“每個(gè)不會(huì)用SQL的人，都值得擁有一個(gè)Data Agent。

“今天市場(chǎng)部問(wèn)我：上周投放ROI為什么波動(dòng)這么大？可我還在等數(shù)據(jù)團(tuán)隊(duì)給報(bào)表……”

這是一位一線業(yè)務(wù)主管的真實(shí)吐槽。

在大多數(shù)中國(guó)企業(yè)內(nèi)部，一條高頻但低效的協(xié)作鏈路每天都在重復(fù)上演——業(yè)務(wù)部門想知道：為什么這個(gè)月的投放ROI突然下滑？財(cái)務(wù)想判斷：哪些產(chǎn)品線的成本結(jié)構(gòu)正悄悄惡化？人力想弄清楚：哪些崗位招聘周期開始拉長(zhǎng)，是否預(yù)示著人才供需變化？

問(wèn)題很清楚，數(shù)據(jù)和分析工具也并不缺，但真正的答案卻遲遲無(wú)法抵達(dá)。

與此同時(shí)，企業(yè)的決策節(jié)奏卻越來(lái)越快。在ROI波動(dòng)、成本異常、營(yíng)收下滑面前，等一個(gè)報(bào)表，就是錯(cuò)過(guò)一個(gè)窗口期。

這正是“Data Agent”概念被提出的背景——它不僅僅是一個(gè)更聰明的報(bào)表工具，而是一種面向決策流程的重構(gòu)方案：以“擬人化協(xié)作”的方式理解業(yè)務(wù)語(yǔ)言、調(diào)用底層數(shù)據(jù)、提供因果歸因與建議，并完成最終的任務(wù)交付閉環(huán)。

近期，網(wǎng)易數(shù)帆推出了自己的Data Agent產(chǎn)品——網(wǎng)易知數(shù)。

網(wǎng)易數(shù)帆并不是孤例。從微軟的Copilot到SAP的Joule，再到越來(lái)越多中國(guó)廠商的Agent化嘗試，這一波對(duì)數(shù)據(jù)分析的全新探索已在全球范圍內(nèi)不斷上演。

那么，網(wǎng)易數(shù)帆的Data Agent有什么不一樣？為了搞清楚這個(gè)問(wèn)題，數(shù)據(jù)猿對(duì)其技術(shù)產(chǎn)品進(jìn)行深入了解，并采訪了相關(guān)業(yè)務(wù)負(fù)責(zé)人，試圖一窺其真實(shí)面貌。

企業(yè)真正需要的

是能共創(chuàng)決策的AI搭檔

對(duì)大多數(shù)企業(yè)來(lái)說(shuō)，“有數(shù)據(jù)”從來(lái)不是問(wèn)題，問(wèn)題是“用不上”。每一個(gè)業(yè)務(wù)團(tuán)隊(duì)、每一次市場(chǎng)投放、每一輪預(yù)算復(fù)盤，似乎都能被數(shù)據(jù)優(yōu)化。但每一個(gè)數(shù)據(jù)請(qǐng)求、每一條分析鏈路、每一次報(bào)表協(xié)作，卻都讓人精疲力盡。

數(shù)據(jù)“用不上”的結(jié)構(gòu)性悖論

比如，在一家互聯(lián)網(wǎng)大廠，營(yíng)銷部的一個(gè)典型問(wèn)題是：上個(gè)月某產(chǎn)品線大促，ROI比預(yù)期低了不少。為什么？是投放失效？促銷品類錯(cuò)了？節(jié)奏不對(duì)？還是目標(biāo)群偏了？

但要回答這個(gè)問(wèn)題，需要從不同系統(tǒng)抽數(shù)、比對(duì)渠道、拆解漏斗，再來(lái)一次數(shù)據(jù)部和業(yè)務(wù)方的“翻譯游戲”。過(guò)程往往是這樣的：

業(yè)務(wù)方：“能不能查一下某個(gè)廣告位的點(diǎn)擊率是不是掉了？”

數(shù)據(jù)方：“你說(shuō)的是上周在投的那個(gè)campaign嗎？是哪一個(gè)人群包？”

