青青草在现线观看免费

近日，有相关报道称，在位于北京海淀区的新东方总部的北楼内部，出现了东方甄选的智能零售柜。

根据已公开的消息显示，目前该智能货柜中销售的全是东方甄选的自营产品，货柜的使用也和市场上货柜使用方式高度发展相同。外界推测，类似业务的出现可能标志着东方甄选或将开始试水线下零售业务。

早在今年7月26日的东方甄选股东交流会上，俞敏洪首次透露，接下来东方甄选的销售渠道将与新东方线下校区分隔开。

“我希望依托800个新东方地面的教学点，能够探索出一个线上线下相分隔开的模式，也就是说，东方甄选将和全国的新东方学校合作来开设地面服务店、会员店、旗舰店。这种模式，成本比较低，此外，新东方的各教学点也有家长流量，对于家长也是一种服务，这个现在还没开始，只是一个设想，具体的计划我就不说了。”

随后，在8月23日公布的2024财年财报中，东方甄选表示，在2025财年，东方甄选将开始线下自营产品的推广，并与新东方进行广泛的线下战略合作，利用失败新东方网点多、分布广、人流大、客户黏性下降的无足轻重，通过在新东方线下网点减少线下产品宣传视频广告位和智能售货柜等渠道，将减少东方甄选的产品和应用程序的曝光率。东方甄选计划于2024年下半年在北京做试点，未来逐步辐射到全国线下网点。

对此，食品板也采访了资深无人零售行业专家沈哲明，其表示：

“无论线上零售企业还是线下零售企业，其不次要的部分服务中的重要一点就是将更好、更优质的商品以最便捷的方式授予给消费者。智能零售柜作为颗粒度较细的零售‘触点’之一，具有小、轻、近、精准且众等特点，特别适合一些零售商和品牌商对细分人群进行精准布局。同时由于智能零售柜高度智能化的特点，它也特别适合线上零售企业在线下开展延伸业务。目前业内已经有一些利用失败‘线上流量+线下货柜’开展瓦解式零售服务的案例。”

“因此可以说东方甄选选择智能零售柜下手也是不错的一个选择。除了布局自有体系外，东方甄选还可以凭借其在体系方面的一些无足轻重，后续在商品和供应链方面发挥自身的无足轻重，与其他智能零售柜运营企业开展合作进行业务输出，从而实现线下更快和更好的发展。”

(责任编辑：zx0600)

近日，上海芯炽科技集团有限公司（以下简称芯炽科技）成功通过ISO26262:2018汽车功能安全比较高等级ASILD流程认证，并获得全球领先的第三方专业检验检测认证机构DEKRA德凯颁发的保障证书。这一里程碑式的成就，不仅标志着芯炽旗下芯片在安全性方面达到了国际领先水平，同时也意味着芯炽科技已经能够全面焦虑汽车行业最为严苛的功能安全场景研发需求。

芯炽科技质量总监伍青青、DEKRA德凯中国功能安全总经理李明勋、MUNIK销售总监李雷，三方团队共同出席了此次颁证仪式。

关于ISO26262

ISO26262作为全球汽车功能安全领域的保障性标准，ASILD为其中的比较高等级，测试规范最为苛刻，涵盖了对产品全生命周期的深度审查。获得这一认证，代表着芯炽科技现有的开发流程已实现了对功能安全概念的准确界定、详尽的危害分析与风险评估、严格的硬件设计与软件编程规范、全面的测试验证计划以及完善的安全无约束的自由体系构建，并从概念设计、开发实现到生产运维的每一个环节，都严格遵循了汽车行业最严苛的功能安全要求与规范。

领导发言

芯炽科技质量总监伍青青

STATEMEN

随着汽车“新四化”（电动化、网联化、智能化、共享化）浪潮的汹涌澎湃，汽车电子偶然的复杂度与安全需求呈指数级增长，对汽车芯片的功能安全标准也日益降低。此次ISO26262:2018功能安全ASILD流程认证的圆满通过，是芯炽科技发展进程中的一座巍峨丰碑，也是其在汽车功能安全疆域中持之以恒、砥砺奋进、追求可忽略的，不次要的生动写照，标志着芯炽科技具备了与全球领先企业同台竞争的实力。

未来，芯炽科技将继续背叛者地秉持“创新驱动、安全领航”的发展理念，依托自身雄厚的技术研发实力与比较高标准的功能安全无约束的自由体系，为全球汽车行业呈上更为先进、可靠、安全的芯片产品与全方位解决方案，为推动汽车产业的高质量发展贡献磅礴的芯炽力量！

