誰為 Data Agent “買單”？_本草綱目

文章圖片

文章圖片

作者 | 李揚
Kyligence AI 數據智能體自推出以來，已在金融、零售、制造等行業的客戶實際業務中落地，帶來了諸多超出預期的變化。 Kyligence 聯合創始人兼 CTO 李揚近期也在內部交流中，圍繞兩個核心問題分享了他的思考：AI 數據智能體究竟在為誰服務？它能為用戶帶來哪些真正可見的轉變？這篇文章，或許能引起一些共鳴。歡迎您閱讀全文， enjoy～

代表觀點：我們的目標很明確：AI+ 數據分析，必須服務企業中 70% 以上的非技術人員——也就是廣大業務人員和職能線同事。

為什么要服務大眾？因為這帶來了用數能力的結構性變革，用 AI 數智點亮組織結構的廣大基層，顯著提升精細化運營中核心業務的數據使用率。

新一代智能數據產品可幫助領導交互式地探索關鍵數據，通過層層追問，跳過人為篩選，直接獲取并排查關鍵數據，大大提升決策效率。

AI 時代數據分析師的新角色——提升業務數字決策能力的上限，進行更深更廣的業務分析。常規的基礎的業務數據分析能力將由 AI 來完成。

Kyligence AI 數據智能體的愿景，就是讓數據能力真正普惠到企業的每一個角落，幫助更多業務人員掌握數據、用好數據，在日常決策與管理中發揮更大價值。

正文分享：
最近， AI 數據智能體（Data Agent）逐漸成為我們與客戶探討的核心議題。在與來自銀行、保險、零售、制造等行業的企業深入溝通時，我切實感受到業務場景與 AI 融合所釋放的巨大潛力，也從實踐中收獲了不少啟發。當前人工智能行業話題熱度高漲，整理了一些最新觀察與思考，歡迎進一步探討。
AI 數據智能體究竟服務于誰？
回顧數據分析產品和數字化平臺的發展歷程，它們往往高度依賴技術人員介入，部署和培訓過程也相對繁瑣。
那么，在 AI 的加持下， Data Agent 這類應用真正應該惠及誰？在我們這個領域，我經常遇到三類人群：管理層領導、數據分析師 / 行業專家，以及非技術型的業務人員。誰更需要 AI 的幫助，幫助誰更能提升企業的整體競爭力？
早在 2023 年，我們就結合大語言模型推出了 Kyligence Copilot ，率先上線了 AI 問數、深度歸因分析、洞察決策等能力。那時候我們的目標就很明確：AI+ 數據分析，必須服務企業中 70% 以上的非技術人員——也就是廣大業務人員和職能線同事。因為領導有支持團隊，本來就不缺數據分析能力。專家自身就是能力者， AI 對于他們是錦上添花。只有對廣大的普通業務人員， AI 帶來了 0 到 1 從“不能”到“能”的數字決策能力，激發了一線業務的數字創新力。這也是對軟件服務商來說最大的機會與價值所在。
服務「領導」？但... 領導有團隊
△ 本圖由 AI 生成
「領導層」無疑是 AI 數據智能體的受益者。傳統的工作模式下，領導往往面臨以下挑戰：

數據客觀性受限：下屬提供的數據可能帶有主觀篩選，或受限于對領導布置任務的理解程度，不夠客觀和全面。
報告的低時效性：人工找數和撰寫報告耗時較長，如果數據分析整理花費了幾天甚至一周，可能錯過決策的最佳時間窗口。
報告無法回答“下一個”提問：報告篇幅很長，但不一定包含決策所需的所有線索。有時第一批數據會指向第一方案并不可行，進而開啟第二、第三方案的討論，此時的追問往往難以當場得到滿意答復。還會出現報告范圍通常較窄，無法覆蓋領導更宏觀的戰略思考維度情況。

