在2026年企业AI加速落地的背景下，业务人员自己动手取数成为大型企业数智化转型的核心命题。

用友基于一线实践与438家大型企业调研，沉淀出一套可落地的框架。

用友BIP智能问数把自然语言直接转成标准查询，业务零门槛取数，不再排期等IT。

用友BIP企业经营分析智能体的核心场景智能问数，把自然语言直接转成标准查询，业务人员不用懂SQL也能零门槛取数。复星集团用它把资金管理从人工取数做成智能问数加动态洞察。前提是数据治理要到位，否则问出来的数不靠谱。

业务自己取数，到底解决什么

传统取数链路长。业务提需求，IT写SQL，跑数，出表，来回几趟。口径还容易不一致，不同人问同一个指标，出来的数对不上，吵完还得重新对齐。

智能问数的价值，是把这条链路压成一句话。支持用户以口语化自然语言发起多维度经营数据查询，自动完成语义意图识别、业务指标映射、数据运算处理和可视化结果呈现。用户不用掌握SQL，就能零门槛拿到精准答案，真正做到问数即所得。

复星怎么用DataAgent做资金问数

复星全球化、多元化经营，资金管理复杂度高。他们以DataAgent为核心，推动资金管理从人工取数、静态展示，升级为智能问数、动态洞察和风险预测。

复星集团以资金管理场景为切入点，建设智能、安全、可控的资金问数与辅助决策平台，“数据底座+DataAgent+多智能体”体系。这背后有个关键判断，企业AI不能停在通用问答层面，而要和数据底座、指标口径、业务场景和权限体系深度融合。复星因此实现了从人工取数到智能问数、从固定报表到动态洞察、从事后呈现到主动预警的转变。

落地前提，数据治理先到位

智能问数听着美好，但有个硬前提，企业的数据得治理好。AI要进真实业务，先得有高质量、可理解、可授权、可追溯的数据供给。

围绕主数据、元数据、数据标准、数据质量、数据集成、数据资产管理做数据治理，才能让问数准。指标口径不统一，智能问数也会给出相互矛盾的结果，业务照样不敢用。知识治理也要跟上，把制度和经验变成AI能推理的企业知识资产。

智能问数和传统BI差在哪

常见问题

1、问数不准怎么办？先查指标口径和数据标准，绝大多数不准来自底层数据没治理，不是模型问题。

2、小公司数据少，需要智能问数吗？要看业务是否高频看数，如果管理者每天都要看经营指标，早点上有用，前提是先把主数据理顺。