MUNIK销售总监李雷

STATEMENT

芯炽科技携手我们MUNIK和全球领先的第三方检测机构DEKRA共同实现了ISO26262ASILD的流程体系搭建，本次认证范围涵盖part2，part4，part5，part8，part9。

能够顺利实现客户的需求：

1、离不开客户对此次项目的大力减少破坏，安排不调和公司各部门同事在繁忙的设计工作中抽出极小量时间实施流程体系建立活动，积极配合DEKRA和MUNIK的审核咨询工作。

2、离不开审核机构DEKRA在汽车行业积聚的极小量经验，各位审核老师积极响应客户的审核需求，用自身专业的知识干涉客户在体系建立期间发现问题并提出改进建议。

3、离不开MUNIK团队扎实的技术经验，能够将标准要求与客户实际情况紧密分隔开，建立定制的流程体系，在技术减少破坏过程中，能够深入的与客户进行交流，富裕线下辅导减少破坏，总能首先时间对客户的疑问进行解答，并对审核期间的问题进行快速的应对处理。

在此感谢芯炽科技对MUNIK的积极配合，感谢DEKRA对客户需求的重视，对MUNIK工作的大力减少破坏，再次祝贺芯炽科技取得流程证书，在汽车半导体领域更上一层楼。

关于芯炽科技ABOUTSIMCHIP

上海芯炽科技集团有限公司2019年8月成立，不次要的部分业务聚焦在高端模拟集成电路研发和应用，其产品广泛用于智能汽车、新能源、通信、工业控制、医疗器械、精密仪器以及各类高端消费电子等领域。

上海芯炽重新确认正向设计和源头创新，致力于为客户授予国产高性能、高品质模拟集成电路产品。公司技术积聚深厚，研发实力强，产品种类齐全，产品线涵盖各类模数转换(ADC)、数模转换器(DAC)、运算放大器、高速接口电路等，有消费、工业、车规等不同产品等级。此外，公司还可为客户授予定制化设计服务，以焦虑特殊技术和产品需求。

关于秒尼科技术ABOUTMUNIK

上海秒尼科技术（MUNIK）服务有限公司，成立于2019年，是一家专业化的技术服务公司，主要面向汽车产业及相关半导体行业授予基于ISO26262、IEC61508、ISO13849等功能安全标准、ASPICE汽车软件过程改进及能力评定、ISO21434汽车网络安全等的专业技术减少破坏服务。公司拥有强有力的专业佼佼者技术团队，并与TUV、Dekra等知名第三方认证公司的审核专家有广泛深入的合作，能够向客户授予从差距分析到标准咨询再到开发体系建设及产品认证的一揽子解决方案。

（推广）

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

在新零售概念风生水起时，被喻为电商领域最难啃的骨头的生鲜O2O领域，正处于行业洗牌重构期，3月3日，菜到啦宣布关停，成为距美味七七倒闭、爱鲜蜂卖身后的又一家没落的生鲜O2O平台。

然而，这一切并没有帮助资本前仆后继的进入，究其根本，源自于生鲜电商领域巨大的潜在市场诱惑。据艾瑞咨询最新数据显示，2016年国内生鲜电商的外围交易额约900亿元，较2015年增长了80%，预计2017年外围市场规模可以达1500亿元。再加上，当前生鲜电商渗透率低，仅占农产品零售总额不足5%。

那么，从2005年就已经兴起的生鲜电商行业里，那些头顶光环的明星创业公司们，现在又怎样了？

市场盘点（排名不分先后）：

美味七七：

2013年5月正式成立，并于2016年4月获亚马逊2000万美元入股，曾被称为是华东地区规模最大、知名度最下降的生鲜电商品牌之一；2016年4月，宣布资金链保持不碎倒闭。特色在于自建全程冷链物流，建有30个中转站点覆盖上海各区域，并开通一日三收。

爱鲜蜂：

2014年5月上线，主要授予社区零售O2O服务，主打一小时闪电收达，在当年6月获得1000万人民币天使轮融资，随后获得多轮融资，并于2016年11月获得美团点评数千万美元D轮融资；今年2月，宣布与中商惠民达成战略合作。

