Alkemi：把数据分析师塞进 Slack 对话框，免费的

2026-02-28 | Product Hunt | 官网

30秒快速判断

这App干嘛的：在 Slack 里用大白话问数据问题（"上周销售漏斗涨了多少？""哪个产品在涨？"），直接出图表和答案。背后连着你公司的 Snowflake、BigQuery、HubSpot 等数据源。

值不值得关注：值得关注。这个方向（对话式 BI + Slack 原生）是 2026 年 BI 赛道的明确趋势，而且现在完全免费。团队是西雅图连续创业兄弟档，都有成功退出经验。但产品刚发布一周多，成熟度存疑。

和谁比：

• Slack AI 原生功能只能搜 Slack 内部数据，不连外部数据源
• Tableau/Metabase/Mode 都是传统 BI 工具，需要切换到独立界面
• Alkemi 的差异就是：在你已经待着的 Slack 里，用聊天方式查外部数据

与我有关三问

与我有关吗？

目标用户是谁：

• 销售/市场/运营团队里那些"经常在 Slack 讨论业务指标，但查数据得切到另一个工具"的人
• 小公司没有专职数据分析师，大家都得自己查数据
• 营收运营（RevOps）团队，天天在 Slack 里讨论销售漏斗和转化率

我是吗：如果你符合以下任一条件，你就是目标用户：

• 你在 Slack 里讨论业务时，经常需要"等一下，让我查个数据"
• 你的数据在 Snowflake/BigQuery/HubSpot 里，但你不会写 SQL
• 你经常想问数据分析师一个"小问题"，但不好意思开口

什么场景会用到：

• 周会前：在 Slack 里快速拉一个上周销售漏斗变化图
• 讨论中：有人问"哪个渠道 ROI 最高？"，直接 @ Alkemi 出答案
• 不需要这个：你的数据不在上述数据源里，或者你不用 Slack

对我有用吗？

ROI 判断：如果你的团队超过 5 人、天天在 Slack 讨论业务指标、且数据在 Snowflake/BigQuery 里——花 30 分钟试一下完全值得，反正免费。

喜闻乐见吗？

爽点在哪：

• 零切换成本：在你已经打开的 Slack 里直接问，不用再开一个 Metabase 或 Looker
• 自然语言查询：不用写 SQL，说人话就行
• 即时图表：问完直接出图表，不用等分析师画

"哇"的瞬间：

"这东西切中要害了。如果团队在 Slack 协作，但数据却散落在别处，那就是纯粹的内耗。在决策发生的瞬间提供真实的答案？这就是杠杆。" — @Faazsh (Twitter)

团队态度：

"我们需要最直接的反馈。告诉我们什么能让这个工具对你变得必不可少。我们正在快速迭代。" — Connor Folley, 创始人

说实话，产品太新（发布才一周多），大规模用户反馈还没出来。目前看到的基本是 PH 发布首日的早期反应。

给独立开发者

技术栈

• 数据连接层：Snowflake, BigQuery, Databricks, HubSpot, Looker, CSV
• 核心机制：将数据源转换为结构化的 "Agent 可用函数"——说白了就是把表结构和查询逻辑封装成工具函数，AI Agent 调用这些函数生成查询
• 协议支持：MCP（模型上下文协议）兼容，开源了 MCP Server
• 平台：Slack Bot + Web 版 DataLab
• 架构哲学：API 优先，适配 LangChain/LlamaIndex 等 RAG 框架

核心功能实现

Alkemi 的核心不是简单的 Text-to-SQL。它把每个数据源的架构和业务语义封装成 "结构化函数"，AI 调用这些函数时，生成的查询是有约束和验证的——这就是他们说"响应是可靠的，而不仅仅是方便"的意思。相当于给 LLM 一个类型安全的工具箱，而不是让它自由发挥写 SQL。

这个思路和 Cursor 用 AST 理解代码是同一个路子——他们自己也说是 "业务团队的 Cursor"。

开源情况

• GitHub：alkemi-ai/alkemi-mcp — MCP Server 已开源，可以让任何 MCP 客户端用自然语言查询数据库
• 核心 Slack Agent 产品未开源
• 自己做难度：中高。MCP Server 部分有参考，但核心的架构 → 函数映射 + 自然语言理解是关键壁垒。预计 2-3 人月可以做个 MVP。

商业模式

• 当前免费（增长期策略）
• 双引擎模式：
  1. Slack Agent / DataLab — 面向企业用户，自助查询
  2. DataLab for Data Providers — 面向数据提供商，让他们安全地把数据卖给 AI 开发者（$4.4T AI 数据经济）
• 未来大概率走按用量计费或按席位订阅模式

巨头风险

高风险。Slack 自己在做 AI Agent 生态（Agentforce + Slack AI），Salesforce 是 Slack 的母公司。一旦 Slack 原生 AI 支持连接外部数据源（BigQuery, Snowflake），Alkemi 的核心差异就被抹平。不过短期内 Slack AI 还只能搜索 Slack 内部数据（$10-15/人/月），给了 Alkemi 窗口期。

另一个威胁是 Google（BigQuery + Gemini）和 Snowflake（自带 AI 功能）从数据侧切入。

给产品经理

痛点分析

• 解决什么问题：团队在 Slack 讨论业务决策时需要数据支撑，但数据在另一个系统里，查数据得等分析师或自己切换工具
• 痛点有多痛：高频（每天多次）、中等刚需。创始人 Connor 说在他待过的每家公司，Slack 是收入对话发生的地方，但人们不好意思为一个"小问题"去打扰分析师

用户画像

• 主力用户：销售/市场/运营团队里的非技术人员
• 决策者：销售副总裁, 营收运营主管, 首席营销官 (CMO)
• 使用场景：周会/日站会前查指标、讨论中实时验证假设、月度复盘时拉趋势图

