“老司机”几乎每个人都听过这个词。今天我们打开导航、输入目的地就能轻松抵达任何地方。但在不到三十年前“认路”曾经是一项决定司机职业价值的核心能力。截至2024年底中国机动车驾驶人数量已超5.4亿人出租车和网约车司机规模达到千万级。如果把时间拨回三十年前这些人中的大多数未必都能成为一名合格的司机。因为那个时代开车容易认路很难。本图由 AI 制作导航出现之前司机的核心竞争力不是驾驶技术而是对道路网络的理解哪条路最快、哪里容易堵车、哪些区域需要绕行都依赖长期积累的经验。经验越丰富价值越高。而正在企业中、在市场中经营的我们认路吗我们可知道自己负责的业务板块今天处在什么位置后续6个月需要赶到哪里并且如何过去或许 GPS 导航的故事指向了答案。01 GPS 与数字地图GPS 与数字地图的结合重塑了司机的工作和决策方式。1978年第一颗 GPS 卫星升空全球定位系统进入发展阶段。最初GPS 主要服务于军事领域。直到2000年高精度民用信号开放再加上数字地图和移动互联网的发展高德地图、百度地图、Google Maps 等产品迅速普及智能导航逐渐成为每个人的基础工具。GPS 回答的是“我在哪里”地图回答的是“路在哪里”而算法回答的是“该怎么走”。当定位、地图、实时交通和算法结合在一起机器第一次具备了辅助人类决策的能力。过去哪条路最快、哪里容易堵车、如何避开收费路段都需要依靠老司机长期积累的经验今天这些判断已被沉淀为数据和算法由系统实时完成。导航因此不再只是地图工具而成为决策工具。它改变的不只是出行效率更改变了能力的分配方式。因此曾经掌握在少数人手中的经验被转化为所有人都能随时调用的能力。一个从未去过某个地方的人也能像老司机一样抵达目的地。GPS 导航没有取代司机而是让更多人成为了“老司机”。历史的发展往往具有惊人的相似性。如果把视野从道路交通转向企业经营会发现今天的企业正站在类似的节点上。过去二十年企业积累了海量数据销售、会员、库存、营销、供应链、运营数据等等不断增长。但一个问题始终存在——拥有数据并不等于拥有决策能力。对于企业来说每天都会面对大量经营问题为什么区域增长放缓为什么门店转化率下降为什么营销投入增加却没有带来销售增长为什么客户流失率突然提高这些问题看似不同本质上都是决策问题业务在市场中处于什么位置、何时要到达什么地方、下一步如何前进。过去这种能力往往掌握在少数数据分析师手中。他们理解数据、熟悉指标、能够穿透多个系统找到问题根因就像企业里的“老司机”知道通往答案的路径。但分析师终究是少数而真正身处经营一线的业务人员却很难具备同样的数据分析能力。这也成为许多企业数字化建设中的长期瓶颈——数据越来越多能够利用数据做决策的人却没有同步增加。02 数据与人工智能而今天DataAI 正在改变这一局面。如果说 GPS 和地图帮助司机解决的是“应该怎么走”的问题那么 Data Agent 正在帮助企业回答“应该如何经营”的问题。它不仅能够展示数据更能够理解数据、分析原因并给出行动建议。对于业务人员来说经营也正在拥有自己的“导航系统”当出发时它能定义起点和目标当增长放缓时它能够定位问题当指标异常时它能够分析原因当面临选择时它能够给出下一步方向。本图由 AI 制作在 Kyligence跬智信息一位负责项目落地的团队成员开玩笑地说“门店店长用了 Data Agent 之后骂人和被骂的次数都少了哈哈。”他说的是某全国西式连锁快餐领军企业的真实案例。区域经理每天要管理数百家门店。当某个区域增长突然放缓时他们往往只知道“结果变差了”却很难快速回答“为什么”。过去他们需要在销售、会员、营销、库存等多个系统之间来回切换对比几十个指标再反复与总部分析师沟通验证一个问题常常要花上数小时甚至几天才能定位。引入 Kyligence AI Data Agent 后区域经理只需提出一句“为什么华东区域本周增长低于预期”系统便能自动关联多源数据快速定位根因例如新品套餐转化率下降、部分门店备货不足等。当要给出优化建议时Data Agent 会横向对比相似门店的成长路径拆分绩优门店在不同成长时期的关键指标作为阶段目标为新门店的运营建立“导航系统”将沉淀的成功运营经验以“ AI 对话式决策”的形式复制到每个一线决策者。可以说Data Agent 让真正靠近门店、靠近客户的人第一次拥有了自主发现问题、解决问题的能力。但要实现上述效果其实非常考验企业的数智化架构能力和 Data Agent 的产品力。Kyligence 联合创始人兼 CTO 李扬曾提到“我不想把 DataAI 建设说得那么重但在 AI 时代对待数据一定要严肃和认真。”因为一旦 AI 的数据回答出现偏差意味着企业已存在指标混乱、口径不一等问题并由此做出错误决策。为此Kyligence 强调建设统一语义层通过指标平台统一企业指标定义和业务口径并采用“自然语言→指标查询→SQLNL to Metric Query to SQL”的技术路径实现结果可解释、可追溯、可验证让 AI 建立在可信数据基础之上。Kyligence Data Agent 产品界面而在 Data Agent 的产品打磨上Kyligence 并没有把 AI 做成“无所不答”的通用助手而是采用场景化、多智能体设计将问数、归因分析、智能报告和经营建议等能力拆分为不同专业助手并结合专家知识库等持续优化模型表现。同时产品始终围绕“让业务人员用得起来”进行设计通过自然语言交互、一键生成分析报告、嵌入飞书等日常办公场景以及更加简洁直观的界面大幅降低数据分析门槛让用户是在向一位懂业务的经营参谋提问。Kyligence AI 落地的愿景就是让数据能力真正普惠到企业的每一个角落让更多人能够看懂数据、提出问题、获得洞察并将数据能力转化为日常经营决策的一部分。我们相信在 AI 时代“智能导航与司机”的故事会再次上演。当坚实的数据底座与 AI 智能体深度结合当复杂的数据分析被封装成人人可用的产品和服务越来越多普通员工将能够像老司机一样使用数据。这时每个人也正在成为更好的经营者。关于 Kyligence跬智信息Kyligence由 Apache Kylin 创始团队于 2016 年创办是领先的 DataAI 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。