业可以将已有业务接口注册为智能体可调用的工具,拓展数据分析的应用边界,让AI分析不再局限于数据库中的表和字段。

在交互体验上,新版本采用“左对话、右画布”的双栏布局。左侧对话负责呈现分析结论、业务含义与建议,右侧画布统一承载表格、图表及统计结果。用户可以在连续对话中不断追加分析维度,相关结果同步沉淀在画布中,避免数据重复呈现,也让分析过程和结果更加直观。

从提出问题、理解意图,到数据检索、分析计算和结果呈现,无涯问数3.0正在将传统的数据查询过程转变为连续、可交互的智能分析过程。

企业数据分析中,一个长期存在的问题是:数据表和字段并不等于业务知识。即使大模型具备较强的语言理解能力,如果不了解企业的数据结构、业务术语和指标口径,也很难准确回答实际业务问题。

为解决这一问题,无涯问数3.0进一步完善了AI驱动的数据语义层,让系统在回答问题之前,先建立对企业数据的理解。

在数据源探查方面,系统能够自动扫描数据源,形成表级和字段级数据画像,识别枚举值、数据分布及表间关联关系,并对源端结构变化进行提示,减少人工梳理数据的工作量。

在业务建模方面,3.0引入领域视图机制,将物理数据表与业务知识、关键词、指标口径及全局提示相结合,按照不同业务领域划定数据使用范围。不同部门可以使用各自的领域视图,在统一平台上获得符合自身业务需求的数据与知识。

在指标管理方面,系统支持将指标口径沉淀到物理表上,使指标成为可持续复用的数据资产,减少不同人员、不同场景下重复定义指标带来的口径偏差。

此外,新版本完善了模型与模型组管理,并支持领域视图、指标及数据探查配置通过Excel进行导入导出。配置导入前经过两阶段校验,全部通过后方可落库,方便不同环境之间的配置迁移与复用。

在数据源适配方面,无涯问数3.0进一步支持GoldenDB、StarRocks、Impala、Trino等数据源,增强了产品在金融、政企等复杂数据环境中的适配能力。

通过数据探查、领域建模与指标管理的结合,无涯问数3.0让AI不仅能够识别用户提出的问题,也能够结合企业自身的数据结构和业务口径理解问题。

如果说智能问数解决的是临时数据查询,那么分析报告解决的就是企业长期存在的周期性经营分析问题。

经营月报、财务分析、业务复盘等工作通常具有固定的报告结构,但每次都需要重新取数、核对指标、整理图表和撰写分析结论,不仅耗费大量人力,也容易出现数据口径不一致的问题。

无涯问数3.0对分析报告能力进行了重新设计,将报告拆分为正文模板与数据槽位。企业可以保留原有月报、季报的章节结构和表达方式,将需要动态更新的指标嵌入正文,并将对应取数逻辑固化为SQL。

在报告运行时,程序按照预先定义的SQL并行执行取数任务,大模型不参与数字计算,只负责生成分析解读文字,并通过串行生成机制保持全篇分析观点的一致性。

数字归程序,文字归AI。

这也是无涯问数3.0分析报告能力最重要的设计原则。

在这一机制下,同一份模板、同一组参数,重复运行能够得到一致的数据结果。产品内部将这一能力称为“运行零漂移”,验收标准为相同参数连续运行三次,各数据槽位结果逐一比对一致。

围绕企业经营分析和审计要求,3.0进一步强化了报告的三项核心能力:

  • 可溯源: 报告中的每个数字均可查看对应的指标口径、固化SQL原文及运行参数,清楚说明数据从哪里来、按照什么规则计算。

  • 可对账: 用户可以对报告数据进行维度下钻,在原有统计口径基础上追加维度,并通过明细合计与报告值进行核对,确保分析结果前后一致。

  • 不编数: 报告问答只能引用本次报告运行产生的数据槽位结果。当上游数据缺失时,系统明确标注“上游为空·无数据”,而不是生成未经数据支持的数字。

在报告制作方面,用户还可以直接上传历史月报Word文档,由AI识别报告章节结构和指标槽位,生成相应的修改建议卡片,供用户逐项确认。AI不会直接修改生产环境中的报告定义,修改完成后还需要经过试运行验证。

此外,报告支持批量执行,单次最多处理100份参数任务,也支持定时运行及未来三次运行预览。导出Word时,图表保留原生可编辑形式,方便企业继续开展报告编辑与使用。

这意味着,企业过去依赖人工重复完成的周期性分析工作,可以逐步转化为标准化、可复用、可持续运行的分析流程。

对于企业而言,AI分析不仅要回答准确,还必须明确数据使用边界,保证查询过程可管理、可审计。

无涯问数3.0进一步完善企业级安全治理能力,支持行级与列级数据权限控制。企业可以在数据源、数据库和数据表等层级配置权限策略,并根据机构、用户等不同维度设置访问规则。

在实际查询过程中,系统通过两道机制控制数据访问范围:首先由领域视图限定本次问数允许访问的数据对象,其次根据数据表上的行列权限,对具体查询结果进行过滤和裁剪。超出领域视图范围的数据查询将被直接拒绝。

除数据权限外,3.0还完善了菜单权限和运营管理能力。管理人员可以跨用户、跨时间检索全局问答记录,并查看具体问答过程中调用的数据表、执行的SQL以及返回的数据行数。

当业务人员对某次分析结果提出疑问时,管理人员能够快速回溯当时的查询过程,定位数据来源、查询逻辑和执行结果。

通过数据范围控制、行列权限管理和全流程操作留痕,无涯问数3.0进一步增强了AI分析在企业生产环境中的可管理性与可审计性。

企业级AI分析的价值,最终需要在真实业务场景中得到验证。

目前,无涯问数已在金融、政企等行业的多家大型机构投入使用,无涯问数3.0也已在多家金融与政企客户完成部署。

在某证券交易所的实际应用中,客户上线无涯问数3.0后主动反馈,产品智能化水平相比2.x版本有明显提升。在其真实业务评测集中,经过场景调优后,问数正确率达到约90%。

这一实践也反映出企业级AI问数的一个重要变化:产品竞争力不再仅仅取决于自然语言转SQL的能力,还取决于对业务口径的理解、复杂问题的处理、分析过程的可解释性,以及数据安全与管理能力。

从单次问答到多轮分析,从数据查询到周期性报告生产,再到企业级权限与审计治理,无涯问数3.0正在将AI能力融入企业数据分析的完整流程。

产品咨询,请联系我们!



原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。