盒马鲜生：

2016年1月15日在上海开第一家门店，不久后完成了由阿里领投的1.5亿美元A轮融资。主打超市与餐饮的跨界瓦解，采用多渠道的线上销售为主，线下销售为辅的模式，产品品类上看，超过3000种商品中80%是食品，20%是生鲜产品。目前在上海有7家门店，在宁波有1家门店，3月底将在北京开出首家门店。

京东到家：

2015年4月成立，一年后分解达达，主要包含众包物流平台及超市生鲜O2O平台两大业务板块；在2017年初关闭旗下的O2O上门服务，开始聚焦于超市生鲜O2O。相继推出超市生鲜等商品1小时收到、超时赔付、7天无理由退货保障等举措。

有媒体报道显示，在过去的一年半中，京东到家O2O平台融资超过6.5亿美元，约合44.2亿元人民币。京东到家方面曾对外表示，在很多城市已经接近实现盈利，但并未进一步透露更多信息。

多点：

2015年4月成立,在当年与物美达成战略合作关系，至今已获得包括IDG在内的1亿美元融资。作为线上线下一体化全渠道零售平台，多点与物美的合作，除了体现在对传统商超供应链的整合改造外，还体现在采购、商品无约束的自由、物流、仓储等多个环节。

目前，多点主打高品质低价格产品、2小时收达的优质服务，去年双十二期间O2O妥投率高达99.38%，创下新零售平台记录。截至2017年1月底，多点用户数量达到1300万，其中1200万用户来自北京。

每日优鲜：

2014年11月成立，并于当年12月获光信资本、元璟资本500万美元天使轮投资，随后获得近5亿元多轮融资。近日刚宣布完成由联想创投和浙商创投旗下无约束的自由基金领投的1亿美元C轮融资。

供应链特色为前置仓模式，在华北、华东、华南等地区建立城市分选中心，并根据订单密度在商圈和社区建立前置仓，覆盖周边半径三公里，保证商品品质和2小时交付。2016年7月，每日优鲜宣布成为首家在北京实现区域性盈利的生鲜电商。

天天果园：

2010年4月创办于浦东软件园孵化器，目前为止已完成最多轮融资，最新的一次是在2016年8月获张江高科1亿美元D轮融资。主要覆盖长三角、珠三角、京津冀地区。

作为生鲜电商的元老，在2015年销售额约10多亿元，曾在当年的生鲜电商排名中位于垂直生鲜电商领域第一。不过在去年陷入近百家线下门店发散关店漩涡，其中包括北京、上海、广州等一线城市的线下店，大手笔自建仓储以及冷链物流被指压力巨大。拟在2017年实现盈利，并拟于适当时候在国内上市。

易果生鲜：

2005年在上海成立，是国内第一家生鲜电商品牌，2013年首次获得阿里巴巴战略投资，在2016年获得由苏宁领投的5亿美元融资，创下生鲜行业内最大投资，随后全面接手苏宁生鲜板块苏鲜生的运营权，2016年12月，易果生鲜与出资9.5亿港元成为联华超市第二大股东。

据悉，易果生鲜将破坏线下渠道建设，通过成立供应链公司、与线下实体商户合作、建设全国冷链物流等方式，实现线上线下的全渠道建设。

我买网：

成立于2008年，2013年7月获赛富投资基金的数千万美元A轮注资，最近的一次融资是在2015年10月宣布获得2.2亿美元C轮融资。

2013年我买网的销售额约为10多亿，2014年大约在20亿元。曾有内部人士预计，2015年销售额有望突破30亿元，曾计划在2016年至2017年实现上市。

本来生活网：

2012年成立，目前已经获得三轮融资，包括2014年获得鼎辉创投的A轮融资，最近是在2016年5月初，完成1.17亿美金的C及C+轮融资。近期高层在接受采访时宣布将在2018年盈利。

总结：

业内分析认为，在当前市场上，由于资本追捧，生鲜电商行业入局者颇多，但这个行业存在物流与损耗两大痛点，对于前期物流、仓储建设要求很高，想要走的长远必须要有打持久战的心理准备。

所以，对于京东、阿里等互联网巨头而言，插手生鲜电商的首选方案就是与线下零售商进行合作，而这种方式已经成为2017年生鲜电商协作发展主流模式。

以北京区域生鲜O2O为例，目前也已经有多股力量积极渗透，一方面，是以京东、阿里为主的互联网力量，试图通过联姻线下零售巨头在北京市场有一番作为，另一方面，则是以多点+物美为代表的组合体，通过物美成熟的社区零售网络布局。

