Data Agent：火山引擎开启企业智能数据新进程

如果说大模型是2024年AI发展的关键词之首，那2025年就是AI Agent元年，这绝非臆断。Gartner将AI Agent列为2025年十大战略技术趋势之首，并预测到2028年，15%的日常工作决策将通过Agentic AI完成。

可以肯定的是，AI Agent市场大有可为；同时，AI Agent目前还处于很初始的发展阶段，往后还有很长的路要走。

正如火山引擎数据产品解决方案总经理萧然在采访中所说，AI Agent当前百家争鸣，但更多是在摸索，行业落地比较少。火山引擎希望能将借助内部经验、场景孵化出来的解决方案、行业经验开放出来，助力AI Agent在各行各业形成一些落地案例，给社会带来价值。

于是，就有了火山引擎Data Agent这样一个智能体。

日前，火山引擎正式发布企业数据全场景智能体Data Agent，火山引擎称之为企业的“第一位AI数据专家”。

Data Agent一经发布，就吸引广泛关注。

Data Agent是什么？为什么是Data Agent？应用场景有哪些？有什么优势？未来会如何演进？一文讲清楚。

初识Data Agent

Data Agent，顾名思义，数据智能体，分类属于垂直Agent的范畴，核心价值将聚焦于Data，也就是数据。

具体而言，Data Agent能够深度理解业务语境，主动思考拆解数据任务，自动调取工具处理企业内部的结构化和非结构化数据，进行智能深度融合分析，并自动执行任务，全天候帮助企业高效挖掘数据价值。

以营销场景为例说明一下Data Agent和传统数据分析系统或者说早期AI助手的区别。

以前，企业在针对已经完成的营销活动进行数据分析时，往往会借助数据分析系统或者AI助手，但这两者通常只能针对现有数据完成分析和计算，比如转化率、整体毛利率等，如果想要了解数据折射出的业务策略优化方向，如怎样才能进一步提升毛利率，则需要人力介入，由人基于给出的数据完成思考并作出决策。

而Data Agent可以做到将数据分析和映射到业务决策合二为一，将原本需要人力去思考的业务诉求逐步拆解、深入思考，并完成对应业务策略的制定跟执行。

所以简单说，Data Agent并非机械地“知道”数据，而是能够结合具体业务完成深度思考真正“理解”人的需求：一方面，它既能基于转化率的提问给出比如“转化率为3.2%”的单场活动效果数值；另一方面，它还能主动完成历史数据和行业数据横纵向比较，给予“低于行业平均值1.5%”的分析数据，并深度拆解和剖析营销活动各个环节，探索多场活动执行过程中的差异，定位到具体如“加入购物车但未完成付款”等问题点，最终反馈出多项可立即实施改进的方案选项。

在整个过程中，Data Agent绝不只是一个问答助手，反而更像一个能够带领企业员工完善复盘数据，并针对现状做出科学决策的专家式存在。

因此，称Data Agent为企业的“第一位AI数据专家”，一点都不过分。

可支持业务灵活配置/实现归因分析与多模态数据深度研究

为什么是Data Agent？

AI Agent百花齐放，火山引擎为什么选择 Data 这一方向？

首先，企业级市场的需求在变，它们需要能够切分到人力、财务、数据等具体专业领域的智能体。随着数字化进程的不断加深，企业级市场对大模型能力的应用已悄然进入全新阶段。曾经，企业对大模型的运用多局限于智能机器人式的基础问答交互。这种模式虽在一定程度上满足了信息查询需求，但其本质是基于固定规则与有限知识储备的机械应答。

如今伴随企业业务的快速发展与市场竞争的日益加剧，业务员工面临的问题愈发复杂多元，传统预设回复模式的局限性逐渐暴露。企业迫切需要能够深度理解业务需求、具备自主思考能力的智能工具。

这些需求的背后，是企业对 AI 从 “信息提供者” 向 “价值创造者” 转变的期待。

这是火山引擎研发Data Agent的初衷，用户端需要。AI大潮来袭，如何能在数据领域借助最尖端的技术，让企业内部每个管理者、每个员工都能基于自身所在的定位、角色，更低门槛的看到、使用数据，是Data Agent的基础能力项。在此之上，Data Agent的强项还在于能够通过不断地自我学习，深入理解业务，并以专家视角逐步完成从“接收提问-逻辑拆解-方案匹配-持续调优-自动执行”的全链路思考和执行，让每个员工在数据领域遇到难题时，随时随地都能享受到专家级指导。

还有一个很重要的考量，那就是火山引擎推出的每一个数据产品，都承载着字节跳动内部多年的数据驱动经验，且历经内部多场实践和迭代，Data Agent同样如此。

因此，Data Agent 的推出，既是外部企业级市场的需求驱动，也是火山引擎自身数据驱动经验到了新阶段，属于内外机会融合的产物。

机会很重要，但所面临的挑战也很多：通用AI Agent更多精力聚焦在自然语言处理，深入到垂直领域，要考虑的更多。

以Data Agent为例，其运行于数据层和模型层之上，需要对数据层有足够的理解，包括结构化、非结构化数据，不同的数据仓库等，都要有深刻的认知；在模型层，需要不断打磨。

