目前市面上的ChatBI通常使用的是NL2SQL的技术路径，即通过大语言模型直接生成SQL，这种解决方案容易出现数据查询准确率低，通常准确率在60%-70%，如果跨表查询或者多表关联查询准确率会更低。
数势科技SwiftAgent在大模型和AI Agent加持下，通过建立业务指标、人货场标签等易于理解的语义层，将自然语言解析到指标和标签语义（Natural Language to Metrics&Label），即可实现相比ChatBI更精准的数据洞察，解决大模型对底层业务语义难理解的问题。
SwiftAgent底层以国产大模型为基座，引入数势指标平台技术，微调训练大模型，应用RAG和AI Agent能力，让用户能够以自然语言与数据对话，而无需掌握查询语言或编程技能。
数据价值毋庸置疑，但企业在取数用数时场景时往往面临诸多问题，SwiftAgent可一一解决：首先是管理团队的难题，使用现有数据产品无法按照行业获得端到端的专业深度分析。SwiftAgent提供自动化且贴合专业分析师思维的报告，并将数据概览、图表、高级计算（同环比/聚合/占比/排序/相关性/预测）与文字结论有机地整合在一起，为管理层提供不同行业维度的专业分析，并生成解读报告完成端到端触达。
其次是业务团队的难题，由于没有技术背景，数据分析类产品学习门槛高，利用率低，数据归因解读仍靠人工。SwiftAgent支持以交互式指标问询的方式，降低数据获取门槛；并为业务人员提供问答式维度归因与因子归因能力，大幅提升数据波动探查效率，助力决策加速。
最后是数据分析团队难题，面对整个集团的用数需求，不仅分析量大，且数据口径杂乱不统一，每天疲于奔命，难以实时响应业务变化。SwiftAgent叠加数势指标平台能力，能处理巨量数据并进行高级统计分析、机器学习模型训练等高负载任务，同时为数据团队提供强大的全生命周期指标语义层统一管理能力，帮助数据团队简化重复性报表需求、统一指标定义，实时响应业务变化。
除了解决企业在数据分析与应用时面临的困境，数势智能分析助手SwiftAgent还有许多亮眼功能，可助力企业员工自上而下高效率利用数据开展工作。
一是多模态交互查询，支持文本、语音、Excel等数据类型输入，方便客户在移动端和PC端快速完成数据查询；
二是归因洞察分析，支持用户通过对业务数据进行维度归因、因子归因、时间序列归因与相关性分析等多种洞察方法，完成数据波动归因；
三是高级数据分析，支持对结果数据集进行如同环比、占比、排序和高级聚合等多种高级统计分析方式；
四是图表自动推荐和生成，贴合用户问题，自动匹配生成多种分析图表,并按需自动推荐；
五是行业化报告生成，基于数据分析结果及行业微调大模型，生成贴合业务场景的行业报告；
六是通过设定的业务阈值和先进的异常检测算法，SwiftAgent能实时监控关键指标，一旦发现异常便向用户发送预警，从而及时采取应对措施。