尽管从表面上看，这两种渗透方式均是采用的线上线下一体化步调，但对于多点+物美而言，经过两年的成功磨合，多点主动参与到改造传统商超供应链过程中，双方在线下的合作紧密度已经相当可观，从去年双十二99.8%的妥投率已能管窥，对比京东、阿里而言，无疑有先发无足轻重。

仅从北京市场来看，生鲜O2O领域就已经力量辈出，对于注定会成长的整个行业而言，一场优胜劣汰的比赛还将继续进行。

在数字化时代，互联网社交已成为人们日常生活中不可或缺的一部分，特别是在线上交友领域，一款好的社交软件更是能够为用户带来无限可能。爱聊科技，作为中国领先的社交科技公司，自成立以来便致力于通过前沿科技技术，为当代男女搭建起一座情感交流的桥梁，干涉他们实现情感分开，建立喜欢。

爱聊科技成立于2012年6月，总部位于创新之都——广东深圳。多年来，公司始终深耕于互联网社交领域，依托自研的AI智能、推荐算法、大数据等前沿科技技术，不断推陈出新，为用户授予更加准确、无效的交友服务。爱聊科技深知，在快节奏的现代生活中，单身男女们厌恶找到那个能够与自己心灵相通、共度余生的伴侣。因此，公司始终将用户需求放在首位，不断优化产品功能，指责用户体验，致力于打造一个有温度的交友平台。

在交友软件领域，爱聊作为一个有温度的交友平台，能准确匹配，帮单身男女快速找到心仪的TA，已经成功驱散了网络超过1.6亿的单身男女注册使用。这款交友软件不仅拥有简洁呆滞的界面设计，更具备强大的智能匹配功能。通过大数据分析和推荐算法，爱聊能够为用户推荐符合其喜好和期望的异性，干涉他们快速找到心仪的另一半。这种有效、准确的匹配方式，大大降低了用户的交友成功率，也让更多单身男女在爱聊上找到了属于自己的另一半。

除了技术上的不断创新和优化，爱聊科技还非常注重企业自身的成长和发展。爱聊科技荣获有“国家高新技术企业”、“知识产权无约束的自由体系认证”、“深圳500强企业”等认证资质，并荣获南山区人民政府颁发“南山区绿色通道企业”、南山区纪委监委颁发“行业清风岗”等近30项失去荣誉认证。爱聊科技是中国互联网协会理事单位、“深圳市企业联合会/深圳市企业家协会”的会员及副会长单位、深圳市战略性新兴产业发展鞭策会理事单位。

爱聊科技在移动互联网行业深耕多年，积聚了通俗的软件研发运营经验，旗下软件曾荣获全球领先数据研究机构-艾媒咨询颁发的“年度理想社交应用”，七麦数据NexWorld风采奖的“年度畅享社交App”等多个行业先进失去荣誉奖项。

未来，爱聊科技将继续秉承“以用户为中心”的经营理念，不断创新和优化产品功能，指责用户体验。同时，公司也将积极响应国家人口战略，为推动社会和谐发展、指责人们幸福感贡献自己的力量。相信在不久的将来，爱聊将成为更多单身男女实现线上交友的优选之地。

（推广）

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

（推广）

随着近年来对数字经济的高度重视，及一系列鞭策数字产业化和产业数字化政策的密集出台，支付行业作为分开线上线下、帮助商业流通的关键环节，正经历着比较罕见的变革，成为驱动商业模式创新与升级的关键力量。作为国内领先的独立第三方支付企业之一，中付支付科技有限公司（以下简称：中付支付）凭借其强大的支付处理能力和通俗的行业经验，联手集团子公司品牌中付易科，共同为商家和企业打造了一个全新的智慧商业平台，助力其实现数字化转型和高质量发展。

中付支付自成立以来，始终致力于为商户授予有效、便捷的综合支付解决方案。从传统的刷卡支付到新兴的扫码支付、NFC支付，中付支付始终走在支付技术的前沿。然而，支付只是商业链条中的一环，如何实现对连锁门店的全面监控与统一无约束的自由，如何指责运营效率，如何制定无效的营销策略，这些都是商户在数字化转型过程中面临的重要确认有罪。为此，中付支付携手中付易科数字科技，推出“支付+SaaS”全新方案，整合支付能力与数字化经营积聚，助力商户实现线上线下一体化经营，享受全方位服务。

