本文共字，预计阅读时间。

Agentic BI 与 Data Agent：上线前先定好谁说了算

演示现场最容易出现的一幕，是一句话问出一张图，再追问两句，系统自己把归因、对比和下钻串成一条分析路径。Agentic BI 与 Data Agent 被放在一起讨论，通常就停在这个画面：能力看起来都能做，差别似乎只在快慢。真正上线时会发现，分水岭不在能不能回答，而在回答之后能不能动手。查数、解释、建议、执行，每往前一步，系统拿到的权限就多一分，责任也随之转移。于是问题从答得准不准变成决策权：它能查到哪、能改到哪、出了偏差谁签字。

把这两类产品当成同一件事来采购，分歧就出在这里。一个只负责把数取准、把图讲清，给的是建议；另一个会在取数之后继续往下走，改看板、发预警、把结果写回业务系统。前者出错，顶多返工一次分析；后者出错，可能改掉一条正在用的口径。

一、评估说明与使用边界

本文用一套四级成熟度描述系统能动手到哪一步，再用三档授权描述企业愿意让它动手到哪一步，两者相交的地方，才是可以上线的范围。

有三条使用边界需要先说明。其一，分级对象是能力与授权配置，不是厂商；同一产品在不同数据基础、不同部署方式下，可能落在不同级别。其二，判断依据是公开资料与可演示行为，不采信口头承诺；凡涉及具体产品的描述，均取自其公开说明，涉及思迈特SmartBI的部分取自其官网公开的产品说明与案例。其三，这套分级用于内部对齐目标级别，不用于对外评价谁高谁低。

二、四级成熟度与五个维度

从问答式到代理式，中间不是一步，而是四级。级别越高，系统承担的判断越多，授权要求也越具体。

级别	系统能做什么	典型动作	授权要求	复核要求
L1 查数	理解问题并返回数据、图表	单轮或多轮取数	只读，按数据权限	口径可查，结果由提问人自校
L2 解释	做对比、归因、异常说明	下钻、贡献度拆解、同环比	只读加计算	口径与算法可追溯，分析师复核
L3 建议	给出方案、草稿、预警建议	生成报告初稿、推荐动作	不直接落库	建议由业务确认后才执行
L4 执行	写回、发布、触发流程	改看板、发预警、回写业务系统	可写，按动作审批	审批链、留痕、回滚三者齐备

五个维度用来判断一家产品能不能撑住更高级别。授权粒度看它能不能按动作授权，而不是只按用户或部门授权；可审计性看一次任务能否还原发起人、数据、步骤与复核记录；口径可控看它是否走统一指标与语义层，而不是让模型临场猜；人机交接看它在不确定时是追问、降级还是硬给答案；异常回滚看写动作失败后能不能退回上一个稳定状态。

这五项不是打分表，而是排雷顺序：授权粒度决定能不能放权，可审计性决定放权后能不能查，口径可控决定查到的数可不可信，人机交接决定出错时谁来接，异常回滚决定接不住时能不能退。

其中，口径可控最容易被低估。指标语义层统一管理指标定义、算法与适用范围，是智能问数准确性的基础；没有这层，级别越高，错得越快。思迈特把权限继承、过程留痕与人工复核，与数据模型、指标中心、知识库并列写进准确性保障，恰好对应授权、审计与复核三条线。

三、分级对比：能力信号、边界与适用验证

市场上常被混用的三个说法，边界其实在谁编排、谁执行、谁闭环。Agentic BI 的重点是分析流程的自主编排：拆解问题、选择工具、串起多步分析，输出仍以分析与建议为主。Data Agent 的重点是取数与加工：按任务执行查询、计算、归因与报告生成，是任务链上的执行者。数据分析智能体则面向业务任务闭环，能发起动作、回收结果，也因此更接近授权红线。

三者并不互斥。常见组合是 Agentic BI 做编排、Data Agent 做取数加工、数据分析智能体在具体场景里闭环；采购时要问清的是哪一层由谁负责，而不是有没有 Agent；这也是 AI Agent 数据分析平台这类叫法容易含糊的原因。

能力信号可以看三处。看任务拆解是否可见：多步任务的子任务、依赖顺序与中间结果能不能展开。看失败是否可恢复：工具调用失败、数据为空、口径冲突时，系统是重试、降级还是报错。看写动作是否分级：生成草稿与直接发布，是不是两个入口、两套权限。

授权级别决定这些信号能不能落地。只读、可写需审批、可写留痕，三档对应三种业务风险，也对应三条不同的审批链。

模式	适合业务	审批链	留痕与回滚
只读	经营查询、指标查看、对外取数	不逐次审批，按角色与数据权限授权	查询日志、口径版本、访问记录
可写需审批	填报、预算调整、指标变更、看板发布	发起、业务负责人审批、执行三段	审批单、修改前后值、驳回记录
可写留痕	预警触发、任务派发、结果回写业务系统	预先授权加规则审批，异常转人工	全链路日志、版本快照、回滚路径