回归Data Agent本身，基础层要能够执行具体的任务，比如数据开发、归因分析，这就需要多个不同的Agent，认知层则要考虑多个Agent的联动协作、记忆能力、特定行业策略等。

另外，落地具体行业还要考虑行业特性、企业属性。

可以确定的说，研发Data Agent更具挑战。但采访中，萧然坦言，他们会坚定地把Data Agent做下去，也坚定地相信可以把Data Agent做成功。

萧然的信心和底气源自哪里？自于字节跳动的技术积累，以及火山引擎的行业积淀。

Data Agent有什么不一样？

从两个维度来看：

一是与通用型Agent相比，Data Agent在数据领域的优势，主要体现在三个方面：首先，数据领域涉及到非常多的专业知识，比如复杂的数仓模型如何理解；其次，进入到特定行业，需要建立针对行业和场景的知识库体系；最后，是不是有能力去实现底层数据处理能力的重构，包括数据采集、处理、分析和应用。这些都是通用型Agent无法满足的。

二是同类型的产品未来会有很多，但火山引擎或者说字节跳动有独特的优势。

可以从三个层面来看：第一，技术能力，无论是对大模型的理解、数据驱动的实践，以及人才的储备，火山引擎都有充分积累；第二，经验、行业积累，字节跳动是火山引擎的超大实验田，能帮助产品、解决方案快速反馈、迭代，促进孵化；第三，接触的客户广，能够实现产品、解决方案外部的快速验证。

目前，Data Agent聚焦两大场景，一是数据分析，二是智能营销。

至于行业覆盖，非常广泛。面向C端的行业，如互联网、消费、汽车、金融、零售等都是重点。

下一步，火山引擎将围绕数据分析、智能营销两大场景，全面布局。比如在数据分析方面，将开发数据开发Agent、数据提取Agent、数据可视化Agent等一系列细分Agent，核心还是尽可能先替代人的重复性、流程性的内容，让Data Agent更广泛、多元地应用起来，在这个过程中不断迭代、进化。

采访中，萧然介绍了目前Data Agent的一些应用情况。比如在某知名零售企业中，Data Agent通过对该企业海量销售数据的深度分析，精准识别出不同地区、不同时间段的销售热点和痛点，进而为其量身定制了个性化的营销策略，包括精准的商品推荐、促销活动安排等，最终帮助该企业实现了销售额的显著增长。

另外，在金融、汽车等行业，Data Agent也在大显身手。

智能分析/智能营销两大场景已上线

Data Agent，开启企业数智化新进程

在人工智能浪潮席卷全球的当下，生产关系正经历深刻变革。从 “人控工具调用模型” 到 “模型自主协同工具响应需求”，从机器人承担体力劳作到 AI Agent 解放基础脑力劳动，技术演进正不断将人类推向更高决策维度，推动生产力飞跃。

但需要注意的是，以Data Agent为代表的垂直领域智能体涌现，并不代表着Agent将替代员工在企业中的角色；相反，是为了弥补“人”在企业工作中的短板，比如秒级查询数据库、同时间处理分析多维度数据、探索全年项目执行逻辑完成特征整理、在极限时间内输出报告并制定策略……

对企业员工来说，Agent更像是职场中的“协作者”，员工可以充分信赖并在日常工作中予以合作。

以Data Agent为例，通过系列技术手段加持，员工不仅能够从Data Agent获取到科学的决策指导和详尽的策略方案，还能够实时监测Data Agent的推理过程、使用的数据来源和分析方法，让员工不仅能知道“是什么”，还能理解“为什么”。

其次，针对具体项目，员工依旧能依据Data Agent输出的分析数据及结论发挥主观能动性，进行二次验证；甚至可以直接交由Data Agent自身完成多轮结果验证，如查看原始数据、提供可支撑结论的详细数据来源等。

同时，火山引擎针对Data Agent面向企业级市场的服务，还设置了持续反馈机制，建立用户建议反馈通道，当企业管理者、员工在应用Data Agent过程中遇到疑问或者建议时，能及时获得答疑支持，确保用户体验的同时，持续丰富和拓宽Data Agent在使用层面的能力覆盖面。

在AI时代下，企业数智化升级的路径不再是过去十年的平缓弧线，借势各个垂直领域的Agent，升级可能呈几何式跳跃增长；“人机协作”也不再是简单的企业员工运作机器，而是在建立信任的基础上，由Agent提供丰富且专业的业务解决方案，员工做出关键决策，实现“Agent+人”的双重确认机制，保障每一项业务决策的高质量。

当然，聚焦现阶段，萧然也直言，Agent落地行业依旧还有比较长的一段路要走。从执行者到思考者，一是每个行业特有的知识、经验，差别太大了，知识库建设本就不是易事；二是每个企业都是独立的个体，有自己的特性，有自己的壁垒。

火山引擎也将穷尽自身对大数据领域的认知，把知识库建立得更全面、专业、丰富，并不断与客户深入结合，不断迭代、不断验证。

总结全文

伴随AI技术的飞速发展，AI Agent已经成为推动企业数字化转型和智能化升级的关键力量。火山引擎有信心也有能力为企业数智化升级出一份力。未来，随着技术的进一步发展和市场的逐步成熟，Data Agent会在更多行业和领域发挥更大的价值，推动企业实现更高效、更智能的运营模式。