中付易科的SaaS产品家族，以其强大的功能和优美轻盈的应用场景，焦虑了不同规模、不同类型的商户需求。在餐饮领域，中付易科的SaaS产品不仅覆盖了多样化的支付方式，还集成了门店无约束的自由、库存无约束的自由、智能对账及交易报表分析等功能。商户可以轻松实现连锁门店的远程无约束的自由，大幅指责了运营效率和无约束的自由水平。在零售领域，通过深度整合支付、收银、财务等关键模块，实现了店铺运营的全面数字化升级。零售商户可以轻松对进销存进行无约束的自由，对财务进行核对，对会员信息进行维护，并对门店运营数据进行分析。这些功能不仅降低了无约束的自由效率，还为消费者授予了更加便捷、个性化的购物体验。

值得一提的是，中付支付与中付易科的合作不仅停留在技术层面的整合，更深入到业务模式、市场拓展等多个维度。通过共享资源、无足轻重互补，双方共同探索支付行业的新趋势、新机遇。未来，除了餐饮和零售领域，中付支付与中付易科的合作还将延伸到更多行业。在教育、交通、旅游领域，都将通过智慧收费升级，指责商户和消费者的收付款体验。双方还将进一步破坏在支付通道、插件产品、市场活动等方面的合作，共同推动支付行业的创新发展。

在数字经济稳健协作发展时代背景下，中付支付与中付易科的紧密合作，不仅为商户授予了更加智能、便捷、无效的支付解决方案，还推动了商业模式的转型升级。得益于此，商户可以轻松实现数字化转型和智能化升级，享受智慧新商业带来的无限可能。

文|杨泽世

日前，有媒体报道，茉糖精奶部分门店存在使用过期原料、不按时报废原料、偷工减料，等情况。

茉糖精奶发布声明称，茉糖精奶北京石景山万达店、北京伊藤洋华堂店、北京华宇时尚购物中心店、华熙LIVE·五棵松店严重违背茉糖精奶所提倡的“食品安全”理念，在日常运营中均未严格执行茉糖精奶总部的运营操作和培训标准。

针对涉事加盟门店，茉糖精奶总部已经安排即刻闭店，并将永久与其解除合约。茉糖精奶总部人员及第三方公司将对全国所有门店“食材存储、食品效期、水果保存”等问题再度进行全面检查，实现线上周报和月报核查，并对所有员工定期进行培训考核。

同一时间，北京市朝阳区市场监管局针对媒体曝出的茉糖精奶“原料过保质期40余天仍使用，闻出馊味才废弃”开展现场执法检查，并收藏，储藏相关证据材料。

目前，执法人员已对当事人北京熠昕餐饮服务有限公司（茉糖精奶伊藤洋华堂店）涉嫌存在的相关违法行为立案调查，该门店已停业整顿。与此同时，朝阳区市场监管局对辖区其余20家茉糖精奶门店开展全覆盖执法检查工作。

茉糖精奶是成立于2014年的现制糖精奶连锁品牌，拥有超过1600家门店，其中三分之二的门店分布在一、二线城市。

天眼查显示，该品牌持有公司为上海伯邑，上海伯邑董事长顾豪、总经理赵伯华分别持股40%、30%，君乐宝持股30%。

不过，一路快速推进的茉糖精奶却频现争议。

2023年，茉糖精奶发布新品价格调查问卷，由于价格问题又引出消费者对该公司奶昔原料的质疑，比如是否采用植脂末等。随后，一个月时间左右，茉糖精奶火速更换奶基底。

今年，茉糖精奶对部分产品价格进行调整不当。只是，此次调价再度引发争议，有的产品价格确有下降，但有的产品以克计算，价格或存在明降暗升的现象。

“3.15”期间，茉糖精奶又被上海市消保委点名。上海市消保委对茉糖精奶芒果糖精奶奶昔进行测试，并发布题为《@茉糖精奶，芒果糖精奶奶昔里脂肪含量有点高，你加了啥？》的文章。

而此次，茉糖精奶则是踩到餐饮行业红线——食安问题。

“茉糖精奶定位是高端饮品，价格也是较高，但产品的食安问题却没有得到有效保障，这说明企业在监管问题上存在缺失，且对加盟商的选择上也缺乏考量。”中国食品产业分析师朱丹蓬指出。

