AI Agent 助力零售业升级，运营效率提升50%

近日，跬智信息（Kyligence）受邀参加虎嗅智库502线上研讨会，分享了《Kyligence AI Agent 在消费零售业的落地实践》。研讨会重点探讨了 AI 时代企业在数据洞察方面面临的挑战，并结合全球顶级快餐品牌在市场营销、销售运营和门店管理中的实际应用案例进行了分析。

大家好，非常荣幸进行这次分享。跬智信息（Kyligence）的目标是以 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。我们是国内最早推出 AI 用数产品的厂商，2023年最早发布 Kyligence Copilot AI 数智助理，现在已进行更加智能化、自动化的升级。目前服务金融、零售、制造等行业。

九年来，我们服务了众多头部企业，深刻观察到企业在数据洞察方面普遍面临的挑战。尤其在 AI 时代，如何更高效地解决这些问题，成为企业关注的核心。值得注意的是，这些挑战和需求并不局限于特定行业或企业规模，而是随着业务发展，逐步成为大小企业共同面对的课题。

相信各位在日常工作中也遇到过类似的情况---“数据用时方恨少”。企业在数据使用上往往存在滞后性，导致在关键时刻取数不流畅。我们总结出其中的三大核心挑战：

• 数据可访问性

    企业内部角色多样，数据结构复杂，同时需要保障安全性，因此数据的访问入口不尽相同。高层管理者需要快速获取关键指标概览，以辅助战略决策；一线业务员则关注实时数据，如销售动态、客户反馈、市场变化等，以便及时调整策略。然而，现有数据平台通常只能满足部分角色需求，难以实现真正的普惠化。

• 数据的及时性

    数据的实时获取仍然是一项重大挑战——在瞬息万变的市场环境下，企业需要依靠大量实时数据来支撑快速决策。然而，传统数据工具往往涉及复杂的流程，从数据提取、清洗、分析到可视化，最快需数小时，最慢甚至达到 T+1 或更长。这种延迟削弱了数据的价值，使企业难以及时调整策略。此外，数据加工过程通常还依赖人工干预，例如补充内容、调整格式等，进一步拉长了数据可用时间。因此，企业亟需具备实时数据提取和分析能力，让员工能够迅速获取关键信息，提高决策效率。

• 数据的多样化展现

    不同角色在不同业务场景下，对数据的展现形式需求各异。高层管理者关注核心指标概览，业务人员需要通过仪表盘进行分层分析，而数据分析师可能更依赖详细报告或表格进行深入研究。然而，目前市场上能够同时支持多种数据展现方式，并具备高度自动化能力的平台仍然较少，导致数据利用效率受限，难以真正做到“数据为我所用”。企业需要更智能的可视化解决方案，确保不同角色都能高效获取和理解数据，以提升业务洞察能力。

我相信各位在日常工作中也是有遇到过类似的情况，就比如说这个数据有波动，要解释其变化原因非常耗时费力，那么需要有专业的数据分析人员？数个小时或者一两天才能洞察到原因，即便如此费时费力，企业也不得不投入。因为关键指标出现波动的时候，需要找到背后根因以辅助决策调整策略。

保证业务增长是企业的核心目标。以销售数据为例，如果销售额同比、环比上升，我们自然希望进一步推动增长。这就需要深入洞察数据，首先要看客单价是升是降，销量变化如何，各门店的平均营业情况怎样。我们通常会从一个关键指标出发，逐层分析相关指标，获取更全面的业务洞察。

接下来，就要展开对每个指标在不同维度上的表现进行拆解。例如，销售增长的原因是什么？是因为新品带动？促销活动？新开门店？还是节假日客流的增加？对于熟悉业务的分析人员来说，这套流程是标准化的，但每次执行都需要耗费大量时间和精力，可能要整合海量报表、手动处理数据，过程极其繁琐。

如果数据下降，还需要结合外部因素，比如舆情、天气、行业事件等。同时，跨部门的数据也至关重要，例如供应链是否正常、货品是否及时补充、门店营业时间是否异常、会员复购情况是否有变化。依靠人工处理这些问题，往往需要数天时间，工作量巨大。

更关键的是，分析完成后，企业还需要确定下一步该怎么做。然而，很多决策其实在过去就有类似案例，存在于历史报告、策略文件中，但这些信息很难快速与最新数据结合，导致企业无法高效复用经验。我们认为，这正是 AI 时代能够解决的重要挑战。AI 不仅可以帮助企业加速数据分析，还能自动整合历史策略和实时数据，为业务人员提供更精准、更高效的决策支持。

当我们已经洞察到数据变化的原因，接下来的关键任务就是撰写报告，梳理分析结果，并制定行动方案。这通常需要结合企业当前的制度、历史经验以及外部环境，而对于数据分析师来说，这意味着要逐步搜索信息、整理数据、形成报告，往往一写就是半天甚至一天，极为耗时。

那么，有没有一种可能，我们可以在日常工作中就积累这些数据和知识？例如，将过去撰写的报告、企业政策、市场策略等内容沉淀到一个统一的知识库里。当 AI 介入数据分析时，它可以在交互过程中自动匹配相关信息，帮助分析师快速总结、整理，并形成报告，从而释放大量重复劳动，让分析师能够专注于前瞻性的策略制定，而不是被事后总结耗费大量时间。

实现这一目标的前提，是企业内部需要养成知识积累的习惯。目前，许多宝贵的经验往往分散在不同部门和个人手中，难以整合和复用。未来，解决这一挑战的关键在于，将这些碎片化的知识转化为可复用的企业资产，并借助 AI 实现智能化运用，让数据洞察真正驱动高效决策。