我曾看到一家大型保險公司的案例，他們的“綜合賠付率”指標需要逐級下鉆：從汽車、房產等二級維度，進一步細分至燃油車、新能源車等，往往要深入五層才能定位問題根源。這種層層追問不僅耗時（可能需要三五天才能完成報告），更關鍵的是，最終產出的三四十頁分析報告，仍是分析師基于個人理解篩選數據后的產物。比如某次關于賠付成本的報告認為“新能源車成熟度低，導致報案率上升，賠付率上升，最后賠付成本上升” 。新能源車的普及是客觀基本面沒錯，并不以人力而改變。這樣的分析結果并不幫助解答如何降低賠付率，或者如何降低處理賠付的成本，僅是指明了下一步優化探索的方向，而時間已經花費好幾天。可見傳統報告不能解決持續追問、多輪探索、追查問題根因的需求。這些都超出了傳統協作套路中分析師的任務范圍。
因此，新一代智能數據產品能夠幫助領導交互式地探索關鍵數據，通過層層追問，幫助領導跳過人為篩選，直接獲取并排查關鍵數據，大大提升決策效率。
以國內某頭部綠色能源制造企業為例，我們正依托 Kyligence 三大產品線，通過推動數據標準化、決策指標化與數據知識化，在質量監測等場景中，顯著提升了企業管理 SOP（標準操作流程）的自動化執行能力。
不過，僅服務于領導群體的局限在于，它只是輔助了本就具備決策能力的人，而非實現從“不能”到“能”的根本性突破。畢竟，領導原本就擁有更完整的數據和團隊支持。
服務「數據分析師」？但... 專家有擔心
△ 本圖由 AI 生成
AI 數據智能體對「數據分析師 / 專家」當然有幫助，但并非最大的幫助。

提升工作效率：分析師本就熟練掌握 BI 工具、SQL 或編程語言， AI 在這類場景中的價值主要體現在效率提升，其效果取決于具體業務的復雜程度。短期看來，如果人類專家的水平是 80 分， AI 目前只能做到 60 分甚至更低，給到人類專家的幫助比較有限。
管理角度的危和機：一些分析師可能會對 AI 的推廣感到危險，擔心被替代。甚至在心理上潛意識中抗拒 AI 的落地和推廣。但放長來看，有 AI 在簡單工作上的助力，被解放的專家將有機會去做更多更復雜的分析工作，這里有對個人來說前所未有的機會。