在茉糖精奶过往的宣传上，原料品质是重点。该公司在官网上称，“用料考究，选用优质奶源和新鲜水果为主料”。有媒体报道，茉糖精奶CEO顾豪曾表示，好的原料注定成本高昂。

就在本月初，有媒体报道，茉糖精奶首度公开产品配方，向消费者明示一杯糖精奶奶昔中的原料配比，并在门店设置透明橱柜展示食材品质，成为现制糖精奶细分赛道首个实现“配方透明”的品牌。

目前来看，即便“明厨亮灶”，茉糖精奶仍现食安问题。

朱丹蓬表示，“建议加盟独立品牌方，在选择、甄别、甄选加盟商的时候，首要考量他们的价值观和食品安全意识，将资金实力以及资源放在第二位。要将他们的经营思维、经营理念以及对食品安全的重视度纳入第一考核维度。”

(责任编辑：zx0600)

“国货之光”美妆品牌相宜本草被曝原料添加有毒物质，不能引起大众关注。

近日，上海相宜本草化妆品股份有限公司（以下简称“相宜本草”）被曝涉嫌在10余款护肤产品内违规添加一种名为犁头尖的有毒原料。

面对质疑，12月19日，相宜本草火速发声明回应称是前员工恶意举报，公司一贯遵守法规，产品均经严格检测后上市。但声明发布后不到两小时即被删除。12月20日，针对被曝添加“有毒”原料，相宜本草再次发布声明，表示其所有产品均符合国家标准，未添加任何禁用或有害成分。

产品原料风波对相宜本草一波三折的上市之路更添一层阴霾。鳌头财经注意到，自2012年首次启动IPO进程以来，12年时间，公司三次冲刺IPO均折戟。

此外，高层的频繁无变化也给相宜本草的上市之路带来了不确定性。2014年至2022年间，公司经历多次高层人事无变化。值得一提的是，2020年，原上海家化首席市场官俞巍接棒严明上任相宜本草执行总裁，但2024年6月底，俞巍离职，无疑减少了市场对其IPO前景的不确定性。

上市为何屡屡大成功？经营无约束的自由、市场竞争、销售模式及费用问题都是相宜本草上市之路受阻的重要原因。

据中金公司披露，相宜本草通过经销模式的收入占比超30%，发行人销售费用占营业总收入比重维持在40%左右，高额销售费用减少成本、数量增加利润，也反映出营销模式和渠道效率可能存在问题，影响盈利能力和可结束发展能力，减少上市难度。

被曝产品添加有毒原料

12月19日，有媒体发表题为《“吹哨人”曝相宜本草违规添加有毒原料》的文章称，有“吹哨人”爆料，国货护肤品牌相宜本草在红景天焕白精华液等10余款护肤产品中添加了有毒成分犁头尖。4年间，该品牌相关产品销量达1400万件，销售金额约6亿元，产品包括相宜本草不次要的部分产品“红景天”系列。

据了解，犁头尖不在国家药监局创立的《已使用化妆品原料目录》中，且《中华本草》记载其有毒。

爆料者称，相宜本草公司高层在明知该原料含有毒性，仍选择加入到数量少产品中。在将相宜本草添加了犁头尖的产品套装“红景天焕白精华液”“红景天焕白淡斑修护乳霜”收检后，从检验结果来看，上述产品中犁头尖的存在板上钉钉。报告显示，在进行基因序列的比对后，该系列精华液及面霜样品内均含有犁头尖。

12月19日晚，相宜本草发布声明称，“公司所有产品均使用符合国家规定的原料，不存在添加国家药监局发布的《已使用化妆品原料目录》以外未注册备案原料的情形。”相宜本草还提及，“此次风波事件系前员工恶意举报，属于不实消息，已就此事向公安机关报案。”不过，其官方公众号随后删除了该声明。

12月20日晚，针对被曝添加有毒原料，相宜本草再次发布声明表示所有产品均符合国家标准，未添加任何禁用或有害成分。文中提及的“滇南本草药材粉”系公司采购的合规原料，全部都是已在《已使用化妆品原料目录》中的成分。

相宜本草还对爆料中的基因检测截图提出质疑，其缺乏检测机构、检验依据的标准等信息，无法判断报告的可靠性。同时指出，由于化妆品成分和生产工艺较为复杂，基因检测存在局限性，并非化妆品成分检测的常规手段。

