Compass（getwhys.io）是 AI 驱动的因果分析平台，帮助用户从数据中发现"为什么"——即事件之间的因果关系而非相关性。它结合统计分析和 AI 推理，自动识别影响业务指标的关键因素，适用于营销归因、用户行为分析和运营优化场景。

Compass

核心参数与统计

Compass（getwhys.io）是 AI 驱动的因果分析平台（Type D - 生产力/业务端应用），帮助用户发现数据中的因果关系。

项目	公开信息
产品定位	AI 因果分析平台
核心能力	因果推断、数据分析、自动归因
平台	Web
归属地	US
商业模式	SaaS 订阅

一句话简评：Compass 不是又一个 BI 工具，而是"AI 版的因果推断"——它不只是告诉你"发生了什么"，而是告诉你"为什么发生"。

用户与市场认可

Compass 在数据分析和营销科技领域有一定关注度，其"因果分析"的定位区别于传统 BI 工具（Tableau、Looker）和 AI 数据分析工具（ThoughtSpot）。具体客户数据和营收以官方披露为准。

成本优势

• C端/个人：提供免费试用。付费方案按数据量和功能订阅。

• API/开发者：未公开独立 API。

• 企业/私有化：提供企业方案，需商务确认。

• 免费的真相：免费试用通常有时间或数据量限制。正式使用按数据量和功能订阅收费，因果分析的数据存储和计算成本可能高于预期。

• 合规与风险：因果推断本质上是统计方法，AI 发现的"因果"关系仍需领域专家验证——错误地将相关性当作因果关系可能导致错误的业务决策。

• 隐性收益：Compass 的最大隐性价值是"让非统计专家也能做因果分析"——传统因果推断需要专业的统计学知识（工具变量、DID、RDD 等），Compass 将这些复杂方法封装为自动化分析。

【专家视点】：因果推断是数据分析领域"圣杯级"的难题。Compass 的自动化因果分析在数据质量高、业务逻辑清晰的场景下效果显著，但在数据稀疏或混杂变量复杂的场景下，其结论的可靠性需要审慎评估。建议用户始终将 AI 发现的"因果关系"当作假设而非结论，用 A/B 测试或实验设计来验证。

主要功能

• 因果分析：自动识别影响业务指标的关键因素。适用任务：理解数据变化的根本原因。
• 归因分析：量化不同因素对结果的贡献度。适用任务：营销归因、效果评估。
• 数据探索：交互式探索数据中的关系和模式。

模型与版本演进

以官方发布信息为准。

技术优势

Compass 的技术核心是因果推断（Causal Inference）的自动化。传统 BI 只能展示相关性（A 上升时 B 也上升），而 Compass 试图回答"如果改变 A，B 会怎么变化"的反事实问题。这在技术上需要结合统计因果模型和 AI 推理，比传统的相关性分析复杂得多。

降维打击场景：需要理解"什么真正驱动了业务指标变化"的数据分析场景——与 BI 工具配合使用（BI 告诉"发生了什么"，Compass 告诉"为什么发生"）。

• 人机协作边界：可 100% 自动化：数据接入和初始因果分析。需要人工确认：因果关系的业务合理性、分析结果中混杂变量的处理、最终决策前用实验设计验证因果假设。

如何使用

访问 getwhys.io → 连接数据源 → AI 自动分析因果关系 → 交互式查看结果。

产品定价

以官网实时定价页面为准。

应用场景

• 营销归因：理解哪些营销渠道真正驱动了转化。推演：从"看最后一次点击归因"→"AI 发现真正的驱动因素"。

• 用户行为分析：发现影响用户留存的关键行为。

• 运营优化：识别提升业务指标的有效策略。

适用人群

• 数据分析师、营销分析师、产品经理、数据科学家

不适配边界：不适合只需要描述性统计（"发生了什么"）的简单分析场景，也不适合数据量小或数据质量低的场景（因果推断需要充足数据才能可靠）。

总结与展望

Compass 代表了数据分析从"描述性分析"到"因果分析"的进化方向——用 AI 让因果关系发现自动化。

采购/采用风险评估：采用 Compass 需评估：① 因果分析的可靠性（关联≠因果，AI 推断的因果仍需领域知识验证）；② 数据接入的便捷性和兼容性；③ 定价与价值匹配度。

版本信息

• current ：当前版本。 （~2025-09）
• launch ：产品上线。 （~2024-06）