面对横跨 40+ 实体、100+ 成本中心、数百个支出类别 的十年期业务预测，一家云数据巨头的财务团队用一年时间，把一个不断打补丁的巨型 Excel 模型，重建为建在数据仓库之上的规划平台 Snowplan——并引入对话式 AI，让战略推演从"开会拉数"压缩成一轮自然语言问答。
长期规划是财务团队最重要的工作之一，也是最难规模化的一项。业务越复杂，规划模型就越庞大。当规模超出现有工具能力时，财务团队做了最常做的事：构建一个巨大的 Excel 模型。
随着时间推移，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。它确实能用，但看起来像一个"弗兰肯斯坦"——价值越来越高，但维护、治理和扩展也越来越困难。
一年多以前，他们做了一个关键决定。把长期规划模型重建在 Snowflake 上，用 Streamlit 作为 UI 层，让分析师和高管可以直接与预测结果交互。这就是内部规划应用 Snowplan。
离线 workbook，手工更新实际数据，公式易损坏，版本混乱，难以治理与扩展。
模型建在数据仓库中，天然连接原始数据源，假设可版本化，场景可对比，权限可管控。
注：对比基于原文描述的架构特征归纳，非性能基准测试数据。Streamlit 界面的修改直接写回 Snowflake，模型运行后新输出立刻回显，不再有版本不一致问题。
最重要的决定，是把模型建在数据本来就已经存在的地方。Snowplan 运行在 Snowflake 上，天然连接着原始数据源和治理过的数据模型——不需要手工把 actuals 更新进模型，也不需要反复协调离线数据拉取。
这带来了三方面优势：模型可以真正扩展（十年预测、横跨资产负债表与自由现金流的大数据量正是仓库擅长处理的负载）；更容易治理（基于角色权限和行级控制，不同角色只看到自己应该看到的数据）；还能复用同一平台支撑多种财务工作流。
不同角色在同一个平台上工作，看到的界面各不相同：
细粒度输入页面、假设管理、场景创建与版本控制。
逻辑与假设变更可见性，便于审阅与批准。
整合后的 P&L、自由现金流及关键场景视图。
Streamlit 让 Snowplan 变得可扩展、可用；Snowflake CoCo 则让它变得可对话。
在引入 CoCo 之前，分析师已经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、调哪个假设、以及如何理解改动带来的下游影响。
CoCo 改变了这种交互模式。现在不需要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：比较两个版本的预测并总结主要驱动因素；追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；或者问哪些假设最值得关注。
对于财务团队来说，对话式规划之所以可行，前提是数字必须值得信任。
CoCo 并不是在脱离业务上下文的情况下凭空生成一个预测数据。它是在与支撑 Snowplan 的同一套治理数据、假设和逻辑交互。当它比较版本、解释驱动因素或创建场景时，依赖的是已经在用的 Snowflake 数据模型和规划逻辑。
每个场景都可以版本化，每次修改都可以被审阅，访问控制也可以沿用应用本身的角色模型。分析师和高管可以比较前后差异、理解变化内容，并在需要时把场景向前推进或回滚。
这不是让财务领导者去相信一个 black box，而是用 AI 去操作一个治理良好的规划平台。在这个平台里，数据、业务逻辑、权限和输出都是可见、可解释、可审计的。
正因如此，同一套架构已经开始支撑远超长期规划的其他工作流：
注：标签云中高亮项为 Snowplan 最初用例，其余为同一架构已支撑或可扩展的工作流。每一个新工作流都可复用相同的治理基础与 Streamlit 界面层。
越来越多的财务团队会沿着这样一条路径前进——它不是关于让财务团队变得"更技术化"，而是把更多时间还给判断力。
不再维护离线 workbook，模型直接嵌入财务数据、权限、逻辑和历史记录本来就存在的环境。
用 Streamlit 等工具提供对财务用户友好的界面，支持假设编辑、场景对比与版本控制。
引入 CoCo 类工具，让分析师和高管可以用自然语言提问、调整假设、解释变化——在战略讨论进行时持续迭代。
长期规划本不该只是维护一个庞大的 workbook。它应该帮助团队理解企业未来的发展方向，帮助领导者判断在哪里投资，如何平衡增长与盈利，哪些风险正在浮现，以及哪些取舍最为关键。
企业级 AI 的真正壁垒不在模型参数，而在"治理基座"——当 AI 操作的是一个数据可见、逻辑可审计、权限可管控的平台时，对话式规划才从演示走向生产。财务团队的价值不在于算得更快，而在于能在战略讨论还在进行时，持续挑战假设、评估取舍、塑造叙事。
Snowflake CoCo 与 Streamlit 均为开放可用的产品级工具，企业可基于自身数据仓库构建对话式规划平台。
了解 Snowflake CoCo → 探索对话式分析