"我不是专业的数据分析师。"
7月9日，「对话 AI Hero」第一期直播中，决策智能 AI 创新赛一等奖得主 马甲（花名）这样介绍自己。
他深耕连锁餐饮/零售的用户运营，最熟悉的不是模型参数，而是业务每天怎样运转：区域运营在看什么，门店出了问题先找谁，一条异常要怎样才能变成后续动作。
正是从这些经验出发，他用 GuanCLI 完成了参赛作品《区域运营的一天》。作品以模拟的连锁咖啡门店数据进行演示，数据并非真实客户经营数据，但其中的问题链，来自一个业务人对运营现场的长期观察。
这篇作品最有意思的地方，不是用了多复杂的工具，而是把一个日常而具体的问题，做成了一条 AI 可以参与的业务链路。
01 看见异常之后 哪家店该先处理
一名区域运营负责人，可能要同时关注几十家门店。大部分时间花在跑店、沟通和处理现场问题上，真正能坐下来逐张翻看报表的时间并不多。
BI 看板可以呈现销售、利润、客流、成本和目标达成情况，但当异常出现，后续往往还要靠人继续串联：去不同报表里找线索，结合门店阶段判断是不是正常波动，再确认相关负责人和处理方式。对区域运营来说，报表里的红点只是起点。哪些问题必须马上处理，哪些只是季节性变化，哪些表面正常却正在积累风险，才是每天真正要做的判断。
马甲在直播中提到一句很有意思的话："误报比漏报更贵。"如果系统每天推来大量没有行动价值的提醒，业务很快就会失去耐心。AI 不只要能发现异常，还要知道什么时候不该打扰人。
02 三个追问 重做一条区域运营链路
马甲没有从一张"大而全"的经营驾驶舱开始，而是让 AI 回答三个区域运营每天都会遇到的问题。
第一问：为什么亏？
面对一家亏损门店，AI 先读取相关经营数据，再沿着房租、人工、原料、客流等指标继续排查。在演示中，系统将主要线索指向异常的房租占比，并把相关门店、负责人和待核实动作整理出来。
在这一步，"这家店亏了"被继续拆成三个可处理的问题：主要原因是什么，谁应该介入，下一步先核实什么。
第二问：该不该报？
数字下降不一定等于经营异常。校园店在寒暑假期间出现阶段性下滑，新店在爬坡期暂时亏损，都可能符合业务规律。如果只按固定阈值报警，它们很容易被一起推到负责人面前。
马甲把这一步称为让"AI 会闭嘴"。当 AI 能识别门店类型、经营阶段和季节性背景，它才有机会筛掉不必处理的噪声，把人的注意力留给真正需要行动的问题。
第三问：真的没问题吗？
还有一些门店，利润和销售看起来都很健康，甚至可以被列为标杆，但顾客评价正在持续走低。常规看板没有亮红灯，不代表风险不存在。
这时，AI 要做的不是等待某个指标跌破阈值，而是沿着业务人员的追问继续查找关联信号，帮助团队更早看到表面正常之下的变化。
三个问题连起来，已经不是一次经营分析，而是一条可以继续推进的运营链路。马甲把它概括为"发现、归因、豁免、派单、通知"，最后仍由人复核和拍板。
03 GuanCLI让AI连接企业业务
在直播中，马甲把 GuanCLI 形容为 AI 的"眼睛和手"：AI 负责理解问题、规划分析路径，GuanCLI 负责让这条路径落到企业已有的 BI 资产上。
业务人员不需要记住每一条命令。更重要的是，Agent 终于能够在企业已有的数据口径和权限边界内找到数据、理解结构、拿到结果。这也意味着，企业不需要为了使用 AI 推倒重建数据体系。已经沉淀的数据集、看板、指标口径和分析路径，可以继续成为 Agent 工作的基础。
但接上数据只是第一步。AI 还需要知道门店处于什么阶段，哪些变化属于正常波动，问题应该归到哪类原因，什么情况下必须由人确认。
在马甲的作品里，这些业务经验被整理成参数表、归因清单、标签和护栏，并通过反复对账来校验。字段名称、注释和业务标签帮助 AI 理解每项数据代表什么；参数和护栏则告诉 AI，哪些判断可以继续推进，哪些情况需要停下来交给人确认。
所以，AI 能不能在区域运营里发挥作用，既取决于它能否使用企业数据，也取决于业务人员能否把自己的判断方式说清楚。GuanCLI 接通了 Agent 与 BI 资产，业务经验则决定这条链路最终能不能被采用。
04 从一个真问题开始 业务人也能把 AI 用起来
马甲的实践还有一个值得借鉴的地方：不必一开始就试图治理所有数据，也不必先规划一个庞大的 AI 项目。
他先选中了一个高频、具体、有人真正关心的问题——区域运营每天如何识别和处理门店异常；再把需要的数据、判断规则和动作路径一点点补齐。为了参赛演示，他使用模拟数据验证流程；在真实业务中，这一步还需要数据、业务和 IT 团队共同确认口径、权限与执行边界。
这样的起点更务实：先让 AI 把一件事跑通，由业务人员持续指出哪里判断错了、哪里还不懂业务，再逐步调整字段、规则和流程。这并不意味着业务人要变成数据工程师。相反，AI 降低的是把想法做成初版的门槛；而业务人对场景、规则和取舍的理解，恰恰是整个应用里最难被替代的部分。
AI Hero 也不只是最会使用工具的人。更重要的是，能从真实业务问题出发，把自己的经验转化为一条可以验证、可以协同、可以持续改进的 AI 应用路径。
扫码查看本期直播详情，也欢迎扫码加入AI先锋社群，关注我们后续更多AI主题相关活动！
想进一步体验 AI+BI 在业务分析中的落地效果，可以从这里开始。