功能拆解

竞品差异

可借鉴的点

1. "在用户已经在的地方交付价值"——不是让用户来你的仪表盘，而是把答案送到 Slack 对话里
2. 免费 + MCP 开源的增长策略——先占生态位，再考虑变现
3. **"业务团队的 Cursor"**的定位叙事——借已有认知降低理解成本

给科技博主

创始人故事

• Connor Folley：前 Amazon 营销经理 → 2018 年创办 Downstream（Amazon 广告分析平台）→ 2021 年被 Jungle Scout 收购 → Jungle Scout 待了两年 → 创办 Alkemi
• Maxwell Folley：Connor 的亲兄弟，之前创办 Caravel（对话智能平台），被 Commsor 收购
• 兄弟创业+双双退出：这个故事本身就有写头。西雅图两兄弟，分别创业、分别被收购、然后合伙做新项目
• Ryan Breen：联合 CEO（少见的双 CEO 结构），细节待挖

动机引述：

"在我工作过的每一家公司，Slack 都是收入对话真正发生的地方。团队在讨论销售漏斗时需要一个数据点，但往往会犹豫要不要去打扰分析师。" — Connor Folley

争议点/讨论角度

• Slack 会不会自己做？ Salesforce 刚宣布 Slack AI Agent 生态，Alkemi 能活多久？
• "对话式 BI"是真需求还是伪需求？ 人们真的会在 Slack 里查数据，还是更习惯开仪表盘？
• 数据准确性问题：AI 生成的查询靠谱吗？出错谁负责？
• 免费能撑多久？ 7 人团队、$1.65M 种子前轮，免费策略能持续多久？

热度数据

• PH 投票：94 票（中等偏低，不是爆款）
• Twitter 讨论：主要是团队自发推广，自然讨论极少
• GeekWire 专访：获得了西雅图科技媒体的关注
• RevGenius 社区：在营收运营社区主动征求反馈

内容建议

• 适合写的角度："当 Slack 成为新的 BI 入口——对话式分析会取代仪表盘吗？"
• 蹭热点机会：Slack AI Agent 生态刚起步，Alkemi 是第一批吃螃蟹的

给早期采用者

定价分析

隐藏成本：初始配置需要 IT 帮忙连接数据源（Snowflake/BigQuery），这部分可能需要协调时间。

上手指南

• 上手时间：15-30 分钟（如果 IT 已配好数据源连接）
• 学习曲线：低（会打字就会用）
• 步骤：
  1. 访问 alkemi.ai/slack-agent，添加 Slack App
  2. 连接数据源（Snowflake/BigQuery/HubSpot/CSV），或用示例数据集体验
  3. 在 Slack 里 @ Alkemi，用自然语言提问
  4. 获得答案、图表、建议

坑和吐槽

1. 产品太新：2026年2月18日才发布，稳定性和功能完整度都没经过大规模验证
2. 数据源限制：目前支持 Snowflake、BigQuery、Databricks、HubSpot、CSV——如果你用 MySQL/PostgreSQL 直连，可能暂时不支持
3. AI 准确性：对话式查询的准确性是行业通病，复杂查询可能出错。他们声称用结构化函数提高可靠性，但没有公开基准测试

安全和隐私

• 数据存储：数据不离开你的基础设施，AI 模型只做只读推理
• 隐私政策：官方隐私政策
• 不训练模型：明确承诺查询和结果不用于训练外部模型
• 审计能力：所有会话可审计，受现有安全策略管控
• 安全审计：暂无第三方安全审计报告（太新了）

替代方案

给投资人

市场分析

• 对话式 AI 市场：2026年 $17.97B → 2034年 $82.46B，年复合增长率 21%（Fortune Business Insights）
• BI 市场：对话式 BI 被 ThoughtSpot 列为 2026 年 十大 BI 趋势之一
• Slack 生态：日活用户 4720万，月活用户约 7900万，年收入预计 $1.3B（DemandSage）
• AI 数据经济：$4.4T（Morningstar/PR Newswire）

竞争格局

时机分析

• 为什么是现在：
  1. Slack 刚开放 AI Agent 生态（Agentforce），第三方 AI Agent 可以原生嵌入 Slack
  2. MCP 协议兴起，数据工具需要 AI 原生接口
  3. 81% 的业务人员已经在用 ChatGPT 做决策（NBER 研究），但缺乏可信数据源
• 技术成熟度：LLM 的自然语言理解已足够支撑对话式查询，但准确性仍是挑战
• 市场准备度：高——"AI 赋能数据" 是 2026 年最热赛道之一

团队背景

• Connor Folley（联合创始人兼 CEO）：前 Amazon 营销经理，Downstream 创始人（2021 被 Jungle Scout 收购）
• Maxwell Folley（联合创始人）：Caravel 创始人（被 Commsor 收购）
• Ryan Breen（联合创始人兼联合 CEO）
• Aristotle Andrulakis（联合创始人兼 CIO）
• 团队规模：7人

两位创始人都有创业 + 成功退出经验，且投资人原班人马回来支持，这是很强的信任信号。

融资情况

• 已融资：$1.65M 种子前轮
• 领投：Tuesday Capital
• 跟投：DNX, MGV, 天使投资人（均为 Downstream 原投资人）
• 估值：未披露

结论

一句话判断：Alkemi 抓住了一个真痛点（Slack 里查数据），但在一个巨头虎视眈眈的赛道上跑。免费 + MCP 开源是聪明的增长策略，能不能在 Slack 原生 AI 吃掉市场之前建立壁垒，是关键问题。

资源链接

2026-02-28 | Trend-Tracker v7.3