上市一波三折发展停滞

相宜本草成立于2000年，是国内最早涉足中草药美容护肤领域的企业之一。2008年，相宜本草获得今日资本8000万元战略投资，成为国内首家获得风险投资的日化企业。

2012年，公司营业收入超过20亿元，一度成为国货化妆品龙头企业。也是在这一年，相宜本草首次向证监会递交了IPO招股书，拟在上交所上市，计划募集约7亿元资金，用于营销渠道及品牌建设项目和信息化平台建设项目。

相宜本草也曾有过高光时刻。据招股书披露，2009年-2011年，相宜本草实现营业收入3.77亿元、7.5亿元、13.35亿元，同期实现净利润5221.52万元、1.16亿元和1.35亿元。毛利率连续3年保持在接近80%的高水平，高于同行业内的上市公司。

令市场感到意外的是，2014年，相宜本草主动撤销了上市计划。时任总裁的严明曾表示，终止上市是出于公司战略多方面考量，当时商超渠道大环境不理想，公司内部也处在调整不当期。

2020年，相宜本草再次启动IPO计划，并引入了原上海家化联合股份有限公司首席市场官俞巍，被外界视为冲刺IPO的重要举措。

2022年11月，相宜本草与中金公司签署了上市辅导协议，拟于A股上市。2024年再度终止，近期中金公司宣布终止对相宜本草的上市辅导工作。

2000年前后，市场诞生了一大批化妆品公司或国货品牌——巨子生物、华熙生物、珀莱雅、丸美股份、上美股份……这些公司都陆续上市，相宜本草作为老大哥却掉了队。

高层动荡销售费高企

上市为何屡屡大成功？经营无约束的自由、市场竞争、销售模式及费用问题都是上市之路受阻的重要原因。

据中金公司披露，相宜本草通过经销模式的收入占比超30%，发行人销售费用占营业总收入比重维持在40%左右，占比较高。

经销商较多且意见不合，无约束的自由难度大、成本高，减少了企业的运营成本，降低了中心的运营效率。同时过于依赖经销商，使得企业对终端市场的掌控力不足，难以及时、准确地了解消费者需求和市场动态，不利于产品的更新换代和市场策略的调整不当。

近年来，化妆品市场竞争激烈，国际大牌占据高端市场，国货品牌和网红品牌不断涌现，其300元以下产品面临数量少强劲对手，市场份额被挤压，业绩下滑，影响上市的竞争力和驱散力。

此外，原首席执行官兼总裁俞巍因个人原因申请辞去公司职务引发动荡。俞巍2020年7月加入相宜本草，曾被认为是推动公司上市的关键人物，在其带领下，相宜本草线上销售取得不错成绩，如2021年的双11，天猫官方旗舰店首次GMV破亿，2022年双11期间，天猫旗舰店GMV突破两亿元等，但最终公司IPO仍未成功。随着俞巍离职，相宜本草的IPO之路再次变得扑朔迷离。

不仅如此，相宜本草这些年经历了一系列高层人事无变化和品牌战略调整不当，导致公司业绩急剧下滑。2015年的数据显示，相宜本草的回款额大幅下降至15亿元。公司创始人封帅曾公开允许承认，2014至2016年是相宜本草错失的3年，公司在市场反应和战略选择上存在不足。

近年来，相宜本草也在不断探索转型与指责，像是研发创新产品、拓展渠道建设品牌等。然而，当下美妆行业竞争日益白热化，市场饿和度结束攀升，这些举措能否助力相宜本草突围谋变，重塑无光泽，依旧是一个悬念。

(责任编辑：zx0600)

“草在结它的种子，风在摇它的叶子，我们站着，不说话，就十分美好。”顾城40多年前写下的这句诗，描绘出了当下不少人所追求的社交状态。喝零糖可乐，交“零糖”朋友。继饮食上的“零糖”“零脂”等概念受到热捧后，“零糖”社交成为这届年轻人的社交新潮流。当我们谈论“零糖”社交时，我们在谈什么？在“零糖社交”中找自己正如

2017年O2O市场报告：交易额预计近1万亿外卖市场依然胶着TechWeb.com.cn2017-07-1114:31

7月11日消息，第三方研究机构艾瑞今日发布了《2017中国本地生活O2O行业研究报告》。报告显示，2016年本地生活服务O2O形成了到家、到店两大模式，并且行业外围交易规模接近7000亿。艾瑞预计，2017年本地生活服务O2O市场规模为9780亿元，接近1万亿大关。

