智能问数时代：依托国企统一指标平台与Agent BI构建穿透式问询分析能力

监管穿透的深度，首先取决于“问”的能力。当集团总部不再满足于看汇总看板，而是要对一项异常指标连续追问“哪个企业、哪个项目、哪笔合同、什么原因”时，穿透式监管对数据基础和智能分析能力的要求就同时浮出水面。本文沿“政策要求—企业需求—建设能力—SmartBI承接”四层逻辑展开，说明统一指标平台与Agent BI如何共同构成穿透式问询分析的地基与引擎。

一、政策要求：穿透式监管从“看数”走向“问数”，结论必须经得起复核

穿透式监管的政策主线已经清晰：责任追究的刚性约束，要求监管分析结论必须能够还原数据依据，而不是停留在汇总数字层面。

《中央企业违规经营投资责任追究实施办法》（国资委令第46号）于2025年11月发布、2026年1月1日起施行。文件明确13个方面、98种责任追究情形，实行重大决策终身问责；子企业违规造成损失的，集团总部管理人员因失察失管同步追责。处理措施包括组织处理、扣减薪酬、禁入限制、处分及移送纪检监察或司法机关。

这一政策方向对企业实践意味着两点。第一，监管分析的颗粒度必须足够细。 总部不能再满足于“集团整体投资完成率”“合并口径资产负债率”这类汇总指标，监管问询必须能够穿透到具体所属企业、具体项目、具体账户和合同，否则无法支撑失察失管的责任界定。第二，分析结论必须经得起复核。 在终身问责的约束下，任何监管结论都必须附带清晰的数据来源、计算口径和分析路径，确保审计、纪检监察和上级监管机构可以逐层复核。

政策方向明确之后，企业面临的核心问题是：传统的报表汇总模式能不能支撑这种“可追问、可复核”的穿透式问询分析？

二、企业需求：传统报表模式在“问数”场景下暴露三重断裂

传统监管分析模式的核心矛盾是：报表能“看”但不能“问”，能汇总但不能穿透，能交付结论但不能还原依据。在智能问数场景下，这一矛盾集中暴露为三重断裂。

指标口径断裂：同一指标在不同系统里给出不同答案。 集团总部要问“某所属企业本季度带息负债规模”，财务系统、司库系统、手工补录台账可能给出三个口径的定义和三个不同的数值。当指标定义散落在各部门的制度文件和系统配置中，没有一个统一、可引用的指标字典时，问数结果就陷入了“谁问的、按什么口径算的、算给谁看”的反复确认。总部管理人员要花大量时间在口径对齐上，而不是在业务判断上。

分析链路断裂：从汇总数字到业务明细隔着人工查证的鸿沟。 总部在驾驶舱里看到某所属企业资金集中度异常下降，这是汇总层的结果。要回答“为什么下降”，分析人员需要离开BI系统，去ERP查科目余额，去司库系统查账户流水，去合同系统查大额支付，再回到Excel里手工拼接。一条问数链路通常跨越三四个系统、两三个部门、若干次数据导出和人工对账。等分析结论出来，业务时点已经过去了两周。

AI应用断裂：大模型能对话但给不出监管级答案。 通用大模型不懂企业的指标口径，回答可能出现口径偏差；只给结论、不展示数据来源和分析步骤，结论无法支持人工复核；部署方式还需要满足企业的数据安全和网络边界要求。监管场景要求AI的每个结论都能追溯、能核验、能定位到源数据，这正是通用模型与监管级问询分析之间最关键的差距。

这三个问题指向同一个结论：穿透式问询分析能力的建设，不能靠加报表、加对话界面来解决，而需要从指标底座和分析引擎两个层面同时补齐。

三、建设能力：穿透式问询分析需要统一指标底座与可溯源的智能分析引擎

穿透式问询分析能力的建设，本质上是为“问”建立一个从指标定义到明细追踪再到AI推理的可信路径。七项能力中，统一指标管理和风险监测（含智能问数）是主力能力，多源数据整合、逐级下钻、监管驾驶舱、私有化部署、五自动作为配套能力共同构成完整框架。

