导读：
一家同时入选中国连锁 Top100 与中国购物中心企业 Top100 的国内头部连锁商贸集团之一，拥有百亿级销售规模、数百万会员和30余家商贸门店，并已建成成熟的数据平台、BI 与管理报表体系。
为进一步提高经营分析的速度、深度和颗粒度，该集团携手亿问，选择可控利润作为一期核心场景，共建企业语义中台，使集团层面的利润变化能够沿门店、楼层和柜位逐级定位，并进一步关联品牌、活动与合同等具体经营因素。一项原本需要跨多张报表和多个经营维度协同完成的专项分析，由数天缩短至约20分钟。
分析周期的压缩，也让关键经营变化及其影响依据更早进入管理层视野，为研判经营态势、确定行动优先级和统筹资源配置提供更有力的决策支撑。
01 背景：零售竞争进入经营质量的新阶段
《2025-2026 中国百货零售业发展报告》显示，2025年百货零售业的销售、盈利、客流和客单价均面临压力。行业竞争的重心进一步转向利润质量、运营效率与精细化管理。及时看到变化只是第一步，企业还需要精准解释利润结构、判断主要影响来自哪里，并把结论带入后续经营管理。
该集团深耕商业零售三十余年，业务覆盖多个核心城市，形成了以旗舰门店为支点、多种业态协同发展的商业网络。其商贸板块销售规模达到百亿级，并拥有数百万会员。规模背后，是一套连接集团、门店、楼层、柜位、品牌、会员、活动、合同和费用的精密经营系统。
与此同时，集团持续推进数据与 AI 建设，目标建立在成熟管理基础之上：让多年沉淀的数据、指标和经营方法更及时地进入日常分析，使管理者能够更快理解变化，专业分析人员能够把更多精力放在经营判断和行动建议上。
02 诉求与挑战：从看见结果到解释变化
成熟数据基础，承接更高阶的管理要求
该集团原有的数据平台、BI 与管理报表体系，已经能够稳定呈现销售、毛利、费用和利润等结果，并沉淀出成熟的指标体系与管理方法。这套基础持续支撑日常经营监控、管理汇报和集团协同。
多因素问题需要跨报表、跨对象展开
管理要求进一步深入后，关注点落到利润为什么变化，哪些维度贡献较大，哪些门店和业务因素值得优先关注。一项可控利润变化，往往同时牵动综合毛利、经营性与非经营性收支、可控费用，以及门店、楼层、柜位、品牌、活动和合同。
面对这类问题，分析人员需要跨越多个报表、经营对象和职责视角，核对口径、缩小范围，再结合业务现场解释数据。追问进入门店、楼层、活动或合同层级后，还需继续组织相应的经营条件和分析依据。
让分析沿同一问题持续深入
覆盖30余家门店和多种经营业态后，客户希望新的经营分析机制承接四项核心诉求：
集团管理层将这项建设与组织效率、专业分工直接关联。该集团 CTO 曾表示：“随着组织越来越精简，企业不能再依靠增加人员解决取数和分析问题。智能问数的价值，是让业务自主获得准确数据，也让财务 BP 从重复整理和沟通中释放出来。”
03 亿问 Data Agent 解决方案：以可控利润为战略切口，贯通经营分析主线
选择核心场景：从可控利润进入经营核心
项目一期将可控利润明确为核心场景。这个指标连接收入、费用与利润，向上承接管理层对经营质量的关注，向下进入销售规模、财务毛利、经营性与非经营性业务收支、可控费用，并继续连接门店、楼层、柜位、品牌、活动、合同和费用项目。
选择可控利润，等于选择了一条能够贯通集团管理、财务分析和门店经营的主线。它既能查看整体结果，也能沿经营关系定位主要影响因素，让不同部门围绕共同的经营事实展开分析。
形成总体方案：让五层能力服务同一经营问题
围绕这条主线，我们设计了五层方案：
- 可控利润负责组织结果查看、变化识别和后续关注；
- 企业语义中台围绕130余项管报项目对齐指标定义、时间口径、经营对象与业务规则；
- 关系网络连接门店、楼层、柜位、品牌、活动、合同和费用；
- 权限、测试用例与执行记录支持受控使用和结果复核；
- 即时问数、多轮追问、差异贡献分析与专题报告把这些基础带入周期复盘和临时问题处理。
既有 BI 和管理报表继续承担固定监控与正式呈现，亿问 Data Agent 建立在客户现有数据基础之上，承接围绕经营问题的灵活问数、连续追问、差异贡献分析和专题报告。固定经营监控与动态问题分析由此共享数据基础和管理口径。
项目首先服务集团专业分析人员。我们先把核心场景的口径、关系、权限和分析路径做实，再将经过验证的方法逐步延展到更多经营专题和职责角色。
04 实施与共建：用企业语义中台还原真实经营关系
方案主线明确后，我们从集团既有的经营事实和管理规则出发建设企业语义中台。集团提供长期积累的管报口径、业务关系和岗位分析方法；我们围绕可控利润，对指标、经营对象、业务事件、关系、状态、时间规则与权限边界进行建模，把分散在数据表、报表和人员经验中的经营语言组织成可执行、可治理、可复用的语义资产。
这项工作的目标很明确：
- 如实表达企业如何经营；
- 经营主体有哪些；
- 指标怎样计算；
- 对象之间如何关联；
- 规则在哪个组织和时间范围内生效；
- 不同角色可以访问哪些数据。
都需要进入可维护的模型。既有数仓继续承载明细事实和主数据，并承担相应的数据质量治理；企业语义中台负责组织指标口径、业务对象及其关系与规则，为问数、分析和报告提供统一的可信数据基础。
围绕130余项管报项目对齐经营口径