業(yè)務(wù)方：“嗯……應(yīng)該是上周？就是我們重點(diǎn)投放的那批人群……我發(fā)你個(gè)截圖?！?/p>

這個(gè)拉鋸戰(zhàn)，可能持續(xù)兩三天。更嚴(yán)重的是，一旦錯(cuò)過(guò)最佳復(fù)盤窗口，這場(chǎng)“事后追問(wèn)”就失去了價(jià)值。

決策失速，是現(xiàn)實(shí)中最常見(jiàn)的數(shù)據(jù)風(fēng)險(xiǎn)

今天，市場(chǎng)環(huán)境的變化節(jié)奏遠(yuǎn)比企業(yè)內(nèi)部流程快。大多數(shù)決策，等待不了“審批制的數(shù)據(jù)支持”。業(yè)務(wù)窗口轉(zhuǎn)瞬即逝，錯(cuò)過(guò)一次，就是成本。

但在企業(yè)組織中，數(shù)據(jù)和行動(dòng)之間往往還隔著一道“認(rèn)知墻”。一線業(yè)務(wù)缺少工具能力，不會(huì)提問(wèn)、不懂解釋。數(shù)據(jù)團(tuán)隊(duì)缺少業(yè)務(wù)語(yǔ)境，只能交付結(jié)論，無(wú)法給出建議。系統(tǒng)之間信息不通，數(shù)據(jù)鏈路靠人力“補(bǔ)”，流程效率極低。

結(jié)果是，數(shù)據(jù)部門被異化為“拉數(shù)機(jī)器”，而真正的業(yè)務(wù)決策，還是靠拍腦袋。

在網(wǎng)易數(shù)帆的客戶案例中，許多業(yè)務(wù)場(chǎng)景的“提問(wèn)”其實(shí)高度重復(fù)：為何日活下降？哪個(gè)渠道轉(zhuǎn)化下降？哪個(gè)區(qū)域業(yè)績(jī)異常？但每一次分析，都需要重新走一遍“提數(shù)→找人→跑模型→寫報(bào)告”的流程，無(wú)復(fù)用，無(wú)沉淀。

這種困境催生了一個(gè)新的需求：企業(yè)不再希望“給我報(bào)表”，而是希望“告訴我為什么、讓我知道怎么辦”。

復(fù)合人才缺口，是數(shù)據(jù)無(wú)法落地的最后一公里

理論上，企業(yè)應(yīng)該培養(yǎng)更多“既懂業(yè)務(wù)又懂?dāng)?shù)據(jù)”的復(fù)合型人才。但現(xiàn)實(shí)是，這類人才極度稀缺，培養(yǎng)周期長(zhǎng)、轉(zhuǎn)化成本高。更麻煩的是，組織并不總有清晰路徑把這些人“嵌”進(jìn)關(guān)鍵業(yè)務(wù)流程中。

于是，“用上數(shù)據(jù)”的最后一公里，常常變成了“最后的斷點(diǎn)”。

市場(chǎng)期待真正的“AI搭檔”而不是另一個(gè)搜索框

過(guò)去一年，行業(yè)內(nèi)對(duì)“Data Agent”的探索不斷涌現(xiàn)。但仔細(xì)看，多數(shù)Agent還存在各種問(wèn)題，比如：缺乏語(yǔ)義厚度，不懂上下文，不理解行業(yè)概念；泛化能力弱，換一個(gè)場(chǎng)景就“宕機(jī)”；缺乏行動(dòng)機(jī)制，給出建議，卻無(wú)法真正推動(dòng)執(zhí)行。

而市場(chǎng)真正需要的，是一種“具備共創(chuàng)能力”的智能體：既能聽懂業(yè)務(wù)語(yǔ)言，也能理解數(shù)據(jù)邏輯，更能介入業(yè)務(wù)流程，形成閉環(huán)。

很明顯，對(duì)Data Agent的探索，還需要更進(jìn)一步。

網(wǎng)易知數(shù)的目標(biāo)，打造一個(gè)真正可落地的“數(shù)字員工型Data Agent”

在AI大模型浪潮席卷各行業(yè)的這兩年，“Data Agent”成為數(shù)據(jù)智能領(lǐng)域最被寄予厚望的方向之一——但它同時(shí)也是最難落地的一個(gè)。