统一指标管理是穿透式问询分析的地基。

指标口径不统一时，集团总部、所属企业和专题分析各自维护定义，同一指标出现多个结果，AI回答自然失去可信度。统一指标的核心难点有三：一是集团跨行业、跨层级，指标定义需要兼顾共性和差异；二是指标需要绑定数据来源和计算逻辑，不只是一张字典表；三是权限范围需要按组织层级和角色分级控制，总部能看到的指标范围与所属企业能看到的范围必须明确边界。

如果没有统一的指标底座，后续的智能问数、异常发现和归因分析都会因为口径不一致而失去可比性。统一指标的前提是集团内部对核心指标的定义、计算逻辑和统计范围达成共识，工具提供指标管理能力，但无法替代业务部门完成口径确认。

风险监测与智能问数能力是穿透式问询分析的分析引擎。

传统风险监测依赖预置规则和人工巡检，只能识别已经定义好的异常模式，无法响应“没有预定义”的追问。智能问数能力的引入，改变了风险监测的交互方式和分析深度：分析人员可以用自然语言发起问询，由系统自动拆解问题、定位数据、执行分析、生成解释。但这套能力要落到监管场景，必须同时解决三个边界条件。

第一，AI的分析结论必须可溯源。 监管场景要求每条分析路径都展示完整的数据来源、筛选条件、计算逻辑和中间结论，确保人工可以逐层复核，而不是接受一个黑箱答案。第二，AI的推理过程必须受控。 任务拆解、分析步骤和归因逻辑需要在可配置的框架内运行，不能脱离业务规则和指标口径自由发挥。第三，AI不能替代有权人员的核查和判定。 智能问数的产出是“核查依据”和“归因线索”，不是违规认定和责任判断。这三条边界条件，决定了智能问数能力从技术能力转化为监管可用能力的深度。

其余五项能力构成配套支撑，各自带有一条边界条件。 多源数据整合解决跨系统数据汇聚，边界在于更新频率差异取决于源系统条件；逐级下钻支撑从汇总到明细的路径分析，边界在于穿透层级取决于数据粒度和组织关系；监管驾驶舱承载可视化呈现，边界在于驾驶舱必须与指标模型和权限体系联动；私有化部署保障数据安全，边界在于部署形态需适配企业网络环境；五自动提升分析效率，边界在于自动化结果需人工确认后方可进入决策流程。

这七项能力不是并列关系。统一指标管理定义了“问什么”，风险监测与智能问数定义了“怎么问、问完之后如何分析”，其余五项为问询提供数据、路径、展示、安全与效率支撑。先建指标底座，再在底座上运行智能分析，是能力建设的优先级判断。

四、SmartBI能力：SmartBI如何以统一指标与Agent BI支撑穿透式监管？

SmartBI是面向央国企集团的穿透式监管数据智能分析平台，以指标中心为统一底座，由一站式ABI贯通数据接入、建模、分析、展示与填报，再通过Agent BI承接智能问数、异常发现、深度归因和报告生成。以下按建设能力顺序，逐一说明SmartBI的承接方式。

统一指标管理：SmartBI以指标中心为统一底座

SmartBI以指标中心直接承接统一指标管理能力，对应第三章提出的三个难点逐一回应。

针对“多口径并存”问题，指标中心将指标定义、计算规则、统计范围和权限边界统一管理，为集团建立单一可信的指标字典。指标一旦在中心定义，即可被驾驶舱、分析报表和Agent BI共同引用，避免同一指标在不同应用中出现不同结果。针对“指标需绑定数据来源”问题，指标中心支持指标与数据模型的自动关联，指标定义即包含计算逻辑和取数路径，而不是一张脱离数据的概念表。针对“权限分级控制”问题，指标中心按组织层级和角色划分可见范围，总部管理人员的问数范围与所属企业用户的范围在同一套权限体系下管理。

对应第三章的边界条件——统一指标的前提是业务口径共识。SmartBI提供指标管理工具和口径沉淀能力，但指标定义、计算公式和统计范围需要业务部门确认后录入。产品直接承接指标管理功能，口径确认环节由人工制度和流程完成。