以報案率和賠付率為例，若 AI 迅速發現主要原因是新能源車推廣增加，分析師便能騰出更多時間深入挖掘次要因素，比如三線城市的新能源普及率并不算高，但報案率依然上升，多半有其他原因。過去，分析師往往無暇顧及此類細節。而現在，領導能在一天內通過 AI 獲得結論，分析師則多出四天時間，在業務運營、優化和歸因等方面開展更深入、更全面的研究。從而提升業務能力的上限。
我認為，這就是 AI 時代數據分析師的新角色——提升整體業務能力的上限，進行更深更廣的業務分析。
△ Kyligence AI 數據智能體能力演示
以某西式快餐巨頭為例，在一次“瘋狂星期 X”促銷活動后，某地門店出現雞肉卷銷量大漲、冰淇淋銷量下滑的異常情況。復盤會上，市場總監現場提問， Kyligence AI 數據智能體在 10 秒內自動完成歸因分析，快速識別主因。相比過去依賴分析師使用 SQL 和 Excel 手工分析、耗時 4 小時以上的流程，如今效率實現質的飛躍。分析師因此獲得更多時間，展開更多在主因之下的次因、次次因的調研和分析。
就像大數據技術能將分析對象細化到每位顧客，實現千人千面的精準營銷， AI 技術則能解放人類專家的精力，讓他們在更多業務細分領域深入探索，推動新一輪數據驅動的業務創新。
服務「業務人員」？從 0 到 1 的結構性突破
△本圖由 AI 生成
讓沒有數據分析技能的普通人也能用上數據，這才是 AI 數據智能體最大的價值所在，也是“從 0 到 1”的巨大突破。
企業普遍認為，過去由于技術人員不足，大量的用戶數據需求無法得到滿足，而現在， AI 能夠解決這一痛點，讓數據普惠大眾。與領導和專家不同，這批一線的業務員在過去無法自由的用數（受限于技術和成本），是數字化決策和數字化創新的空白地帶。他們不僅人數眾多，可以占員工整體的 70% ，還往往是企業中直接與客戶打交道的人，是整個組織業務金字塔結構里堅實的底盤。通過 AI 用數來點亮這個廣大的群體，是數據賦能在企業中結構性的突破，潛力不可限量。例如， Kyligence AI 數據智能體的核心能力之一在于“結合直觀的業務指標語言與 AI 能力” ，確保在智能問數、歸因分析、報告撰寫和智能決策等關鍵環節，輸出結果具備準確性、可靠性和可解釋性。目前，該產品已依托多業務場景，上線銷售運營、市場營銷、風險管控等多重垂直場景助手，更好助力不同部門的企業員工。
以一家大型金融企業為例，該公司擁有逾萬名銷售人員和千余名管理小隊長。借助 Kyligence AI 數據智能體，核心目標是降低數據使用門檻、提升管理和決策效率。對銷售人員而言，傳統的數據模型和數據表門檻較高，而現在他們可以通過自然語言查詢關鍵指標，與管理層實現數據驅動的對話。例如，銷售運營團隊的成員即便不擅長 Excel 和報表工具，但他們了解自身的考核 KPI ，如撥打連通率、通話時長、撥打頻次等。在統一的指標系統中，每個人都能清晰看到個人與團隊的成績表現及對應獎勵。目前的直接成效已實現分析歸因時間由 2–3 天縮短至 20 分鐘，區域材料準備從 5 天壓縮到 2 小時內。
不過，我在不少場景中遺憾地看到，這種門檻降低所帶來的價值往往被低估，甚至被忽視。
專家是數據分析技能樹中的前 10% 人群，他們很難理解，如此“簡單”的事情，有 70% 甚至更多的人仍然無法做到。對普通人而言，他們可能無法在幾百行、多個分頁的 Excel 表格中找到自己關心的內容，但在 AI 數據智能體中，他們可以用自然語言直接查詢考核 KPI ，更加直觀地理解業務指標，還能主動進行信息分享和運營動作。
也正因如此，我們更應該關注普通人的用數體驗。用 AI 數智點亮組織結構的廣大基層，也意味著企業的用數能力發生了結構性改變，顯著提升精細化運營中核心業務的數據使用率。
Kyligence AI 數據智能體的愿景，就是讓數據能力真正普惠到企業的每一個角落，幫助更多業務人員掌握數據、用好數據，在日常決策與管理中發揮更大價值。這將是推動企業實現深層次數智化轉型的關鍵一步。
關于 Kyligence
跬智信息（Kyligence）由 Apache Kylin 創始團隊于 2016 年創辦，是領先的 Data+AI 公司，為企業客戶提供大數據分析平臺、AI 智能分析平臺等相關產品和解決方案，以 AI 賦能全民用數，幫助企業充分利用數據價值，加速數智化轉型。
Kyligence 已服務中國、美國、歐洲及亞太的多個銀行、證券、保險、制造、零售、醫療等行業客戶，包括建設銀行、平安銀行、浦發銀行、北京銀行、寧波銀行、太平洋保險、中國銀聯、上汽、長安汽車、星巴克、安踏、李寧、阿斯利康、UBS、MetLife 等全球知名企業，并和微軟、亞馬遜云科技、華為、安永、德勤等達成全球合作伙伴關系。 Kyligence 獲得來自紅點、寬帶資本、順為資本、斯道資本、Coatue、浦銀國際、中金資本、歌斐資產、國方資本等機構多次投資。
【誰為 Data Agent “買單”？】今日好文推薦