思迈特十五周年:企业级BI能力如何在AI时代释放新价值
2026年,思迈特成立十五周年。十五年来,这家企业级BI厂商通过持续技术创新与大客户服务,积累了从数据整合、业务建模、指标管理到专业分析和企业级交付的完整能力。
随着AI进入企业经营分析,这些能力正在支撑新的应用:业务人员可以借助智能体完成分析任务,企业已有的数据、指标与业务知识也能被不同模型和智能体调用。围绕这一方向,思迈特持续深化企业级BI+AI平台建设,构建可供AI调用的企业级可信数据平台。
十五年大客户服务沉淀企业级BI能力
2011年成立之初,思迈特便将智能与高级分析作为产品方向,并开始服务金融机构和各行业头部企业。复杂的业务场景,以及客户对数据准确性、系统稳定性和安全性的严格要求,推动其持续完善产品和交付能力。据思迈特介绍,公司也参与了多个中国航天项目的相关数据工作。
企业的经营分析,需要将分散在不同系统中的数据,与具体的业务对象、经营规则和管理目标关联起来。例如,一项指标如何定义、按什么逻辑计算、哪些人员可以查看,都会影响分析结果能否成为决策依据。
在长期服务过程中,思迈特逐步形成了相互支撑的企业级能力:通过数据整合、指标定义、计算逻辑与权限管理,建立统一的数据和指标体系;将经营规则、分析方法与行业知识沉淀为可复用的业务模型;通过实施、服务和持续运营,让分析系统适应企业复杂的应用环境与业务变化。
这些能力最终落实为企业可使用的报表、仪表盘和自助分析应用。从业务人员查看经营情况,到管理者开展分析决策,前端呈现的背后,是一整套对数据、业务与分析过程的管理。思迈特十五年积累的价值,也由此同时体现在专业BI产品和企业级交付能力之中。
在持续技术探索中推进智能分析
思迈特对智能分析的探索,早在大模型应用热潮之前就已展开。2017年,公司推出“智能小麦”,探索通过自然语言查询数据、获取分析结果;此后持续深化自然语言分析技术,并于2021年获得相关发明专利授权。
随着企业对数据管理的要求不断提高,统一指标口径与分析能力的结合成为产品演进的重要方向。2023年,思迈特推出指标管理平台,推动指标管理与BI分析深度融合,使指标定义、计算逻辑和业务模型贯穿分析过程。
在此基础上,思迈特于2024年推出SmartBI AIChat白泽,推动AI Agent与BI深度融合,让智能体参与更完整的数据分析任务。2025年,公司进一步深化AgentBI理念,推动智能分析由单智能体向多智能体协同演进,探索复杂分析任务的拆解与协作。
从自然语言分析、统一指标管理到智能体协作,这条技术路径始终围绕企业如何更好地理解和使用数据展开。根据IDC《中国GenBI厂商技术能力评估,2025》,思迈特在七项平台技术能力维度的综合评分位列第一,并在金融与央国企两项行业能力维度获得满分。
AI应用拓展BI能力的价值空间
当大模型和智能体成为企业数据的使用者,原有BI建设中的积累开始获得新的用途。模型需要理解指标背后的业务含义,遵循企业的规则与权限,也需要将分析过程和结果置于可追溯、可验证的框架之中。如果各部门分别建设智能体和知识库,却缺少统一的数据与业务基础,企业就可能面对新的信息割裂问题。
思迈特提出,以BI为根基、以AI为引擎,构建可供AI调用的企业级可信数据平台。其核心是将长期积累的数据模型、指标体系、业务规则与行业知识进一步组织和开放,使其既服务于专业BI分析,也能被不同模型和智能体理解、调用,用于更广泛的分析与业务任务。
在产品层面,SmartBI Insight连接企业数据库与业务系统,提供数据整合、建模、指标管理及分析应用能力;白泽智能体决策分析平台,即白泽AgentBI,承担分析执行、工具调用、决策解析与结果交付。企业可以在已有BI基础上引入智能分析,复用存量数据与分析资产,逐步扩大AI的应用范围。
围绕更复杂的应用需求,思迈特还通过本体智能、知识经验管理及多智能体协作等能力,组织业务对象、规则和专业知识,支持不同智能体协同完成任务。通过API、CLI等方式,相关能力也能够与外部智能体及AI工具连接,融入企业现有的应用环境。
BI的服务对象由此从业务人员扩展至大模型和智能体,专业分析能力也有了新的使用入口。企业可以继续使用成熟的BI应用,同时让原有建设成果服务于AI分析,扩大已有投入的应用价值。
以产品与服务经验推动AI落地
技术能力如何进入企业真实业务,是智能化建设的另一项关键问题。不同企业的数据基础、应用需求与建设阶段各不相同,既有系统和业务流程也会影响AI的实施路径。长期服务大客户的经验,让思迈特在产品之外,形成了从业务需求出发推进建设的方法。
思迈特将这一方法概括为以业务价值为导向,围绕重点场景,逐步夯实数据基础、统一指标口径、完善业务模型与知识体系,并将AI能力融入业务应用。通过“平台+方案+服务+运营”的支持方式,企业可以复用阶段性建设成果,并在持续运营中完善数据与智能分析能力。
在具体建设上,思迈特建议多数企业从SmartBI Insight与白泽AgentBI入手,建立数据治理和分析应用基础,再根据业务需求引入本体智能、知识经验管理及多智能体协作等能力。这一路径使企业能够根据自身条件推进建设,将AI应用与实际业务目标相衔接。
思迈特也在自身研发与交付流程中开展实践:以指标底座为基础,由人明确目标、制定执行路径并把握关键节点,智能体分工承担具体任务。据思迈特介绍,这一实践实现了研发交付效率提升10倍。该实践获得IDC“驾驭AI超级周期:中国AI驱动的业务创新最佳实践”荣誉,相关经验正在持续转化为产品能力和实施方法。
十五年的技术创新与大客户服务,使思迈特能够基于成熟的BI产品发展智能分析,并复用复杂业务场景中形成的实施与运营经验。这些积累支撑其加快BI与AI的融合,也让新的能力更稳健地进入企业业务。AI越深入企业分析与决策,专业分析与业务理解就越重要,思迈特长期积累的价值也随之扩大。