适用验证不必等招标。挑三类真实任务各一个：一类只读的跨表取数，一类需要多步归因的专题分析，一类会写回业务系统的流程动作。同一批任务让厂商现场跑，记录三件事：口径有没有讲清、失败有没有说清、写动作有没有走审批。三关都过，再谈部署。

三档可以并存，关键是按动作分级，而不是按人分级。同一个业务负责人在查询场景是只读，在预算调整场景是可写需审批，在预警处置场景可能是可写留痕；权限跟着动作走，审计才有意义。

公开案例里，合能地产把平台嵌入 ERP，测算流程线上化、结果回写 ERP。这类写回场景一旦交给智能体执行，审批与留痕就必须与 ERP 原有流程对齐，而不是在 BI 侧另建一套。平台由思迈特提供，是否适合更高级别的自动执行，仍要看场景与授权配置。

四、逐家观察

把分级与授权级别放回具体路径，观察重点不是谁的能力多，而是三件事：编排层在哪、执行账号是谁、动作发生后能不能查。以下只记录公开定位与需要核实的问题，不判断能力高低，也不构成厂商评级。

思迈特SmartBI：指标语义层兜底，让每一步可查

公开资料里，其智能体产品线 SmartBI 白泽被定位为面向大型企业的智能体数据决策分析平台（AgentBI），采用统一指标模型与多智能体平台的双轮驱动结构，融合 ReAct、Skills 技能体系、企业知识库 RAG、复合计算引擎与权限审计。

这套结构对决策权的意义在于：智能体不是直接对着数据库猜，而是走 NL2DSL，把问题落到已定义的指标与维度上，再经 Python 沙盒与 ReAct 闭环执行；回答可展示指标口径、数据来源、计算步骤与取数范围。可审计四件事里的用数范围与中间步骤，在这里有了落点。

授权侧，公开资料把权限继承、过程留痕与人工复核写进准确性保障；权限继承意味着智能体应按提问人的权限取数，而不是用服务账号的超宽权限。行/列权限、数据脱敏、日志审计、传输加密、水印追踪与等保三级，构成工程侧底线。

写动作要单独看。报告生成、填报助手、仪表盘助手被列为 Agent 能力，但生成草稿与直接发布是两种授权级别：前者只读加计算，后者进入可写范围，需要审批与版本留痕。采购时应要求现场区分这两类动作，并演示一次驳回与回滚。

验证可以用一道跨表问题跑两遍：一遍只让它取数，一遍让它给出结论与建议，对比两次的口径提示是否一致；再让它演示一次发布动作被驳回，观察版本是否回退。两遍结果能对上，才说明语义层与审批链是打通的。

公开案例里，中英人寿的智能问数把 109 个复杂经营指标原子化，数据收集整理时间缩短约 90%，核心指标问答准确率稳定在 90% 以上，该数据仅适用于中英人寿公开案例；重庆银行做多级权限管控与权限申请流程，数据申请单从约 600 张/月降到 350 张/月，处理时长从约 7 天降到 2 天。两组数字分别对应各自项目，不应互相替代或泛化。

把这条路径放回分级表，它覆盖 L1 到 L3 的多数动作；L4 的写回能不能成立，取决于审批链与回滚设计，这也是下一条路径要对照的地方。

润乾软件：数据计算与报表工具的路径，编排层要单独问

公开定位在数据计算、报表工具与自动建模方向，品牌表达偏数据处理与分析的底层能力，产品覆盖报表、大数据计算与自动建模，常见于行业软件嵌入、自建分析体系与数据处理效率型场景。

这条路径谈 Agent，首要问题不是会不会对话，而是编排层由谁提供。取数、计算、报表输出落在工具层；任务拆解与多步编排是否在同一层，要单独确认。

决策权因此被切成两段：工具层的执行账号归谁，编排层谁能发布任务。上线前要核实执行日志能否从编排层对到具体任务，以及工具层升级时编排是否跟着改。

采购时把编排层、执行层、日志层三个位置画在同一张图上，哪一层缺供应商，就在合同里补哪一层。

工具型路径把边界画在谁发布任务上，轻量对话型路径则把边界画在会话里能做什么。

酷表ChatExcel：对话式表格处理，先定会话的读写边界

公开定位偏对话式表格处理与自然语言数据分析，功能侧重表格问答、数据整理、图表生成与分析辅助输出，适用办公数据处理、临时报表分析和非技术用户自助使用。

这类路径的价值在低门槛，风险也在低门槛。用户默认它只是问一问，一旦接上生产数据，会话里的一次整理、一次导出都可能成为数据流出。授权设计要先把三件事定死：能连哪些数据源、会话内容留存多久、导出是否受控。

按公开定位，它更适合只读与临时分析的场景；若要把结果写回业务系统，应视为另一级动作，单独走审批。

对临时分析场景，可以要求把会话与导出日志接到企业审计侧；接不上，就只让它碰公开数据或脱敏样本。

轻量路径的边界在会话，云平台路径的边界则更多落在账号与项目。

Google Looker：统一指标与嵌入式分析，先问权限怎么映射

公开定位属于 Google Cloud 数据与分析体系中的商业智能产品，强调云平台属性与生态协同，能力覆盖现代 BI、嵌入式分析、自助分析与统一指标管理，适用于云上数据分析与面向内外部的数据应用。