大多數(shù)產(chǎn)品無(wú)法深入到“為什么發(fā)生”和“接下來(lái)該怎么做”，更談不上主動(dòng)推進(jìn)業(yè)務(wù)動(dòng)作、承擔(dān)分析任務(wù)。

網(wǎng)易數(shù)帆決定做一件難而正確的事：不只是做一個(gè)更強(qiáng)的數(shù)據(jù)分析工具，而是培養(yǎng)一個(gè)“能上崗”的數(shù)字員工。

這個(gè)重任，落在了“網(wǎng)易知數(shù)”這個(gè)產(chǎn)品的身上。

不再是工具，而是員工

在內(nèi)部，網(wǎng)易數(shù)帆給它定義了三個(gè)標(biāo)準(zhǔn)：能聽懂人話（自然語(yǔ)言理解能力），能找到答案（對(duì)接企業(yè)底層指標(biāo)與數(shù)據(jù)源），能講明白事情（將復(fù)雜數(shù)據(jù)分析結(jié)果轉(zhuǎn)化為可理解、可執(zhí)行的業(yè)務(wù)建議）。

這并不新鮮。過(guò)去幾年，大量ChatBI、NL2SQL類產(chǎn)品都聲稱可以完成這些功能。但在真實(shí)企業(yè)流程中，工具往往難以撐起場(chǎng)景。

網(wǎng)易知數(shù)在架構(gòu)上選擇了“重”的路線：構(gòu)建統(tǒng)一指標(biāo)語(yǔ)義層，以穩(wěn)定數(shù)據(jù)邏輯；接入底層數(shù)據(jù)血緣與權(quán)限體系，保障信息可用；疊加提示詞+知識(shí)庫(kù)+歸因框架，實(shí)現(xiàn)因果推理與建議生成；再通過(guò)IM集成與工單系統(tǒng)打通，推動(dòng)任務(wù)實(shí)際執(zhí)行。

用網(wǎng)易數(shù)帆自己的話說(shuō)，它不是一個(gè)“問(wèn)數(shù)機(jī)器人”，而是一個(gè)“數(shù)字BP”。

一個(gè)Agent，六項(xiàng)能力

網(wǎng)易知數(shù)被拆解成六個(gè)能力組件，對(duì)應(yīng)企業(yè)數(shù)據(jù)分析的核心鏈路：

這些模塊不是孤立存在的，而是圍繞“一個(gè)問(wèn)題→一次分析→一條建議→一個(gè)任務(wù)”這一流轉(zhuǎn)鏈路運(yùn)行。在設(shè)計(jì)上，它更接近一個(gè)流程執(zhí)行體，而非一個(gè)數(shù)據(jù)查詢和分析工具。

在工程上，這也意味著更復(fù)雜的系統(tǒng)集成：對(duì)權(quán)限、指標(biāo)、流程的抽象必須準(zhǔn)確，歸因邏輯要可調(diào)可控，安全和可信度必須達(dá)到“可向CFO交差”的水準(zhǔn)。

這些底層能力背后，是網(wǎng)易數(shù)帆十年數(shù)據(jù)中臺(tái)、BI與指標(biāo)體系的長(zhǎng)期積累。

能力獲得了驗(yàn)證，也獲得了使用

需要指出的是，網(wǎng)易知數(shù)的這一整套能力，已經(jīng)得到權(quán)威測(cè)評(píng)機(jī)構(gòu)的認(rèn)可——網(wǎng)易知數(shù)成為首批通過(guò)中國(guó)信通院可信AI數(shù)據(jù)分析智能體評(píng)估，并獲得當(dāng)前最高 4+評(píng)級(jí)的數(shù)據(jù)分析智能體之一。

該評(píng)估覆蓋21項(xiàng)能力項(xiàng)，分布在技術(shù)能力、場(chǎng)景能力、服務(wù)成熟度三大維度，評(píng)估重點(diǎn)包括語(yǔ)義理解、數(shù)據(jù)調(diào)用、結(jié)果可解釋性、流程閉環(huán)性與系統(tǒng)適配性等。