语义建设先从集团自身的管理语言开始。我们将确认后的管报项目、指标定义、上下级关系与适用口径纳入语义模型，并与销售、费用、计划、管报和财务等数据建立映射。
常规汇总、筛选、分组和钻取被表达为结构化、可执行的分析逻辑；可控利润、财务毛利、销售规模、可控费用等关键指标，则按照已确认的规则维护取值范围、时间口径、科目映射、跨表关系和计算逻辑。
当用户询问“可控利润如何变化”或“哪些费用影响较大”时，系统调用已经确认的经营定义。用户无需了解底层表结构，也能按照企业自己的经营语言发起分析，并查看统计范围、指标口径和数据依据。
把30余家门店与经营对象连接起来
在一期建设中，指标口径统一后，我们继续对门店、楼层、柜位、品牌、活动、合同和费用项目等经营对象及其关系进行建模。销售、财务核算、费用和目标等经营事实，按照组织层级、经营归属、合同关系与指标口径建立连接。
由此，一次分析可以从集团可控利润进入重点门店，再继续查看毛利、费用、楼层、柜位、品牌、活动和合同。楼层、柜位、活动和合同已经具备进入查询、下钻或关联分析的基础；活动贡献、合同收益与空间效益等专题，则按经营优先级继续深化。
让查询过程可追溯、可复核
自然语言问题进入系统后，会被拆解为指标、业务范围、时间、组织、维度与筛选条件，并在权限校验后调用已经确认的指标规则和查询关系。
亿问 Data Agent 采用亿问自研的 NL2LF2SQL 查询链路。对于指标、维度、时间和筛选条件表达清晰的问题，自研模型 Alisa 基于本体论与知识图谱完成识别和映射，并生成 Logicform（逻辑形式）；语义模型层（SemanticDB）维护业务对象、事件、指标、维度、术语、关系和业务规则，为受控执行提供业务上下文。
系统保留从分词、意图识别、Logicform 生成到 SQL 执行的记录，便于排查与复核。测试用例与回归机制用于检查模型、业务规则、权限或版本变化对查询结果的影响。
采用这条技术路线，就是为了保证每一个经营问题都沿着企业确认的口径稳定执行，每一个分析结果都有据可查、可追溯、可复核。
05 应用落地：让分析从集团利润进入30余家门店
在一期可控利润场景所需的语义资产和可信执行链路建立后，亿问 Data Agent 开始承接即时问数、多轮追问、差异贡献分析和专题报告。
一次分析可以从某一经营周期的可控利润及同期变化出发。系统先比较综合毛利、经营性与非经营性业务收支、可控费用对结果差异的贡献，再按差异贡献等维度帮助分析人员从30余家门店中识别需要重点关注的经营对象。
在收入端，分析人员可以继续查看楼层、柜位与品牌表现，并结合活动周期比较销售、毛利和目标完成情况；
在费用端，可以拆解费用结构、定位需要核查的费用项目，并关联相应合同信息。系统在多轮追问中保留已经识别的指标、时间和组织范围，减少反复描述分析条件的工作。
除即时分析外，系统还可以基于已经确认的数据、分析逻辑和输出模板生成月度及累计可控利润专项报告，将整体结果、重点变化、主要影响维度和关注对象组织成结构化内容。周期性复盘和临时问题分析共享经营口径，分析人员也可以围绕报告结果继续追问。
一期已将活动纳入统一分析范围。分析人员可以在统一周期和口径下，对比活动期间的销售、毛利和目标完成情况，并结合去年同期、活动前后和日常经营水平，判断变化主要体现在哪些指标，再进入相关门店与品牌核查。
06 成效对比：从分析提效到经营能力沉淀
以可控利润为切口，集团一期已经形成了由亿问 Data Agent 支撑的经营分析链路，使统一口径、持续追问、差异定位和报告生成能够围绕同一经营问题展开。在项目验证覆盖的典型问题、数据口径与报告模板范围内，任务流程呈现出以下显著优化：
效率提升是一期成效中最直观的部分。更深层的变化在于，统一口径减少了跨报表、跨职责的反复确认，连续追问缩短了从发现变化到形成判断的路径，语义资产也让管报口径、经营关系和分析方法能够在后续分析中持续复用。集团专业分析人员可以围绕同一套经营语言组织分析与讨论，也能更快向管理层提供值得关注的变化和判断依据。
07 战略延展：持续深化集团级经营决策能力
一期围绕可控利润形成的统一语义与可信分析基础，为后续扩展提供了可复用底座。面向二期，双方计划继续深化经营专题、完善业务数据关系，并将问数能力从集团专业分析人员有序延展至管理层、财务、营运和门店等更多职责角色，在权限范围内服务不同层级和侧重点的经营分析。
当前，Agent 正从单点应用走向对企业数据、工具与专业能力的协同调用。基于一期形成的统一语义资产，后续可以在已经确认的权限与集成边界内，为其他 Agent 提供可信数据与业务上下文，使同一套经营定义和分析方法继续服务更多分析与报告任务。
对于 Data Agent 如何服务企业经营决策，集团管理层已经形成清晰而前瞻的判断，也对技术能力与管理责任的边界有着成熟认识。该企业 CTO 曾表示：“AI 可以提供准确数据和更多分析思路，但最终决策仍然要依靠人。AI 的价值，是让管理者在更充分的数据和证据基础上作出判断。” 我们非常认同这份长期价值的判断。
面向未来，我们愿与更多客户共同推动 Data Agent 与企业经营管理深度融合，使数据智能成为支撑高质量决策、连接战略判断与经营行动的长期能力。我们也期待与更多具有前瞻视野的企业同行，让可信数据、专业方法与经营智慧成为企业可持续调用的决策基础，在复杂市场中持续提升经营质量与战略执行力。