作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
2023年，随着中国大模型市场的爆火，将大模型与数据分析场景相结合的想法引起企业用户的广泛关注。企业希望利用大模型降低数据分析工具的使用门槛，使业务人员也可以更加便捷的使用数据，释放数据生产力；同时提高数据获取效率、改变数据分析模式，使数据分析人员可以有更多精力完成更高价值的分析工作。
2024年，企业侧对于“大模型+数据分析”的试点探索进入了加速期，沙丘智库发布了《2024年“大模型+数据分析”最佳实践》，为企业提供了一份全面的应用指南和典型实践案例。
2025年，企业对“大模型+数据分析”的应用深度和广度进一步扩大，ChatBI不仅停留在智能问数功能，更是向Agentic分析迈进，同时更多传统行业（如能源、制造）的企业也开始尝试使用ChatBI。
沙丘智库紧跟大模型应用进展，基于对企业“大模型+数据分析”落地实践的最新调研与研究，发布《2025年“大模型+数据分析”最佳实践报告》。在报告中，我们将为企业用户提供：
· “大模型+数据分析”的最新应用进展；
· “大模型+数据分析”的技术实现路径；
· 企业级“大模型+数据分析”落地指南；
· 20个头部企业的落地经验参考，涉及金融、IT/互联网、能源、零售、政务等行业。
完整报告：沙丘智库《2025年“大模型+数据分析”最佳实践报告》（55页PDF）
以下内容节选自《2025年“大模型+数据分析”最佳实践报告》
01
“大模型+数据分析”的发展历程
在数字化时代，数据对于企业决策具有决定性的影响，企业开展数据分析工作的终极目标是使各级员工都能够基于数据驱动的洞察做出明智的决策，实现数据的普惠化和民主化。
为了实现这一目标，企业致力于降低数据分析产品的使用门槛。大模型强大的泛化能力和自然语言理解能力为ChatBI提供技术支撑，使业务人员可以通过自然语言对话的方式获取数据洞察，推动智能化BI的发展。
大模型的技术进步同步带动了AI Agent的爆发式增长和加速落地，在数据分析领域，AI Agent发挥主观能动性，实现数据分析工作的高度自动化，从被动响应业务需求到主动挖掘洞察甚至采取行动，使数据分析市场向Agentic时代迈进。
02
“大模型+数据分析”的落地形态
当前，大模型在数据分析领域的落地呈现出三种产品形态：
第一种：消费型。在原有BI平台中嵌入大模型的能力（典型的ChatBI）；
第二种：嵌入型。原生基于大模型的数据分析助手，无需依赖原有BI产品（业界也经常称其为ChatBI）；
第三种：扩展型。使用多Agent框架协调大模型的数据分析Agent，可以支持更复杂的分析场景（典型的数据分析Agent）。
数据分析Agent作为一个全新的产品形态，正处于市场发展的早期阶段，有潜力彻底改变数据分析领域，但也需要时间来成熟和被广泛接受。
当前，国内外数据分析领域头部企业当前均将Agentic作为数据分析发展的下一个重要里程碑，纷纷推出自己的数据分析Agent产品。国外市场的典型产品包括Google的Data Science Agent、Tableau的Tableau Next、ThoughtSpot的Spotter；国内市场的典型产品包括火山引擎的Data Agent、数势科技的数据分析智能体平台SwiftAgent 、蚂蚁数科的DataSage等。
03
“大模型+数据分析”的落地进展
根据沙丘智库数据统计，过去一年“大模型+数据分析”落地案例中占比最高的为金融，其次为IT/互联网、制造、零售、政务等。
沙丘智库观察到，“大模型+数据分析”应用正在从金融、IT/互联网等数字化领先行业向制造、能源等传统行业迈进。金融机构、IT/互联网公司由于数据基础较好，在过去1-2年率先探索大模型在数据分析场景的应用，通过对话问数方式赋能业务人员、深度挖掘企业数据价值。当前，制造、能源政务等传统行业的企业也在积极探索数据分析场景的大模型落地应用。
部分优秀的典型实践案例如下：
例如，在金融行业，上海银行与数势科技联合研发智能问数平台，以国内领先的大模型为基础，基于行内数仓整合模型层数据构建业务语义层，有效支持非技术人员通过简单的问答方式，快速获取关键数据指标和深度洞察。
在能源行业，国网江苏电力基于语义大模型，创新基层一线智能问数应用模式。聚焦基层供电所业务，打造配网及用户实时量测数据查询、配变光伏可开放容量分析等10余个典型场景，可满足条件查询、数量统计、图表生成等9类多样化需求。一线班组人员仅需通过文字或语音输入，即可随时随地享受自助式、交互式的数据问答服务，快速获取设备实时运行状态、用户用能异常等信息，实现业务数据的“秒速精准咨询”。
在政务行业，黑龙江省搭建龙政智数服务门户，围绕龙政构数、龙政找数、龙政问数、龙政写数、龙政比数、龙政审数、龙政解数、龙政析数等8大业务场景，打造政务专属大模型，赋能各类应用场景深度开发与高效落地实施。通过龙政智数的方式，利用大模型能力，与指挥中心大屏相结合，完成指标数据的计算、分析和图表展示，通过文本指令交互实现分析决策数据的灵活实时获取。
完整报告：沙丘智库《2025年“大模型+数据分析”最佳实践报告》（55页PDF）
报告目录
第一部分 “大模型+数据分析”应用指南
1.“大模型+数据分析”应用进展
1.1 “大模型+数据分析”发展历程
1.2 Agentic时代的数据分析工作流
1.3 大模型在数据分析中的应用场景
1.4 “大模型+数据分析”的常见误区
2.“大模型+数据分析”实现路径
2.1 对话式数据查询的技术路线
2.2 “大模型+数据分析”的产品形态
2.3 数据分析Agent的定义与业务价值
2.4 数据分析Agent的核心能力
2.5 国内外典型数据分析Agent产品
3.“大模型+数据分析”企业落地指南
3.1 大模型用于数据分析的先决条件
3.2 “大模型+数据分析”的用户扩展优先级
3.3 利用提示工程将自然语言解释为数据语言
3.4 企业级“大模型+数据分析”产品设计思路
3.5大模型原生风险和应对措施
第二部分 “大模型+数据分析”实践案例
1.金融
案例1：工商银行交互式数据洞察智能体
案例2：上海银行智能问数平台建设项目
案例3：北京银行策略复盘助手
案例4：广发银行基于大模型的智能数据分析助手
案例5：邮储银行基于大模型的数据智能化服务
案例6：平安人寿大模型智能化报表ChatBI实践
案例7：国盛证券基于Text2SQL的数据智能创新
2.IT/互联网
案例8：腾讯云基于多智能体的智能决策分析实践
案例9：携程国际ChatBI实践
案例10：B站ChatBI提效实践
案例11：腾讯音乐ChatBI与HeadlessBI融合实践
案例12：菜鸟ChatBI实践
案例13：壹药网ChatBI实践
案例14：有赞基于指标的对话式数据查询实践
3.能源
案例15：国网江苏电力一线智能问数实践
案例16：国网浙江电力智能问数产品“e电千问”
案例17：国家电投“AI问数”赋能经营分析
4.零售
案例18：雅迪NL2SQL实现营销数据精准查询
案例19：飞科电器ChatBI实践
5.政务
案例20：黑龙江省龙政智数服务门户
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738