但比評(píng)級(jí)更關(guān)鍵的，是落地案例。

在一家大型金融機(jī)構(gòu)，網(wǎng)易知數(shù)以“組件化”方式嵌入原有體系：?jiǎn)枖?shù)、指標(biāo)管理與資產(chǎn)門戶先打通最核心的分析入口，讓業(yè)務(wù)可以直接用自然語(yǔ)言獲取指標(biāo)，并通過(guò)統(tǒng)一口徑解決跨部門數(shù)據(jù)不一致的問(wèn)題。隨后，NL2MQL、自動(dòng)歸因、報(bào)告生成等能力接入，機(jī)構(gòu)內(nèi)部第一次形成“提問(wèn)—?dú)w因—建議”的連續(xù)鏈路。變化最終體現(xiàn)在組織節(jié)奏上：數(shù)據(jù)請(qǐng)求實(shí)現(xiàn)秒級(jí)響應(yīng)，溝通鏈路被顯著壓縮，整體分析效率提升約50%。

在另一家證券公司，知數(shù)被整合進(jìn)管理層使用的經(jīng)營(yíng)駕駛艙。原本靜態(tài)的指標(biāo)面板接上了歸因、波動(dòng)診斷、下鉆和建議，預(yù)警機(jī)制基于閾值和歷史趨勢(shì)自動(dòng)觸發(fā)。管理層在同一界面中既能看到指標(biāo)，也能看到“指向哪里、為何如此”。決策因此更早、更清晰，也更可控。

這些案例說(shuō)明，網(wǎng)易知數(shù)所依托的底座和智能體能力，不僅完成了技術(shù)封裝，還在客戶實(shí)踐中逐步走向“業(yè)務(wù)嵌入”，而這也是Agent從“能演示”到“能上崗”的真正分水嶺。

從“可分析”到“可決策”

Data Agent進(jìn)入中國(guó)實(shí)用元年

智能體不是新詞。早在2023年，微軟就已將Copilot植入全家桶產(chǎn)品中，在Power BI中實(shí)驗(yàn)性地接入GPT，嘗試將“人類語(yǔ)言”轉(zhuǎn)譯為數(shù)據(jù)洞察?？梢哉f(shuō)，近幾年，“AI與BI”的結(jié)合已經(jīng)成為一個(gè)顯性趨勢(shì)。

但趨勢(shì)歸趨勢(shì)，落地歸落地。大模型讓數(shù)據(jù)“被問(wèn)到”更容易，卻沒(méi)有讓決策“更好做”。

問(wèn)題并不在模型本身，而在于它接入的是一個(gè)“碎片化、不可遷移、難以執(zhí)行”的數(shù)據(jù)系統(tǒng)。這是所有希望做Data Agent的公司都需要正面解決的難題：不是讓AI成為一個(gè)提問(wèn)工具，而是讓它成為流程的一部分。

網(wǎng)易知數(shù)的選擇是明確的——用流程能力重構(gòu)數(shù)據(jù)智能。

從看得見(jiàn)，到做得成

網(wǎng)易數(shù)帆提出了Agent的“三步走”：先“看見(jiàn)問(wèn)題”，再“提出判斷”，最終“落到行動(dòng)”。

這個(gè)思路之下，Agent就不能只是“前端界面”，它必須向下連接指標(biāo)體系與分析框架，向上連接任務(wù)系統(tǒng)與業(yè)務(wù)目標(biāo)。它要理解哪些數(shù)據(jù)屬于誰(shuí)、哪些問(wèn)題是異常、哪些建議可行、哪些任務(wù)必須落地。

這種閉環(huán)不止是技術(shù)能力的復(fù)合，更是流程控制權(quán)的重新定義——讓AI不僅參與判斷，也參與執(zhí)行。

Data Agent要實(shí)現(xiàn)從“工具智能”到“流程智能”的躍遷，必須具備以下三類系統(tǒng)性能力：

1.語(yǔ)言驅(qū)動(dòng)交互：核心是讓任何職能人員都能“用自然語(yǔ)言工作”，完成從提問(wèn)、診斷到復(fù)盤的全鏈?zhǔn)綔贤ǎ?/p>

2.知識(shí)與指標(biāo)耦合：不僅能訪問(wèn)指標(biāo)，還能解釋它、組合它、歸因它、落地它，背后是穩(wěn)定語(yǔ)義層與推理模型的協(xié)同；

