目前市面上的ChatBI通常使用的是NL2SQL的技术路径，即通过大语言模型直接生成SQL，这种解决方案容易出现数据查询准确率低（准确率在60%-70%，如果跨表查询会更低），数据口径不统一等问题。目前开源的 NL2SQL 的工具很多，但还欠缺一定的落地能力。

数势科技SwiftAgent在大模型和AI Agent加持下，通过建立业务指标、人货场标签等易于理解的语义层，将自然语言解析到指标和标签语义（Natural Language to Metrics&Label），即可实现相比ChatBI更精准的数据洞察，解决大模型对底层业务语义难理解的问题。

数势科技SwiftAgent2.0在大模型和AI Agent的加持下，解决了企业在数据分析与决策领域通常会遇到的诸多问题，如数据口径混乱、数据人才缺乏、数据使用门槛高、数据分析周期长、无法赋能业务决策等。

数势科技SwiftAgent 2.0五大亮点升级

亮点一：统一语义层的构建（Unified Data Semantics）

数势科技SwiftAgent 2.0构建了统一的指标与标签语义层，即Natural Language to Metrics+Label to SQL，实现两段式数据洞察。第一段解决大模型对底层业务语义难理解和幻觉的问题，建立行业标准、指标、人货场标签等易于理解的语义层；第二段解决企业各部门数据口径统一的问题，有效避免数据脏乱差等现象，将传统的经验决策升级为以数据为核心的智能决策。ChatBI通常使用NL2SQL（自然语言到SQL）技术容易出现数据查询准确率低（准确率在60%-70%，如果跨表查询会更低），数据口径不统一等问题。

亮点二：用户可干预（Human in the Loop）

数势科技SwiftAgent 2.0可通过更自然的方式引导用户，如当用户提出“我想看一下最近的销售情况。”这种模糊的数据查询，SwiftAgent会给出“最近7天销售额”、“本月北京地区销售额”等选项，供用户选择，用户还可以根据提示重新提问，最终得到他真正想要看的分析内容。

亮点三：持续反思学习（Continued Reflection Learning）

SwiftAgent2.0可将所有使用用户过往的问答分析沉淀到知识库，加上上文提到的强化学习结果，在之后其他用户相似的问询场景中，直接提供结论并提供思考过程。这种不断反思学习的能力，也发挥了大模型最大的特点。随着时间的推移不断进步，SwiftAgent2.0可以变得更加聪明、好用，并更贴近业务需求。

亮点四：多源数据链接（Diverse Data Connection）

SwiftAgent2.0还实现了多源异构的数据接入，不仅能接数仓，还能导入文本、Excel、图片、音视频等非结构化知识，满足全面分析思路。如：“美国数据反映劳工市场有降温迹象，减息预期加强，推动金价上涨，导致黄金ETF产品持仓量持续升高。”

亮点五：数据计算加速引擎 （Hyper Computing Acceleration）

SwiftAgent2.0采用了数势科技独创的数据计算加速引擎，可以实现秒级数据查询，真正实现实时的人机交互。底层选用了StarRocks、Doris等数据分析引擎作为执行引擎，在大宽表查询、跨模型关联查询和物化视图等方面性能更好；结合对数据加工和使用场景进行了一系列优化，提供基于视图的预计算能力和基于预计算结果的查询优化能力；数据虚拟化技术，将数据定义和物理数据（业务）解耦，实现指标/标签灵活加工使用，无需排期开发。

数势科技SwiftAgent实现了企业数据分析与决策的范式变革，从面向任务到面向目标；从上传下达到自主用数；从T+N到实时；从数据分析到智能决策；从少数人掌握数据到人人可用数据。总之，相较ChatBI无法解决的口径混乱等问题，SwiftAgent是一个相对更精准的解决方法。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005