每一代信息系統(tǒng)的演進(jìn)，都是企業(yè)如何“組織知識”與“委托判斷”的演化縮影。

從最早的報表工具到后來的數(shù)據(jù)中臺，再到自動化建模與低代碼平臺，我們一直在努力讓機(jī)器更理解數(shù)據(jù)、更服務(wù)人類。但十年過去，絕大多數(shù)系統(tǒng)依然停留在“數(shù)據(jù)呈現(xiàn)”階段，無法主動發(fā)現(xiàn)問題，更談不上驅(qū)動行動。

當(dāng)大模型技術(shù)打開了“系統(tǒng)感知語境”的可能性，一個新物種誕生了——Data Agent。

作為大數(shù)據(jù)領(lǐng)域的專業(yè)媒體，數(shù)據(jù)猿撰寫了一本《重新定義數(shù)據(jù)智能：Data Agent白皮書（2025）》。

這本白皮書，正是我們對這個新角色的第一次系統(tǒng)性觀察與定義。

十年數(shù)據(jù)智能簡史

從“人找數(shù)”到“數(shù)助人”

數(shù)據(jù)智能不是一夜之間熱起來的。

過去十年，這個詞被無數(shù)次重構(gòu)過含義：BI、數(shù)據(jù)中臺、AutoML、低代碼平臺、智能報表……幾乎每一次企業(yè)數(shù)字化的風(fēng)口背后，都站著一套“更聰明”的數(shù)據(jù)系統(tǒng)?？苫仡^看，變化最大的不是技術(shù)形態(tài)，而是企業(yè)和系統(tǒng)之間的“關(guān)系”邊界。

從最早“人找數(shù)”，到現(xiàn)在開始嘗試“數(shù)助人”，這條路徑走得比想象中慢，也比想象中復(fù)雜。

第一階段（2012–2016）：BI工具黃金時代

最早一代“數(shù)據(jù)智能”，其實(shí)是BI工具的另一種說法。

那時候Tableau、Qlik在國外市場擴(kuò)張，國內(nèi)也跑出了帆軟、SmartBI、永洪這批早期選手。它們的共同點(diǎn)是——讓數(shù)據(jù)“變得好看”，圖表、儀表盤、動態(tài)篩選，都是核心賣點(diǎn)。

在企業(yè)內(nèi)部，它們也確實(shí)替代了一部分“Excel+PPT”的工作流程。財務(wù)和運(yùn)營開始用可視化大屏；業(yè)務(wù)團(tuán)隊(duì)可以點(diǎn)選維度、生成報表，數(shù)據(jù)部不再是唯一出口。但這一代系統(tǒng)有一個根本性的限制——它不會主動“發(fā)現(xiàn)”問題，更不會“解決”問題。

它能回答提問，卻無法生成提問。核心邏輯還是“人想知道什么，點(diǎn)進(jìn)去找”。

第二階段（2016–2020）：數(shù)據(jù)中臺興起，系統(tǒng)開始“管理自己”

2016年開始，數(shù)據(jù)智能開始往“管理型系統(tǒng)”方向演化。

這個階段的轉(zhuǎn)折點(diǎn)是阿里提出的“大中臺、小前臺”戰(zhàn)略，隨后騰訊、字節(jié)、京東、OPPO等大廠紛紛跟進(jìn)，“數(shù)據(jù)中臺”成了新基礎(chǔ)設(shè)施。它主張把企業(yè)內(nèi)的數(shù)據(jù)資產(chǎn)集中治理、建模、服務(wù)化，從而支撐多個前端業(yè)務(wù)場景。

這套邏輯底層是合理的，尤其對于多業(yè)務(wù)線、跨組織作業(yè)的集團(tuán)型公司來說——標(biāo)準(zhǔn)化的指標(biāo)體系、統(tǒng)一的口徑、跨系統(tǒng)的數(shù)據(jù)權(quán)限，是業(yè)務(wù)協(xié)同的前提。

但它帶來了一種新的“悖論”：系統(tǒng)越來越大、越來越規(guī)范化，但“洞察”的發(fā)現(xiàn)和“行動”的發(fā)起，依然靠人肉穿梭在不同平臺之間。一個銷售轉(zhuǎn)化率下降的異常，可能要靠三個人、四套系統(tǒng)才能從數(shù)據(jù)追溯到原因，并同步給CRM系統(tǒng)做跟進(jìn)。

中臺做得越重，企業(yè)的“數(shù)據(jù)使用體驗(yàn)”往往越慢。

第三階段（2020–2023）：AutoML、低代碼、智能調(diào)度，問題依然沒解

在接下來的幾年里，AI開始加速滲透進(jìn)數(shù)據(jù)系統(tǒng)。

一方面，AutoML、AutoOps工具被廣泛引入，機(jī)器學(xué)習(xí)模型的訓(xùn)練和部署逐漸模塊化；另一方面，“低代碼”平臺崛起，給業(yè)務(wù)團(tuán)隊(duì)提供了拖拉拽式的報表和應(yīng)用搭建能力。廠商也開始宣傳“從數(shù)據(jù)到?jīng)Q策自動化”。

但落地情況遠(yuǎn)沒有想象中理想。多數(shù)AutoML平臺最后變成了“高級模型托管平臺”，而低代碼也停留在報表生成和權(quán)限管理層。

問題出在根上：它們自動化的，是數(shù)據(jù)和算法的運(yùn)行過程，而不是決策鏈路本身。洞察如何被發(fā)現(xiàn)？建議如何被生成？流程如何被閉環(huán)？這些關(guān)鍵路徑，依然沒有被打通。

