Agent很火，但企业真正关心的问题越来越直接：上了AI之后，业务到底有没有变快？报表有没有少等？决策有没有更准？
据 WAIC 2026 期间公开报道，容联云相关负责人曾引用一组数据：全球 88% 的企业已经部署 Agent，但其中只有不到10% 的 Agent 真正为企业创造了可量化的业务价值。这组数据之所以刺痛很多企业，是因为它说出了一个现实：部署了，不等于用起来；用起来，也不等于产生业务结果。
在很多业务现场，AI 和 Agent 早就是会议里的高频词，但一线同事每天面对的工作，可能依然是另一幅画面：
● 这个战区的数据能不能单独发我一份？
● 代理商要结算、奖惩明细，能否再拆一下？
● 订单完成率怎么还没出来，今天复盘要用。
在即时配送这样的高频运营场景里，数据每天都在变化：订单、履约、收入、合作商、战区、配送中心，每一类都关系着经营判断。但数据越多，业务不一定越轻松。大家并不是没有数据，而是数据还停留在"有人整理、有人拆分、有人转发"的链路里。
近日，顺丰同城与观远数据联合开展"BI与AI辅助数据分析实操培训"。这场培训没有停留在讲工具，而是围绕一线业务真实用数场景，带学员完成从数据接入、权限配置、经营看板搭建，到AI辅助生成分析内容的完整实操。
它要回答的问题很具体：当业务人员不再只等别人做报表，能不能自己看经营、查问题、做分析？而这也正是很多企业AI投入最容易被质疑的地方：系统上了、AI试了，但业务流程有没有真的变快？
01 Excel拆表 为什么数据越多 人越忙？
过去，很多业务的用数动作都依赖人工完成。
管理者要看整体经营，一线团队要复盘订单表现，代理商和合作伙伴要查各自的数据。每一次需求看似不复杂，叠加起来却是大量重复动作：导出、筛选、复制、拆分、核对、发送。一张Excel表要按战区拆开，一份经营数据要按角色设不同查看范围，一个复盘问题要来回确认口径、筛选字段、重新截图。业务越跑越快，数据协同反而成了慢环节。
更麻烦的是权限。同一份数据，不是所有人都能看全部：战区只看自己战区，商家只看自己的结算与奖惩，管理者需要更完整的经营视角。靠人工拆表，不仅效率低，还容易出现版本不一致、口径不一致，甚至数据误发的风险。
所以业务真正需要的不是"再多一张报表"，而是一套能让数据被安全、准确、持续用起来的机制。
培训中，观远BI首先帮学员厘清企业级BI与个人Excel的区别：Excel适合个人处理和临时分析；但当数据量变大、角色变多、权限变复杂，企业级BI可以把数据接入、口径管理、权限分发和看板应用统一起来。
平台既支持Excel、CSV等本地文件，也支持数据库表、API、应用数据集等多种数据源；进入平台后，通过行级权限、列级权限和用户属性匹配，实现同一份数据下的差异化展示。过去反复拆分的数据，现在按权限规则自动分发，用户登录后只看到自己范围内的内容。
对顺丰同城这样的多层级运营业务，这一步解决的不是"工具怎么用"，而是"数据怎么安全地流向业务"。
02 BI看板搭建 零基础业务人员 真的能自己分析吗？
很多业务人员面对BI工具，第一反应是犹豫。
"我之前只用Excel。""不会写公式怎么办？""线上培训听过，但回去之后还是不会用。"这些顾虑很真实。工具再强，业务上不了手，最后还是会回到"找别人做报表"的老路。
因此，本次培训采用线下实操，由一个具体的经营驾驶舱案例入手，让学员跟着业务问题一步步搭看板。
实操中，学员不是抽象学图表功能，而是围绕顺丰同城日常经营指标完成分析动作：看总完成单量判断订单规模，算订单完成率观察履约情况，用市场类型收入结构了解收入来源，用合作商收入排行识别重点对象，用明细表和条件格式快速发现时效达成率异常。
这张看板长什么样？总完成单量自动带出月环比；订单完成率靠一个新建计算字段"总完成单量 ÷ 总单量"得出；市场类型收入用矩形树图铺开；合作商收入排出TOP 3；时效达成率以条件格式标红标绿，低于90%立刻显红，异常不用人工比对就能看见。权限上，系统按战区自动隔离，代理商只看到自己的数据，过去那种手动拆分、截图发送的低效与风险，被悄悄消解。
学员通过拖拉拽即可完成基础搭建：选数据集、选图表类型，把维度和指标拖进对应区域就能生成图表，再配筛选、排序、格式、日期筛选器和页面样式，让看板从"能看"变成"好用"。
更重要的是，看板不是静态截图。某个指标异常，可继续点击、联动、钻取、跳转，沿数据往下追问：某战区完成率偏低，可下钻到具体城市、合作商或明细；某项收入结构变化明显，可定位对应来源；某个时效指标红色预警，能快速圈出待处理范围。
这也是BI对业务的真正价值：它不只展示结果，而是支持业务围绕问题继续追问。培训后反馈里，有学员提到，原本担心零基础学不会，实际操作后发现拖拉拽比预期更易上手。只有业务自己能搭、能看、能改，数据分析才不会停留在少数专业人员手里。
03 AI辅助分析 不会写公式 也能发起一次分析吗？
当业务能搭基础看板，下一个问题很自然：如果连公式、字段、图表配置都不熟，能不能再简单一点？
培训后半程，观远数据演示了AI辅助数据分析能力。学员在对话框输入一句"基于当前数据集开发一个美观的战区运营分析看板"，几分钟后，一套完整仪表板出现在屏幕上；哪里不满意，再说一句话改。过去要写公式、调字段的活，变成了一次需求描述。
对业务人员，AI的价值不是替代判断，而是降低起步门槛。过去想做分析，往往要先理解字段含义、选图表、配筛选、写公式。操作本身不复杂，对零基础用户却是学习成本。如果先用业务语言描述需求，AI生成初稿，人再调整，看板搭建就从"先学工具"变成了"先提出问题"。
比如订单完成率需通过"总完成单量 ÷ 总单量"计算，过去不会写公式的人可能卡在这里；未来通过AI辅助写计算字段，业务只需说明想算什么指标，AI生成公式，人确认调整即可。据现场透露，该能力预计8月上线。
从行业趋势看，企业数据分析正经历三个阶段：
● 阶段1：业务提需求、IT做报表。
● 阶段2：业务通过拖拉拽自助分析。
● 阶段3：AI通过自然语言进一步降低门槛，让更多业务人员直接参与数据决策。
观远数据在培训中给出判断：行业内真正会搭看板的人目前只有3%–5%，而AI的方向，正是把这道比例大幅拉高。
对顺丰同城这样的高频运营场景，AI+BI的意义并不是让工具看起来更先进，而是让一线业务面对订单、履约、收入、合作商、权限分发等具体问题时，能更快进入分析现场。
从这场培训可以看到，业务团队真正需要的不是一套停留在演示里的系统，而是一套能在真实工作中跑起来的数据能力：数据能统一接入，权限能自动隔离，看板能自己搭建，问题能继续追问，AI能辅助生成。
当数据不再只是"等别人整理好的报表"，一线业务也就有机会从"等数据的人"，变成"自己找答案的人"。
回到开头那组数据——88% 的企业部署了 Agent，不到 10% 真正创造了价值。差距往往不在模型多大、工具多新，而在数据有没有真正交到用的人的手里。而这，或许才是 Agent 从部署走向价值的开始。
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。