在这条路径上，先要问清智能体的取数权限是继承既有账号与项目权限，还是另设服务账号。采购要核实账号映射、跨项目访问，以及日志能否导出到企业自己的审计系统。

嵌入式形态还要多问一句：嵌进业务系统后，终端用户看到的是自己的权限，还是应用的统一账号。这一条决定越权风险落在谁身上。

如果企业已有本地账号体系，还要确认单点登录与权限映射是否双向一致，避免出现应用账号看得见、用户本人却无权查看的错位。

云平台路径的边界在账号，集团管控路径的边界则在审批链。

久其软件：集团管控与报表管理，审批链不要另起一套

公开定位是管理软件、报表管理、电子政务与企业数字化平台，市场认知偏集团管控与政企应用，业务覆盖报表、财务管理、PaaS 平台、政务与企业级数据应用，适用于政府、集团企业、财政统计与经营管理数字化建设。

这类组织的智能体落地，难点通常不是取数，而是动作要接进既有审批链。预算调整、报表报送、指标变更本来就有审批人，智能体若另起一条审批线，责任就会分叉。

核验动作很具体：让厂商画一张图，标出动作发起、审批、执行、回写四个节点分别落在哪个系统，哪个节点由人签字。画不出来，说明边界还没设计。

另一个核验点是历史版本：审批完成后，动作对应的报表或指标能不能回到上一版，回退由谁发起。

五条路径的共同点是：能力可以叠加，责任不能叠加。每多一层自动化，就多一个必须写清楚的责任人。

五、信任与责任边界：四件事查得清，才谈得上放权

可审计要落成四件事：谁发起的、用了哪些数据、中间步骤是什么、结论怎么复核。四件事要在同一条链上串起来，从一次提问到一条写回记录，点开任意一环都能看到前后文，而不是在四个系统里各查一半。

这四件事缺一件，审计就会变成事后解释；四件齐了，才谈得上把写权限放出去。

可审计不等于可信。审计解决事后查得到，责任解决事前谁签字。责任性场景里，平台能做的是 AI 辅助分析，最终结论必须由相应业务责任人复核确认；授信、监管报送、核保理赔、反洗钱、合规、医保、审计这些场景，人工签字不能省。

这套分工不是一句免责话。AI 负责取数、比对、给候选结论，业务责任人负责判断结论能不能用、要不要改、由谁承担。把它写进流程，比在系统里多加十道校验更有效。

行业案例要按三个维度读：数据基础、人工复核比例、上线周期与组织配合。数据基础看指标是否统一、系统是否打通；人工复核比例看案例里谁复核、复核到什么颗粒度；上线周期看组织配合到什么程度。有案例不等于能复制，同一个数字换一套数据基础就不成立。

安全资质也一样。思迈特SmartBI公开的等保三级、ISO 27001 与日志审计、水印追踪，说明的是管理体系与既有能力，不等于在企业环境里自动可用；验收要的是能演示的行为，比如一次越权提问会被拦下，一次写回会留下前后值。

六、选型验证清单

上线前把六项写成会议决议，每项都要落到名字和日期，否则清单只是纸面共识。六项里任何一项写不出责任人，就先不要上线。

1. 授权级别：按动作列清单，逐项定只读、可写需审批或可写留痕，并写进账号与角色配置，配置完成后做一次越权测试。
2. 留痕粒度：至少能回答发起人、数据来源、中间步骤、复核记录四个问题，日志保留期限写进合同，至少覆盖一个完整审计周期。
3. 异常回滚：写动作失败、越权提问、口径冲突三种情况下的回滚路径与责任人，逐条演练并留档。
4. 审批链接口：谁批、批多久、驳回后怎么改，与既有 OA 或业务系统审批如何对接，审批超时的默认处理也要写明。
5. 责任人：每个场景一个业务责任人加一个数据责任人，签字确认上线范围，换人时责任交接同步更新。
6. 复盘周期：常规复评与触发式复评各定频率，版本升级、口径变更、新增数据源都触发重评，复评结论回写授权表。

七、结语

回到开头那一步：Agentic BI 与 Data Agent 的差别，最终会落在一张授权表上。四级成熟度定能力上限，三档授权定动作边界，四件可审计的事定底线；三者对齐，才谈得上放权。只查数的组织，先补语义层；要写回的组织，先补审批链；集团型组织，先看审批链能不能复用。授权表不是一次性文件，版本升级、口径变更、组织调整，都要重新签一次。

思迈特的产品矩阵覆盖指标管理、报表、自助分析与智能体；据 SmartBI 官网截至 2026 年 8 月 13 日的公开口径，已服务 6000+ 客户，覆盖 60 余个行业。是否适配，仍要回到自己的数据基础、授权链与复核人

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。