我们如何使用 CoCo 和 Streamlit，让长期规划实现对话式交互 | 技术趋势

2026 年，智能体将在企业级应用中取得哪些实质性突破？ 点击下载 "《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！ 长期规划是财务团队最重要的工作之一，但它同时也是最难规模化的一项工作。 在 Snowflake，我们需要针对一个已经变得极其复杂的业务做 10 年期预测：涉及 40 多个实体，每个实体下面又有 100 多个成本中心，以及数百个支出类别。我们之所以需要做到这种细颗粒度，是因为长期规划已经不只是财务部门内部的产物，它已经成为其他团队依赖的一套数据集。 比如，税务团队需要的并不只是高层级的费用预测。他们往往还需要理解货物与服务的拆分、法律实体、司法辖区以及其他对规划至关重要的运营细节。资金团队需要现金视图。人力规划需要 headcount 假设。高管则需要理解增长、利润率、投资和自由现金流之间的战略权衡。 这就意味着，规划模型必须同时支撑所有这些需求。 于是，和很多公司一样，当业务规模超出现有工具能力时，我们做了财务团队最常做的那件事：构建了一个巨大的 Excel 模型。 随着时间推移，它也逐渐变成了大多数大型财务模型最终会变成的样子。它确实能用，但看起来像一个“弗兰肯斯坦”。新 tab 一直往上加，新公式不断补丁式拼接，新逻辑叠加在旧逻辑之上，以适应不断变化的业务。这个模型的价值越来越高，但维护、治理和扩展也越来越困难。 这是我们首先要解决的问题。 从电子表格模型到规划平台 一年多以前，我们把长期规划模型重建在 Snowflake 上，并使用 Streamlit 作为 UI 层，让分析师和高管可以直接与预测结果交互。 这就是后来的 Snowplan，也就是我们的内部长期规划应用。 我们的目标不是做一个 dashboard，而是做一个真正的规划平台。我们希望它对财务用户来说依然直观，但底层同时拥有 Snowflake 的扩展能力、治理能力和计算能力。 在 Snowplan 中，分析师可以通过可编辑的 Streamlit 界面更新各种假设。这些修改会直接写回 Snowflake，模型在其中运行，而新的输出也会立刻回显到应用中。不再有公式损坏的问题，不再需要来回保存文件，也不用再猜到底哪个版本才是 source of truth。 这种架构改变了整个规划流程。 我们不再维护一个庞大的离线 workbook，而是拥有了一个与实际业务原始数据源相连接、并带有治理能力的应用。实际数据可以自动流入模型，而不用有人花几个小时去更新文件。各种假设可以被版本化，场景可以被对比，不同角色的用户也可以按适合自己的细粒度，在同一个规划平台上工作。 对于 individual contributors 和 associates，Snowplan 提供细粒度输入页面、假设管理、场景创建和版本控制。对于 directors 和 managers，它提供逻辑和假设变更的可见性，便于审阅与批准。对于高管，它提供整合后的 P&L、自由现金流以及关键场景视图。 这很重要，因为长期规划从来不只是建模练习，它本质上也是一个对齐组织的过程。财务团队花在维护模型上的时间越多，真正拿去和业务一起推演战略的时间就越少。 上图中使用的数据均为完全合成数据 为什么把模型建在 Snowflake 中，改变了模型本身 我们做出的最重要决定，是把模型建在数据本来就已经存在的地方。 因为 Snowplan 运行在 Snowflake 上，所以它天然连接着我们的原始数据源和治理过的数据模型。这意味着，我们不需要再花时间手工把 actuals 更新进模型里，也不需要反复协调离线数据拉取。模型直接嵌在财务数据、权限、逻辑和历史记录本来就存在的环境里。 这带来了几方面优势。 第一，模型可以真正扩展。一个覆盖 10 年、横跨实体、成本中心、支出类别、headcount、收入、资产负债表和自由现金流的预测，会产生大量数据，而这正是 Snowflake 最擅长处理的负载类型。 第二，模型更容易治理。可以通过 Snowflake 的基于角色权限和行级控制来管理访问，因此不同角色只会看到自己应该看到的数据和功能。高管不需要与分析师看到同样的界面，分析师也不需要为每个利益相关者额外导出不同版本。 第三，同一平台还可以支持人力规划、股权激励建模、司库现金预测、套期保值、法人主体预测、营业成本规划以及并购场景分析。 这才是更大的故事。Snowplan 不是一个一次性规划应用，它正在变成一个财务规划平台。 Snowflake CoCo 让场景规划变成了对话式过程 Streamlit 让 Snowplan 变得可扩展、可用；Snowflake CoCo 则让它变成可对话的。 在引入 CoCo 之前，Snowplan 已经给了我们一种更好的长期规划管理方式。分析师可以在应用里更新假设、运行不同场景并比较输出。但用户仍然需要自己知道该去哪里、要调哪个假设、以及如何理解这些改动带来的下游影响。 CoCo 改变了这种交互模式。 现在，我不需要再穿过一页页假设配置去找答案，而是可以直接用自然语言提问。我可以让 CoCo 比较两个版本的预测，并总结主要驱动因素；我可以问去年给董事会看的计划版本和现在正在准备的最新版本之间到底变了什么；我还可以问这些变化的净影响、利润率扩张或摊薄的关键驱动因素，以及哪些假设最值得关注。 这在高管规划里非常强大。 因为在准备董事会讨论时，真正的问题通常不是“你能给我最新的预测数据吗？”而是“哪些东西变了，为什么变了，这意味着我们的叙事该怎么调整？”CoCo 把这种原本需要手工比对才能完成的分析，压缩成了一场对话。 它带来的价值不只是速度，更重要的是：财务团队可以在战略讨论还在进行时持续迭代。 一个真实例子：围绕潜在税制变化做场景规划 最能说明问题的例子之一，就是围绕潜在税务变化进行场景规划。 在过去，这类问题通常从开会开始。我们会先和税务团队讨论问题，定义受影响销售额，拉数，建立假设，更新模型，审查输出，做敏感性分析表，然后再决定还需要谁参与。 而在 CoCo 接入 Snowplan 之后，这个过程变得流畅得多。 我可以先让 CoCo 概括潜在的税务变化。接着，我可以要求它创建一个新的 forecast 版本，假设这项税务变化会正式通过。 这会立刻演变成财务团队在会议里本来就会进行的那种来回推演：这项税是转嫁给客户，还是作为利润率损失吸收掉？有多大比例可以现实地转嫁？哪些销售会受到影响？它会对收入、毛利率、营业利润率和自由现金流产生什么影响？ 由于分析建立在 Snowflake tables 之上，CoCo 可以识别哪些销售会受到这项税的影响，输出财务影响，并给出支撑关键金额的核心指标。它还可以创建敏感性分析表，展示在不同税负转嫁比例下营业利润率会被稀释到什么程度。 同样重要的是，它还能够提示风险和注意事项。例如，一阶模型可能没有纳入企业为了支持申报、维护合规数据集或满足新增报告义务而产生的额外间接成本。这种提醒恰恰是优秀财务伙伴在把一个场景当成“结论”之前，必须主动提出的问题。 之后，CoCo 甚至还可以协助生成下一步动作，例如帮我们起草一封发给税务部门相关同事的邮件，总结分析结果、关键假设、待确认问题和决