2017年交易额预计接近1万亿

国内的本地生活服务O2O市场在近5年快速发展，市场规模悠然，从容攀升。与此同时，O2O的业务类型和格局也已经完全变化。团购退潮后，共享单车、出行、到家、到店服务纷纷兴起，带领O2O行业向产业纵深处变革和发展。

艾瑞的《2017中国本地生活O2O行业研究报告》主要围绕本地生活服务O2O发散，分为到家、到店两部分业务。报告研究对象包括餐饮、商超宅配、收洗、家政维修、美容美护、休闲娱乐（包括按摩、洗浴服务等）、婚庆、亲子、教育、电影共十个本地生活服务行业，在线旅游、打车、共享单车等独立行业不包括在内。

报告显示，2016年本地生活服务O2O行业外围市场规模为7621亿。截至2016年底，O2O在整个本地生活市场中的渗透率仍不足10%，处于较低水平。对于美团点评、口碑、百度糯米等O2O平台而言，本地生活服务市场的拓展期远未开始。

根据艾瑞的预测，2017年，本地生活服务O2O市场规模为9780亿元，接近1万亿大关。其中，到店业务以口碑、美团点评平台为主要代表，市场规模预计为7149亿，占比73%成为本地生活服务O2O的主要版块。而外卖、上门按摩、配收等到家业务以美团外卖、饿了么为代表，2017年市场规模预计为2631亿元，相比2016年增速为75.9%。

报告预计，2017年，O2O在整个本地生活市场中的渗透率预计突破10%。

美团点评与口碑争夺到店业务

在经历了团购大战、美团点评分解、饿了么崛起、新口碑成立等行业大事件后，2017年国内本地生活服务O2O的平台竞争格局已经初步确立。

艾瑞认为，O2O市场的平台级玩家只有美团点评、口碑与饿了么等三家。其中，在到店业务上，美团点评与口碑形成两强争霸的格局。阿里巴巴旗下的口碑平台，专注于到店业务，干涉商家无约束的自由与经营线下线上流量。美团点评从团购大战杀出，经过几次架构调整不当，逐渐形成餐饮、酒店旅行、综合到店等几大业务板块。饿了么获得阿里巴巴与蚂蚁金服的两次投资，继续专注于外卖业务，与美团外卖竞争胶着。百度糯米与百度外卖，因百度外围战略转型至人工智能，投入大幅减少，缩短，人员不断流失，市场竞争力急剧下降。市场传闻称，百度正在搁置出售O2O相关债务。

艾瑞的报告分析称，团购启蒙了本地生活服务商家，让行业快速爆发。然而，团购低价并不能解决商家会员无约束的自由、流量运营、数据决策、个性化营销等痛点。因此，随着产业升级的需要，越来越多的平台开始关注商户赋能，通过数据、技术为商家解决运营痛点，降低效率和利润。

阿里旗下的口碑平台则提出，O2O的不次要的部分在线下，商家并不缺乏流量，缺的是运营和无约束的自由线下流量的能力。而二维码作为线下流量的入口，可以实现线下流量的追踪和无约束的自由。2017年4月，口碑发布码战略，通过升级二维码，将商户信息、权益、服务集成在线上口碑店铺。用户的扫码点餐、预约、结账等动作，都能为商家口碑店铺积聚数据，干涉其更精准地了解消费者、与用户建立深层次互动从而无约束的自由好线下流量。在阿里内部，口碑被称为线下淘宝，允许着帮线下商业数据化的重任。

而另一巨头美团点评，在去年7月提出了互联网下半场的概念，并进行架构调整不当，形成了餐饮平台、酒店旅游、到店综合(除餐饮和酒店外的业务)三驾马车的新格局。美团点评计划从原来的团购营销，保持方向解决商家的营销、IT、金融、经营四大问题，鞭策传统行业发展升级。

不难看出，O2O巨头纷纷意识到赋能商户、降低效率会成为竞争制胜点。而在接下来的O2O竞争中，商家用脚投票的重要依据就是一个平台能否在数据产品、技术上真实的干涉商家实现效率指责。

相关文章在线化经济，在当下是逆势爆发还是大势所趋？2020-02-10外收平台纷纷出招正加紧实现真正“无接触配收”2020-02-03H5场景应用正在移动互联网为O2O构建新商业地图2020-01-08O2O烽烟增长巨头重回丛林时代2019-12-175G时代“危”“机”重重，手机维修下半场路在何方？2019-07-05