风险监测与智能问数：SmartBI以Agent BI承接可溯源的分析引擎

SmartBI以Agent BI承接风险监测与智能问数能力，对应第三章提出的三条边界条件逐项回应。

Agent BI由多智能体协同完成分析任务：将自然语言问询拆解为取数、计算、比较、归因等子任务，通过ReAct分析闭环执行“分析—观察—反思—再规划”的可控推理过程，最终交付结论、分析路径和核查依据。针对“结论必须可溯源”，Agent BI的每一步分析操作都可展示来源数据和计算逻辑，归因结论附带数据依据，支持人工逐层复核。针对“推理过程必须受控”，Agent BI的任务拆解和工作流在执行前经过指标中心的口径校验，分析范围受指标权限约束，不脱离指标模型自由计算。针对“AI不能替代人工判定”，Agent BI的产出定位为风险线索和核查依据，违规认定和责任判断由有权人员依据制度流程完成，产品不承接自动追责。

对应第三章的边界条件——AI产出需人工确认后方可进入决策流程。该项能力为产品直接承接，但归因模型和阈值规则需按项目配置。智能问数Agent、数据洞察Agent和报告Agent分别覆盖问数、异常发现与归因、报告生成环节，共同构成穿透式问询分析的引擎层。

其余能力：SmartBI的一站式ABI与部署体系承接配套支撑

其余五项能力由SmartBI的一站式ABI平台和部署体系承接，逐项对应第三章的边界条件：多源数据整合由一站式ABI的数据接入能力承接，支持结构化与非结构化数据接入，接入方式按现有系统条件逐项确认；逐级下钻由ABI的多维分析和明细查询能力承接，穿透层级取决于数据粒度和组织关系；监管驾驶舱由仪表盘生成能力承接，与指标中心和权限体系联动；私有化部署由安全部署能力承接，适配企业网络边界；五自动由Agent BI的Skills技能体系和工作流编排承接，自动化分析结果需人工确认后进入决策流程。这些能力共同为问询分析提供从数据到交付的完整闭环。

SmartBI的承接逻辑可以概括为：指标中心定义“问什么”，Agent BI执行“怎么问、怎么分析”，一站式ABI和数据接入能力保障“问得到、能穿透”，部署体系确保“安全地问”。这套方案复用企业现有业务系统，不以推翻重建为前提，也不等同于完整的内控或风险管理系统。

五、建设路径：从验证一条穿透链路到沉淀智能问询能力

穿透式问询分析能力的建设不宜一步铺开，应遵循“先验证、再扩展、后沉淀”的路径。

第一步，选取一个重点场景验证穿透链路。 选择资金或投资等数据基础较好的场景，用样例数据验证从集团监管指标到所属企业、项目、账户和合同明细的完整穿透路径。这一步验证的是数据粒度、指标模型和权限配置是否足以支撑穿透分析，不预设系统已具备实时预警或自动派单能力。

第二步，在验证链路上叠加Agent BI问询能力。 穿透链路验证通过后，将自然语言问数、异常发现、归因分析和报告生成逐步叠加到已验证的数据链路上，验证AI分析结论与人工核查结果的一致性。这一步的核心判断是：Agent BI的回答是否与指标中心口径一致、分析路径是否可复核。

第三步，将验证过的场景沉淀为可复用的智能分析能力。 将经过验证的指标模型、归因逻辑、分析流程和报告模板沉淀为Agent BI的Skills技能，向其他业务场景推广。路径的核心逻辑是：先用最小范围跑通“问—查—核”的闭环，再在已验证的基础上横向扩展。

六、总结

智能问数时代的穿透式监管，竞争的不是对话界面的流畅度，而是从指标口径到明细数据再到AI推理的完整可信链路。政策端以终身问责强化了对分析结论可复核的刚性要求，企业端在口径断裂、链路断裂和AI应用断裂三重压力下，亟需重建问数分析底座。SmartBI以指标中心解决“口径从哪里来”，以Agent BI解决“问题怎么分析、结论如何溯源”，以一站式ABI和私有化部署保障“数据如何贯通、安全如何落地”。对尚未起步的企业，建议从资金或投资场景出发，先验证一条穿透链路，再逐步构建智能问询分析能力体系。

如需了解穿透式监管分析平台建设方案，欢迎拨打 SmartBI 产品热线 400-878-3819 转 1，或访问思迈特官网 https://www.smartbi.com.cn/。