过去一年多，我们已帮助多家客户落地这些挑战的解决方案。我们的策略是提供 AI 智能体，它不仅是一个工具，更是帮助企业释放数据潜力的“数字分身”。其核心在于结合业务指标、领域知识和人工标注，构建强大的数据智能体系。AI 智能体提供三层级支持，帮助企业高效利用数据：

• L1：智能找数（AI 响应层）

  AI 智能体能够快速识别用户意图，理解查询需求，并精准提供数据。无论是技术人员还是业务人员，都能通过自然语言交互获取关键指标，大幅降低数据使用门槛。

  
  

• L2：智能分析（AI 归因层）

  AI 不仅提供数据，还能分析 指标波动原因，识别相关性，并进行多维度归因。例如，它能判断某指标的变化是受 城市、门店还是产品 影响，同时结合企业文档和知识库，为用户提供深入洞察。

• L3：智能报告生成与决策支持（AI 决策层）

  AI 智能体不仅能够生成全面的分析报告，还能根据数据结果制定具体的行动方案，并将关键决策建议推送给业务专家。这样，管理者能够专注于高层次的战略决策，而无需被繁杂的数据分析过程所干扰。这一体系使企业能够更智能地解读数据，优化决策，提高运营效率。

  
  

在实际应用中，我们帮助某头部餐饮企业引入 AI 方案，解决传统 Excel、BI 工具和手工报表带来的低效问题。通过智能问数，管理层和一线业务人员能快速查询数据，极大降低使用门槛。AI 归因功能让数据波动原因分析从过去需要数天缩短至几分钟，提高决策效率。同时，智能战报结合业务专家的知识与历史数据，自动生成分析报告，减少 50% 以上的时间投入。如今，该企业 60% 以上的用户每天使用 AI 平台，分析销售、优化运营，提升了整体管理效率。

我们曾采访过客户企业的一位业务代表，小李。通常情况下，他需要汇总前一天每个门店的销售情况，这不仅仅是一个指标，而是一系列指标。过去，他需要用 Excel 拉取和处理数据。然而现在，他只需提问：“昨天各门店的新品三明治销售额是多少？”几秒钟后，AI 就会返回一个清晰的表格，列出每个门店的销售情况及同比和环比增长率。

中午时，如果门店进入了用餐高峰，而小李作为运营人员，他会收到平台的预警信息，提示某门店顾客等待时间过长（这一指标是他自己设定的）。他可以快速打开智能报告，查看该门店今天的运营效率分析报告，平台会自动生成关于顾客流量、订单处理时长、员工工时等关键指标的详细报告，并以图表形式展示，用户还可以自定义调整数据。

下午，小李可能会收到门店经理的反馈，称新品汉堡销量未达预期，库存过多。这时，他需要进行归因分析，找出原因。通过多维度的归因分析，他可以查看是否是会员复购不足，或其他原因，帮助他更精准地了解问题所在。这个过程已经完全融入到他日常工作中，大大提升了他的工作效率。

通常，周末时，小李需要总结一周的工作报告。在过去，他可能需要花费周四下午和周五整天整理数据、撰写报告，结合市场策略做总结。而现在，他只需要输入具体问题，比如：“本周各门店会员卡发卡数量和会员销售贡献的详细报告”，几分钟后，平台就会生成完整的报告。这样的效率大大提高了他的工作速度。

小李代表了这一角色的一系列反馈和工作模式。基于我们的实践经验，AI 智能体帮助这些角色每周节省了大约一天半到两天的时间，减少了许多繁琐的工作。

我们认为，AI 智能体将成为下一代软件的核心，并且正逐步成为企业核心竞争力的关键。与传统需要人工操作的软件不同，AI智能体通过自然语言交互、自动化任务和智能决策，显著降低了使用门槛、提升了工作效率，并帮助企业降低运营成本。数据是 AI 的燃料，知识是其大脑，要释放 AI 智能体的最大潜力，企业必须将数据与知识有机结合、长期积累，从而建立竞争壁垒。随着国产大模型的突破和 GPU 技术的进步，AI 在企业级应用中的稳定性和可靠性不断提升，为企业带来了前所未有的机遇。

指标和知识体系是 AI 价值落地的关键。我们的 AI 平台通过数据标准化、指标体系构建和知识融合三大核心能力，为企业提供一个安全、精准、智能的 AI 生态。Kyligence Enterprise 作为企业级 OLAP 平台，确保数据治理和高效计算。Kyligence Zen 作为一站式指标平台，统一数据口径，为 AI 赋能提供基础。结合企业经验和行业知识，AI 智能体形成完整的业务洞察体系。此外，我们提供开放接口和可拓展方案，支持企业将 AI 智能体集成到现有业务流程，实现个性化定制。无论是金融、制造、零售还是医疗行业，AI 方案都能高效落地，提升企业竞争力。

AI 的准确性、安全性和稳定性是企业应用的核心要求。我们通过底层数据治理、指标建设和访问安全控制，确保数据的精准性，避免 AI 时代的数据泄露风险。同时，我们的 AI 平台符合金融级高可用标准，即使 AI 服务不可用，系统仍能稳定提供数据支持，保障业务连续性。企业正处于 AI 赋能数据分析的最佳时代，借助 DeepSeek 等国产大模型的发展，企业能更稳定、安全地应用 AI，实现“用数平权”。