在帆软2025智数大会上，FineBI 7.0产品负责人金宇捷带来了新版本的产品发布介绍。本次发布以“双擎驱动，智启数据分析新时代”为主题，系统阐释了新一代产品如何通过“指标中心”与“数据智能助理”两大引擎，重塑企业数据分析的路径与范式。

回顾与洞察

从FineBI 6.0到7.0的演进逻辑

FineBI 6.0以“强大好用，人人可用”为核心理念，通过沉浸式主题分析路径与分析能力“三大件”，将自助分析推广至广大业务人员。三年来，6.0版本已服务成千上万家客户。通过对这些客户的调研和回放，我们发现只有26%的客户最终迈入“深度自助分析”阶段，然而这一过程通常需要一年以上的持续建设。

这部分客户具备很明显的特征，即一直长期反复推进深度的数据治理。70%以上都面临一个共同挑战：BI系统数据量呈指数级增长，导致数据环境日益复杂、难以溯源。

金宇捷形象地比喻：“整个BI系统如同一个堆满杂物的房间，数据难以定位、难以治理。我们认为这些70%以上的深度分析客户都在走向一个死亡倒计时”

追溯其原因，主要在于目前95%以上的企业仍采用这样一种模式：数据经ODS层沉淀→DW层加工→开发ADS层不同粒度宽表，最终以各类宽表形式提供给BI工具。这种模式存在三大根本性风险：

1.数据口径极度混乱：存在同名不同义、同义不同名的数据，搞不准现；

2.数据难以溯源与排查：血缘关系复杂，影响定位与治理；

3.系统风险持续累积：更新时长与磁盘占用不断增长，系统稳定性受挑战。

破局之道

指标中心构建“逻辑大宽表”

针对上述的问题，我们够想的方案是“超级大宽表”，将业务需要的所有数据放在一张表里面。这也就对应了帆软的第一个引擎——指标中心。FineBI 7.0基于指标中心，构建统一的数据语义层，以逻辑宽表的形式为BI或者其他分析消费场景提供可信的数据底座。

具体而言，即是在原来的数据层和消费层之间，新增语义层模块，企业中的数据都可以对接到语义层，完成表间的关联关系，之后在指标管理或者维度管理模块用逻辑语言完成指标的逻辑定义，最终将指标和维度字段打包成指标集，最后去供给消费端。在这个过程中，一定要坚守三个原则：

1、定义即置信

定义指的是怎么把业务中那么复杂的指标给定义出来，FineBI 7.0采用了优越的维度建模方案，全局只有一个大模型，通过建立非常清晰明确的表间关联关系，为后续灵活完善的跨表计算能力奠定基础；提供非常非常易用和强大的指标定义能力，支持可视化一键配置，满足80%+高频场景，并通过BI函数体系覆盖95%+以上的场景。

置信指的是指标置信，在指标定义之初，通过同名校验、同义校验保证指标唯一性；提供各种各样的数据标签和扩展字段，支持用户自定义，将数据口径描述清楚，这个可以跟随指标从数据层一直穿透到消费层。指标层从被定义的一刻，直到看板层的展现，数据始终是以指标形态在流转。

2、定义即消费

指的是如何给消费场景更好地供数。指标中心将字段打包为“指标集”。一个业务主题，一个业务域的分析，只需要若干个指标集即可完成。新版本提供了更短和更快的找数、用数路径，找到数据后支持一键创建分析主题，无需复杂对接。而且无论是宽表还是指标路径，BI 7.0提供一致的分析体验与完整的可视化、交互、深度分析能力。

3、持续可迭代

新版本支持帆软Fine+系列所有产品系统，实现指标的全域消费；支持从数据源到看板的全程追溯；支持版本管理、权限管控与线上审批。

金宇捷说到：“指标平台建设的终极目标是为了分析和消费，而并非管理本身，我们真正要处理的问题是怎么去用好指标，而不只在于管好指标。”

第二引擎

企业级的数据智能助理

企业进行推广的时候，往往会面临以下问题：

1. 找数难：数据分散在不同表、指标集与看板中；

2. 定位问题难：难以从海量数据中快速定位业务异常；

3. 分析方法欠缺：缺乏科学方法论支撑深度归因。导致问题分析浅显；

4. 报告撰写繁琐：需要非常机械地复制粘贴图标，进行语言描述；

5. 看板固化门槛高：将分析思路固化为看板，需要一定的技术基础。

于是FineBI 7.0提供了第二大引擎是——企业级数据智能助理，通过三大智能Agent能力，旨在打造一个智能数据分析师，解决业务用户在数据分析全链路中的卡点。

三大智能Agent能力

1、智能问数Agent

去年帆软发布了FineChatBI 1.0，今年进行了升级和迭代。越来越多的用户意识到，企业级AI工具落地推广真正的卡点，往往不在于它的能力，而在于数据是否能够被信任，一旦这种信任被打破，AI工具就必不可能成为长线工具。当前的FineChatBI不仅可以基于可信、可追溯的BI数据基座问数，还支持对企业已经固化的看板进行问数，这些看板经过管理员维护，数据结果会更加精准。

2、智能洞察Agent

这个板块主要是希望将分析的结论提供给用户，这可以分为四个部分：

• 数据解读：数据拿到后，人眼可能很难定位到问题，AI将自动扫描海量数据，定位业务隐患；

• 智能归因分析：支持维度、指标、交叉归因三种方式，基于规范建模后的维度层级和指标层级进行问题拆解，提供结论；

• 分析思路推荐：用户可以开放式地询问分析思路，AI可以提供建议。企业也可以配置沉淀好的业务经验，预设分析思路，再进行结论生成；

• 报告一键生成：自动生成结构化分析报告，提升汇报效率。

3、智能搭建Agent

当需要将分析思路沉淀下来时，可能需要搭建可视化看板进行定期监测。产品支持一件生成可视化看板，也可以复用模板，只需后续进行精调，就可以生产那个结构清晰、搭配美观的看板，大幅降低开发门槛。

AI 基建增强

FineBI 7.0在用用场景方面也进行了扩展，不仅支持多端消费、多语言适配，也有了更好地开放集成能力，支持企业做一些定制化的需求。同时产品还灵活适配多种大模型，支持大小模型智能切换，兼顾性能与成本。

生态扩展与场景融合

帆软具有一个非常强大的优势，即服务了全行业的几万家客户，沉淀了非常多的项目经验与标杆案例，可以提供大量可复用模板、组件与图表。产品中的模板市场，支持一键替换数据、一键增减组件，快速调整成想要的看板样式，大幅提升效率。

同时，7.0和IM的联合解决方案也愈发完善，这体现在以下三个方面：

• 数据打通：支持与钉钉、飞书等OA系统及多维表格双向同步；

• 业务动作触达：支持从看板一键发起消息、代办、日程等业务动作；

• 消费场景融合：支持看板嵌入文档、群聊卡片等多种交互场景。

金宇捷最后总结道：“一代产品有一代产品的使命，如果说FineBI 6.0提供了一款非常强大好用的自助分析工具，那么7.0版本的愿景是接过这个接力棒，通过两大引擎，让我们的数据进一步促进分析决策，让我们每个人都有能力、都有机会用数据去说话，让我们的数据促进我们的业务持续健康地增长！”