一家BI公司：当下决定转型
宝洁CIO曾坦言，AI虽强大却难以理解其经营逻辑，这一现实问题恰为观远数据的战略转型提供了注脚。这家数据分析服务商正从BI领域迈向决策智能，试图重新定义企业数据应用的核心价值。
今年3月，观远数据创始人苏春园在密集拜访客户期间，从宝洁CIO那里听到一句直指要害的评价：“AI看起来很强，但它不懂宝洁的经营逻辑，所以不敢把它放进关键的决策流程。”这句话促使他为公司即将进行的战略转型做最后准备。
过去近十年，观远数据与绝大多数BI公司一样，致力于帮企业把数据看清楚：报表、仪表盘、可视化、指标体系，这些都扮演着“后视镜”和“仪表盘”的角色，告诉使用者发生了什么、正在发生什么。但客户已不满足于“看见”，他们渴望的是“抵达”。更深层的压力则来自另一方向。
BI的护城河？
过去两年，大模型能力的爆发催生了一大批“ChatBI”工具。用户只需说一句话，AI就能直接给出分析结果，无需任何中间报表。尽管这些工具在复杂场景下远未成熟，但它们的出现从根本上动摇了BI的价值主张：如果数据洞察可通过对话直接获得，为何还需要一个专门做报表的系统？BI公司的护城河，似乎正被大模型从底部掏空。
就在上周，观远数据在杭州宣布成立十年来的首次转型：从“数据智能”全面转向“决策智能”，从以数据为中心的系统转向以决策为中心的系统，并配套发布了DecideX·AI决策智能平台。放在更大的背景下来看，这一转型从当下境况而言是一种必然。过去一年，整个中国企服赛道被大模型和Agent冲击得七零八落，BI公司首当其冲。
作为观远数据创始人兼CEO，苏春园给出的判断是：2026年，长链Agent能力将实现从量变到质变，“以数据出发，真正开始有机会能够让行动发生”。数据分析领域长期存在“四层阶梯”：描述性分析、诊断性分析、预测性分析、处方性分析。绝大多数企业BI建设停留在前两层，越往上越少。两个瓶颈长期卡住了突破：非结构化数据的处理能力（已被大模型解决），以及四层之间的算法模型点状割裂（正被长链Agent解决）。
但技术可行不等于商业成立。过去一年，埃森哲股价跌去50%，手握近100亿美元AI项目积压合同也挡不住资本市场的用脚投票。这股恐慌情绪已蔓延至整个企业软件板块：Salesforce股价从高点跌去约50%，市值蒸发1600亿美元；ServiceNow跌幅超49%，Workday跌约58%，SAP跌约46%。此前，英伟达黄仁勋提出的AI产业“五层蛋糕”模型解释了这一现象：90%的营收流向了底层基础设施，应用层的公司正被市场重新定价。Manpower调研数据也显示，全球职场人群AI使用率上涨13个百分点，但对技术使用的信心暴跌18%。
“越用AI越迷茫。”企业数字化转型专家、前IBM与BCG资深顾问陈果说。这场迷茫是所有企业AI公司的共同困境。观远选择此刻All in决策智能，既有技术判断，也有商业现实的压力：BI赛道正被大模型公司和通用Agent平台从两边挤压，如果不往上走，就有可能被碾在中间。
三重考验，一个核心问题
观远依托大模型向决策智能的转型有一套完整的叙事：后视镜到导航仪的比喻、5A路径、FDE团队、Value Max理念。DecideX的产品架构也确实不像“BI加个Chat”那么简单，从企业级数据底座到决策上下文层，再到Agent编排和场景化数字员工。但现场的三个信息，值得分开来看。
几个客户案例显示，使用DecideX后，一家游戏服务商的数据分析周期从2个月缩短至1周，来伊份实现从20个关键SKU到100%全覆盖，部分连锁餐饮客户老客召回成本降低40%。但问题是，它们大多处于“从0到1”的验证阶段，是否能跑通“从1到N”的规模化复制，还需进一步验证。FDE模式跟客户“一起进入业务现场去交付结果”，深度服务优势明显，但每拓展一个客户就要投入一个高成本团队，而且“100%持证上岗”的人才极度稀缺。当客户从几十家走向几百家时，这个模式能否撑住，发布会并未正面回答。
