“老司机”，几乎每个人都听过这个词。今天，我们打开导航、输入目的地，就能轻松抵达任何地方。但在不到三十年前，“认路”曾经是一项决定司机职业价值的核心能力。
截至2024年底，中国机动车驾驶人数量已超5.4亿人，出租车和网约车司机规模达到千万级。如果把时间拨回三十年前，这些人中的大多数未必都能成为一名合格的司机。因为那个时代，开车容易，认路很难。
本图由 AI 制作
导航出现之前，司机的核心竞争力不是驾驶技术，而是对道路网络的理解：哪条路最快、哪里容易堵车、哪些区域需要绕行，都依赖长期积累的经验。经验越丰富，价值越高。而正在企业中、在市场中经营的我们，认路吗？我们可知道自己负责的业务板块今天处在什么位置，后续6个月需要赶到哪里，并且，如何过去？或许 GPS 导航的故事指向了答案。
01 GPS 与数字地图
GPS 与数字地图的结合，重塑了司机的工作和决策方式。
1978年，第一颗 GPS 卫星升空，全球定位系统进入发展阶段。最初，GPS 主要服务于军事领域。直到2000年高精度民用信号开放，再加上数字地图和移动互联网的发展，高德地图、百度地图、Google Maps 等产品迅速普及，智能导航逐渐成为每个人的基础工具。
GPS 回答的是“我在哪里”，地图回答的是“路在哪里”，而算法回答的是“该怎么走”。当定位、地图、实时交通和算法结合在一起，机器第一次具备了辅助人类决策的能力。
过去，哪条路最快、哪里容易堵车、如何避开收费路段，都需要依靠老司机长期积累的经验；今天，这些判断已被沉淀为数据和算法，由系统实时完成。导航因此不再只是地图工具，而成为决策工具。它改变的不只是出行效率，更改变了能力的分配方式。
因此，曾经掌握在少数人手中的经验，被转化为所有人都能随时调用的能力。一个从未去过某个地方的人，也能像老司机一样抵达目的地。GPS 导航没有取代司机，而是让更多人成为了“老司机”。
历史的发展往往具有惊人的相似性。
如果把视野从道路交通转向企业经营，会发现今天的企业正站在类似的节点上。过去二十年，企业积累了海量数据：销售、会员、库存、营销、供应链、运营数据等等不断增长。但一个问题始终存在——拥有数据，并不等于拥有决策能力。
对于企业来说，每天都会面对大量经营问题：为什么区域增长放缓？为什么门店转化率下降？为什么营销投入增加，却没有带来销售增长？为什么客户流失率突然提高？
这些问题看似不同，本质上都是决策问题：业务在市场中处于什么位置、何时要到达什么地方、下一步如何前进。
过去，这种能力往往掌握在少数数据分析师手中。他们理解数据、熟悉指标、能够穿透多个系统找到问题根因，就像企业里的“老司机”，知道通往答案的路径。但分析师终究是少数，而真正身处经营一线的业务人员，却很难具备同样的数据分析能力。这也成为许多企业数字化建设中的长期瓶颈——数据越来越多，能够利用数据做决策的人却没有同步增加。
02 数据与人工智能
而今天，Data+AI 正在改变这一局面。
如果说 GPS 和地图帮助司机解决的是“应该怎么走”的问题，那么 Data Agent 正在帮助企业回答“应该如何经营”的问题。它不仅能够展示数据，更能够理解数据、分析原因，并给出行动建议。
对于业务人员来说，经营也正在拥有自己的“导航系统”：当出发时，它能定义起点和目标；当增长放缓时，它能够定位问题；当指标异常时，它能够分析原因；当面临选择时，它能够给出下一步方向。
本图由 AI 制作
在 Kyligence（跬智信息），一位负责项目落地的团队成员开玩笑地说：“门店店长用了 Data Agent 之后，骂人和被骂的次数都少了（哈哈）。”他说的，是某全国西式连锁快餐领军企业的真实案例。区域经理每天要管理数百家门店。当某个区域增长突然放缓时，他们往往只知道“结果变差了”，却很难快速回答“为什么”。过去，他们需要在销售、会员、营销、库存等多个系统之间来回切换，对比几十个指标，再反复与总部分析师沟通验证，一个问题常常要花上数小时甚至几天才能定位。
引入 Kyligence AI Data Agent 后，区域经理只需提出一句：“为什么华东区域本周增长低于预期？”系统便能自动关联多源数据，快速定位根因，例如新品套餐转化率下降、部分门店备货不足等。当要给出优化建议时，Data Agent 会横向对比相似门店的成长路径，拆分绩优门店在不同成长时期的关键指标作为阶段目标，为新门店的运营建立“导航系统”，将沉淀的成功运营经验以“ AI 对话式决策”的形式复制到每个一线决策者。可以说，Data Agent 让真正靠近门店、靠近客户的人，第一次拥有了自主发现问题、解决问题的能力。
但要实现上述效果，其实非常考验企业的数智化架构能力和 Data Agent 的产品力。Kyligence 联合创始人兼 CTO 李扬曾提到：“我不想把 Data+AI 建设说得那么重，但在 AI 时代，对待数据一定要严肃和认真。”
因为一旦 AI 的数据回答出现偏差，意味着企业已存在指标混乱、口径不一等问题，并由此做出错误决策。为此，Kyligence 强调建设统一语义层，通过指标平台统一企业指标定义和业务口径，并采用“自然语言→指标查询→SQL（NL to Metric Query to SQL）”的技术路径，实现结果可解释、可追溯、可验证，让 AI 建立在可信数据基础之上。
Kyligence Data Agent 产品界面
而在 Data Agent 的产品打磨上，Kyligence 并没有把 AI 做成“无所不答”的通用助手，而是采用场景化、多智能体设计，将问数、归因分析、智能报告和经营建议等能力拆分为不同专业助手，并结合专家知识库等持续优化模型表现。同时，产品始终围绕“让业务人员用得起来”进行设计，通过自然语言交互、一键生成分析报告、嵌入飞书等日常办公场景以及更加简洁直观的界面，大幅降低数据分析门槛，让用户是在向一位懂业务的经营参谋提问。
Kyligence AI 落地的愿景，就是让数据能力真正普惠到企业的每一个角落，让更多人能够看懂数据、提出问题、获得洞察，并将数据能力转化为日常经营决策的一部分。我们相信，在 AI 时代，“智能导航与司机”的故事会再次上演。当坚实的数据底座与 AI 智能体深度结合，当复杂的数据分析被封装成人人可用的产品和服务，越来越多普通员工将能够像老司机一样使用数据。这时，每个人也正在成为更好的经营者。
关于 Kyligence
跬智信息（Kyligence）由 Apache Kylin 创始团队于 2016 年创办，是领先的 Data+AI 公司，为企业客户提供大数据分析平台、AI 智能分析平台等相关的产品和解决方案，以 AI 赋能全民用数，帮助企业充分利用数据价值，加速数智化转型。
Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户，包括建设银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、星巴克、安踏、李宁、阿斯利康、UBS、MetLife 等全球知名企业，并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence 获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本等机构多次投资。