企業(yè)用戶反映最多的不是“沒報表”，而是“從報表里看到問題后，接下來該怎么辦，還是不知道”。

Data Agent的誕生——舊問題的“角色化”解法

如果說過去十年，企業(yè)數(shù)據(jù)系統(tǒng)最大的限制是“不會做事”，那問題的核心，其實(shí)不在功能，而在“角色定位”。

企業(yè)并不缺工具，缺的是一個能理解場景、主動發(fā)現(xiàn)問題、提出建議并推動執(zhí)行的人（或系統(tǒng)）。而這，正是Agent所帶來的最本質(zhì)的變化。

某種程度上，Data Agent可以視為是一種舊能力的“Agent封裝”——把數(shù)據(jù)系統(tǒng)重新打包，賦予它三種關(guān)鍵能力：

1.主動性：不是等你來問，而是它先提醒你哪里有問題、哪里需要關(guān)注；

2.上下文理解：基于用戶角色、業(yè)務(wù)狀態(tài)、指標(biāo)變動等信號，感知“發(fā)生了什么”；

3.可執(zhí)行性：可以根據(jù)洞察結(jié)果，直接聯(lián)動下游系統(tǒng)（如CRM、ERP、郵件、審批等）完成部分或全部行動。

簡單來說，從“圖表系統(tǒng)”變成“行動體”（Agent），它最重要的變化不是“算得更準(zhǔn)”，而是開始“做事”。

舉一個典型的能力鏈條：它能發(fā)現(xiàn)某地的門店客流斷崖式下跌→分析潛在原因（如天氣、競品活動）→給出策略建議（如增加外賣投放）→一鍵生成操作工單并發(fā)送到營銷系統(tǒng)→追蹤效果閉環(huán)。

而這一整條鏈路，過去可能要五個人、三套系統(tǒng)、兩輪郵件，才能跑完。

Data Agent的真正突破是，把“洞察-建議-行動”的斷鏈打通了。

為什么這一步，現(xiàn)在才走得出來？

如果這個思路聽起來如此合理，為什么十年前的BI廠商沒做出來？或者說，為什么現(xiàn)在才開始流行“Agent”這個詞？

三大原因，缺一不可。

①技術(shù)成熟，能力拼圖湊齊了

過去幾年，幾項(xiàng)關(guān)鍵AI技術(shù)線同時取得突破：

·LLM（大語言模型）提供了強(qiáng)大的語言理解和推理能力；

·Tool Use/Function Call支持模型調(diào)取外部工具執(zhí)行復(fù)雜任務(wù)；

·RAG+向量檢索能根據(jù)數(shù)據(jù)語境精準(zhǔn)生成答案和建議；

·工作流引擎讓Agent有了“行動通道”，不只是停留在對話框里。

這些能力合在一起，才構(gòu)成了一個“能看、能說、能做”的Agent系統(tǒng)。

②商業(yè)需求成熟，企業(yè)更愿意“信任系統(tǒng)”

過去企業(yè)對系統(tǒng)的期待是“少出錯”，現(xiàn)在則是“幫我判斷”。特別是在運(yùn)營日益復(fù)雜、組織內(nèi)卷嚴(yán)重的背景下，企業(yè)更愿意把那些高頻、模糊、非關(guān)鍵的“弱決策”交給系統(tǒng)來處理。

典型場景比如：

·銷售漏斗哪里該重點(diǎn)推進(jìn)？

·哪類客戶有流失風(fēng)險？

·門店毛利下降是否需要調(diào)整庫存？

這些問題并不需要CXO親自拍板，但卻每天都在發(fā)生。一旦Agent能解決，它就不只是“降本”，而是“減負(fù)”。

③工程范式變化，平臺具備“閉環(huán)能力”

最后一個關(guān)鍵，是數(shù)據(jù)系統(tǒng)本身也發(fā)生了結(jié)構(gòu)性變化。

在過去，中臺系統(tǒng)是數(shù)據(jù)倉庫+ETL+報表的組合，數(shù)據(jù)是“孤島式”流動。而現(xiàn)在，越來越多平臺具備：可調(diào)度性（調(diào)流程、調(diào)算子）；可觀測性（鏈路追蹤、指標(biāo)監(jiān)控）；可插拔執(zhí)行鏈（聯(lián)動SaaS、API接口）。

這些能力，讓Agent的“建議”可以真正落地執(zhí)行。

如果說BI是“圖表管理員”，那Data Agent就是“行動協(xié)調(diào)官”。

它第一次讓企業(yè)的數(shù)據(jù)系統(tǒng)，擁有了一個有身份、有行為、有判斷的角色。

而這，才是白皮書中所說的Data Agent真正意義上的“定義重構(gòu)”

技術(shù)的歷史，往往不是一場轟鳴，而是一種悄然轉(zhuǎn)變。

在這個關(guān)鍵轉(zhuǎn)折點(diǎn)，我們希望這本白皮書能帶來一些觀察的視角。我們試圖分析Agent背后的核心范式轉(zhuǎn)變，拆解落地背后真正的系統(tǒng)門檻，也描繪Agent未來可能成為“企業(yè)智能入口”的長期愿景。

如果你正思考如何升級自己的數(shù)據(jù)系統(tǒng)，如何真正打通“從洞察到執(zhí)行”的斷鏈，或者更進(jìn)一步，如何在智能時代重塑業(yè)務(wù)系統(tǒng)的角色分工——這本白皮書，可能會給你一個新的參照系。

《重新定義數(shù)據(jù)智能：Data Agent白皮書（2025）》，現(xiàn)已發(fā)布。