苏春园还提到了当下行业热议的Token Maximization话题，“Token消耗很多，并不天然代表价值”。但他提出的Value Max落到商业层面，面临一个朴素的问题：谁来定义价值？这个价值由FDE团队和客户一对一共同定义。这本质上就是项目制，Palantir也是项目制而且活得很好。但对一家筹备港股IPO的公司，资本市场会问：你的收入增长和FDE团队增长之间，是不是1:1的关系？观远的应对是“产品化FDE”，通过DecideX平台把行业能力沉淀下来降低边际成本。方向是对的，但这也是Palantir花了二十多年没有完美解决的事。
最有趣的部分其实是苏春园花十分钟讲观远自己的组织转型：双核驱动模型、20多个POD小组、公司级AI工作台CodeMarrs。他说是被客户“启发”出来的，“过去几周跟老客户聊，最多的反馈是‘你一定要分享你们自己怎么做AI组织转型的’”。客户很朴素：你要帮我做决策智能化，你自己用AI了吗？观远AI原生转型已完成约40%，听起来不错，也意味着这家公司有两件事得同时做：帮客户完成决策智能转型，同时推动自身完成AI原生转型。这两场硬仗需要观远付出持续的努力。
这三个问题——案例从1到N、FDE从重到轻、自身转型从40%到100%——指向同一个核心：观远能否从一家“能做”的公司，变成一家“能规模化”的公司。
出路
除了国内市场，观远也在积极布局出海业务。策略方面，观远提出的三层出海路径包括：伴随客户出海、以AI方案自然吸引、主动拓展海外市场。目前上述三个路径在观远已具备实际落点：例如印尼的5家战略合作伙伴、校企合作项目、中国香港直客服务，以及下半年推进的欧洲计划。尤为值得关注的是，欧洲市场存在结构性机会：部分原本采用北美大厂产品的客户，其需求并未得到充分满足，而中国厂商的解决方案恰好可填补这一空白。若此判断能获得具体产品与案例支撑，出海业务有望形成一条极具说服力的增长曲线。
据笔者了解，观远面向港股的IPO也正在筹备中，时间预期在两年左右。2016年，苏春园创立观远时，使命是“让业务用起来，让决策更智能”。近十年后，“决策智能”从一句愿景变成了Gartner魔力象限里的一个独立品类。剥开叙事去看，能看到的更多是一个行业变革的缩影：BI正在被AI重塑，老牌BI公司在积极寻找出路；通用大模型公司从另一方向逼近，它们不懂行业场景，但拥有更强的技术底座和资本弹药。
观远走的是往决策智能方向的路，把壁垒建在行业know-how和决策上下文上，这是通用大模型公司短期不愿意也没有能力做的。但它面临的挑战同样真实：FDE模式的重服务能否跑通规模、决策上下文的高定制化能否降低边际成本、Value Max的理念在短期商业化压力下能否坚持。观远方面反复强调，他们不是要成为中国的Palantir。但无论是FDE模式、Ontology方法论还是决策闭环的叙事，观远和Palantir的相似之处都很难被忽略。区别在于，Palantir花了二十多年建立起政府和企业客户的信任壁垒，客户一旦接入几乎不会更换；观远面临的竞争环境更复杂，大模型公司、通用Agent平台、传统BI竞品，甚至客户自己的IT团队，每一方都在争夺“决策”这个制高点。
宝洁CIO那句“AI很强，但不懂宝洁的经营逻辑”，是整个行业共同的困境。观远能否成为那家“懂”的公司，才是DecideX真正要面对的考题。这场从BI到决策智能的跃迁，不仅关乎技术升级，更考验着企业在规模化服务与深度定制间的平衡能力。