3.嵌入業(yè)務(wù)工作流：把分析結(jié)果變成任務(wù)分發(fā)、工單觸發(fā)和執(zhí)行跟蹤，徹底打通“用數(shù)→懂?dāng)?shù)→改業(yè)務(wù)”的閉環(huán)路徑。

這三者的組合，意味著Data Agent不再局限于數(shù)據(jù)分析助手，而是組織內(nèi)的“數(shù)字員工”。

中國(guó)路徑：底座→能力→拼裝

回到中國(guó)路徑，網(wǎng)易數(shù)帆并非一開始就以Agent形態(tài)出現(xiàn)。在產(chǎn)品演化路徑中，它先構(gòu)建了底座——EasyData、指標(biāo)平臺(tái)、數(shù)據(jù)血緣、權(quán)限體系，然后形成能力層——語(yǔ)義識(shí)別、歸因引擎、知識(shí)庫(kù)，最后才拼裝出“網(wǎng)易知數(shù)”這一可上崗的數(shù)字體。

這個(gè)“拼圖式戰(zhàn)略”不是巧合，而是當(dāng)前階段中國(guó)廠商常見(jiàn)的落地路徑：先做好數(shù)據(jù)底座，再在上面疊智能體能力。

原因很現(xiàn)實(shí)，國(guó)內(nèi)企業(yè)的業(yè)務(wù)節(jié)奏遠(yuǎn)高于流程成熟度，數(shù)據(jù)質(zhì)量遠(yuǎn)低于使用要求。若沒(méi)有對(duì)接底層數(shù)據(jù)的能力，Agent不過(guò)是“花哨的擺設(shè)”。若沒(méi)有流程嵌入的能力，智能分析無(wú)法產(chǎn)生實(shí)際影響。

在這個(gè)意義上，網(wǎng)易數(shù)帆正在完成一個(gè)更加底層的戰(zhàn)略轉(zhuǎn)型：從“工具提供者”變?yōu)椤皵?shù)據(jù)價(jià)值賦能者”。正如網(wǎng)易數(shù)帆總經(jīng)理封雷所說(shuō)：“AI時(shí)代，我們要讓數(shù)據(jù)表達(dá)再向前一步。”

歷史車輪滾滾向前，數(shù)據(jù)分析是時(shí)候來(lái)一次真正的變革了

人類自從學(xué)會(huì)用數(shù)據(jù)記錄世界起，分析與決策就從經(jīng)驗(yàn)主義的土壤中，緩慢轉(zhuǎn)向更理性的方法論。

20年前，Excel和數(shù)據(jù)倉(cāng)庫(kù)開啟了第一輪“數(shù)據(jù)工具化”的革命。10年前，BI平臺(tái)與ETL流水線將“可視化分析”普及至每個(gè)部門。而在今天，當(dāng)數(shù)據(jù)量、業(yè)務(wù)復(fù)雜度與組織反應(yīng)速度的鴻溝日益擴(kuò)大，傳統(tǒng)方法與工具正在失效，企業(yè)迫切需要一種“隨問(wèn)隨答、所見(jiàn)即所得”的新平臺(tái)，也需要新的方法論。

Data Agent是數(shù)據(jù)分析的一次深層次變革，它標(biāo)志著，數(shù)據(jù)系統(tǒng)第一次從“被動(dòng)服務(wù)者”變成“主動(dòng)協(xié)作者”。第一次，AI可以與人類在“理解上下文→構(gòu)建分析→提出建議”的全鏈條中，成為真正的決策合伙人。

網(wǎng)易知數(shù)的落地探索，正是這個(gè)拐點(diǎn)的縮影——它要將分析師的能力“平權(quán)化、規(guī)?；?，讓每一個(gè)人都能擁有一個(gè)“懂?dāng)?shù)據(jù)、懂業(yè)務(wù)、懂流程”的數(shù)字拍檔。

誠(chéng)然，這場(chǎng)演進(jìn)還在早期，但方向已經(jīng)明確。

它現(xiàn)在或許還走得磕磕絆絆，但前方的空間足夠大，也足夠值得我們?nèi)σ愿啊?/p>