知数
有数BI
大数据基础平台 NDH
一站式数据开发治理平台
企业级指标工具平台
集团管控数据应用
金融数据应用
智能制造数据应用
智能经营分析
智能财务分析
[置顶]从 ChatBI 到知数 DataAgent：网易智企，让 AI 从“能演示”到“真上岗”
10月16日至18日，第十届中国软件研发智能创新科技峰会在深圳举行。本届大会以“数智+智管”为主题，汇聚众多行业专家与技术团队，共探智能化研发的落地路径。 网易智企受邀参会，网易智企·数帆 DataA
相关文章
共 15 篇内容
[置顶]量子位智库报告解读：AI 能查到数据，为何还用不好？网易智企给出解法
AI 能访问数据，不代表它能理解数据。口径不一致、语义不统一、血缘不可追溯，这些问题不解决，Agent 越智能，决策风险越大。 10月15日，量子位智库发布《Agent 驱动的企业智能化：从单点提效到
[置顶]量子位智库报告：企业 AI 规模化之前，先过“数据可信”这一关
同一个「收入」，三花智控的 ERP、MES 和财务系统，能给出三个不同的数。 过去，三花智控的财务每做一次预算分析，都要跨多个系统取数、核对口径，再手工解释差异，一次两三个小时。口径对不上，这样的分析
[置顶]量子位智库报告发布｜从数据治理到 Agent 应用，网易智企实践入选
AI 让单项工作更高效，如何进一步转化为企业经营价值？ 10月15日，量子位智库发布《 Agent 驱动的企业智能化 单点提效到规模化重塑》，梳理企业AI规模化落地面临的六大断点，并以网易智企·数帆为
[置顶]AI做数据分析，别只停在“帮我查个数”
季度复盘时，运营团队发现：本季度充电时长比上一季度增加了。 数字查到了，原因还没找到。是车型构成变了，还是某些站点、设备或充电时段出现了变化？为了弄清楚，团队需要按不同维度取数、比较，再逐步缩小排查范
[置顶]给AI接口，更要给AI“规矩”与“边界”
凌晨，30多个任务级联失败。 值班人员需要先查失败原因，再判断影响范围、确定处理方式，最后检查任务是否恢复。 在某业务线的实践中，值班 Agent 已经参与这条处理链路：扫描失败任务、提取失败特征、匹
[置顶]AI来了，数据开发治理，一个对话全搞定
搭建一组数仓任务，要建目录、写SQL、配调度和告警；任务失败后，又要查实例、看依赖、翻日志。工作围绕同一组任务展开，操作却分散在多个页面。开发与运维人员需要反复查找对象、核对信息，再继续下一步。 如果
[置顶]重磅签约 | 网易智企 × 海光信息：以国产芯片为底座，共建金融AI安全新生态
9月17日，广西南宁，东盟博览会·金融专场。 东盟博览会每年汇聚来自东盟十国及全球数十个国家和地区的政府代表、行业领袖、头部企业与投资机构，是推动中国-东盟经贸合作、产业对接与战略联动的核心舞台。 就
[置顶]当AI开始一本正经地胡说八道，谁来为企业决策真正兜底
网易智企·数帆V10全链路数据智能平台，整合EasyData、指标平台、有数BI、知数DataAgent四项能力，贯穿数据建设、治理与分析应用全环节。四项能力既可组合联动，也支持独立部署，灵活适配企业
[置顶]从“问一个数”到“交一份答卷”：DataAgent的分水岭来了
上期内容中，介绍了网易智企·数帆 V10.0 全链路数据智能平台的整体能力布局。围绕企业数据应用全流程，平台打造了四大核心能力——EasyData、指标平台、有数BI、知数DataAgent，助力企业
[置顶]网易智企全链路数据智能平台 V10.0 发布：让数据智能，一站到位
9月3日，网易智企·数帆正式发布全链路数据智能平台 V10.0。面向 Agent 应用与智能决策场景，通过数据开发治理、指标语义管理、有数BI、知数DataAgent 四项能力联动，实现从数据接入、治
[置顶]从数据资产到业务价值：网易智企亮相第五届中国数据×AI价值峰会
8月22日，以“数据驱动AI”为主题的第五届中国数据×AI价值峰会在北京举行。本届峰会由DTinsight中国数智发展研究中心主办，汇聚来自央国企、智能制造等领域的200余位专家学者与企业数智化领军者
[置顶]网易智企Data Agent实践入选信通院《智能体创新实践案例汇编》
近日，由中国信息通信研究院华东分院联合中国信息通信研究院云计算与大数据研究所发起的《2026智能经济新形态：智能体创新实践案例汇编》，在2026世界人工智能大会（WAIC）上正式发布。 网易智企凭借
从数据治理到业务决策：智能分析平台的贯通逻辑
企业智能分析的完整链条，是从数据治理成果出发，经分析任务加工，最终进入业务决策。量子位智库《Agent驱动的企业智能化：单点提效到规模化重塑》报告（2026年10月）以“平台贯通数据治理、分析任务与业
数据治理规则为什么落地难？开发与治理同步组织的思路
数据治理规则落地难，一个常见原因是规则与数据生产脱节：先开发后治理的节奏，让规则永远追不上数据变化。量子位智库《Agent驱动的企业智能化：单点提效到规模化重塑》报告（2026年10月）给出的思路是开
企业级DataAgent怎么选？避开演示惊艳生产落地难
选型现场最常见的场景是：演示环节答得又快又准，评审一致认为“够用”；试点跑两周，问题陆续冒出来——同一个问题换个问法答不出来、口径和报表对不上、权限说不清谁来管、生成的结论没人接着用。 这不是模型的问
指标口径不统一怎么破？从指标字典到数据语义层的升级路径
经营会上两个 GMV 打架、AI 问数每次答案不一样、报表之间互相矛盾——这些问题的共同根源，都是指标口径不统一。多数企业的第一步是整理指标字典，但字典管住了名词，管不住口径。本文给出从指标字典到数据
数据工具越买越多，数据问题为什么越来越多？
数据工具越买越多、数据问题却有增无减，根本原因不在工具不够好，而在数据链路没有打通——平台各管一段，指标各算一套，分析各做一次，每新增一个工具，就多一个需要衔接的断点。工具解决的是单点效率，链路割裂制
数据质量怎么管？从规则校验到业务流程闭环
数据质量管理的常见误区 很多企业的数据质量管理止步于"配规则、跑稽核、出报告"： 误区 表现 后果 质量等于校验 配置了一堆规则，定期跑稽核任务 只能发现问题，不能解决问题 质量与开发脱
指标体系建设太慢？AI批量创建指标的方法
建指标，为什么成为数据落地的拦路虎 构建统一、规范的指标体系是数据治理的基石。然而在实际的项目交付与日常运维中，指标建设面临三个典型困境： 困境 具体表现 人工成本极高 创建一个标准指标通常
数据开发和数据治理怎么一体化？嵌入流程而非事后检查
很多企业的数据治理项目都走过同样的弯路：治理团队制定标准、写文档、发规范，开发团队按自己的节奏继续开发，两条线各跑各的。结果是标准变成文档柜里的摆设，开发完的资产不符合规范，治理无法落地。问题的根源不
国央企集团管控怎么做？穿透式数据治理体系搭建指南
国央企集团管控的核心挑战在于：多层级组织结构下数据分散、口径不一、监管穿透不足。解决之道是通过统一数据标准、统一技术架构、分级数据运营和多类管理应用，让标准、指标和分析链路从集团总部到下属单位逐级对齐
