8 月 13 日，在 FORCE Link AI 創新巡展·青島站，火山引擎數智平臺解決方案總經理蕭然在現場發布了火山引擎 Data Agent“一客一策”全新能力和 AI 數據湖服務的“AI 算子廣場”功能。

 

以下為蕭然的現場演講全文。

 

 

大家上午好！我是蕭然。很榮幸來到青島，請大家和我一起進入今天的主題。

 

我們首先看一個問題，我們擁有的究竟是數據資產還是數據負債？

 

這個問題怎么理解，先來看一個數據冰山圖：

 

 

在大模型時代之前，我們經歷了 IT 信息化和數字化時代。那時，我們投入大量 IT 成本和預算，構建了數據基建，也留存了海量數據。

 

但真正能用的，更多是那些在數據庫和報表里的結構化數據。還有大量非結構化數據，它們冷冰冰地躺在存儲系統里，每年都在消耗 IT 成本，但我們卻無法使用。

 

根據 IDC 報告統計，現有數據中，超過 90%是非結構化數據，這成為了我們的數據負債。

 

同時，在用結構化數據的過程中，會因為系統間的孤島問題，導致數據連通不暢，數據的價值也沒能得到充分發揮。

 

實際上，整個大數據這座冰山，我們真正能用到的，只是水面上很小很小的一部分。

 

而大模型來了之后，我們發現，它能夠更深入地理解非結構化數據，釋放出這些數據的價值。

 

 

大模型怎么解決這個問題？我們其實有三個鴻溝：

 

首先是數據和數據的鴻溝。 借助大模型，我們可以有效識別非結構化數據中的關鍵信息，讓結構化與非結構化數據真正融合，去更好地賦能業務。

 

第二個是數據和工具的鴻溝。 系統和平臺間的孤島效應導致數據難以協同。但大模型可以把各平臺能力拆解成原子能力，理解、調度它們，從而實現跨平臺業務貫通。

 

第三是數據和人的鴻溝。 企業常有優秀的數據平臺和數據，卻缺少優秀的數據人才。而大模型能學習人的經驗，固化下來成為它的知識與能力，幫助我們用好數據。

 

在 5 月份的上海 AI 巡展中，我們發布了 Data Agent 產品。Data Agent 是能較好解決上述三大鴻溝的產品。

 

 

首先，借助 Data Agent，我們能快速接入企業的結構化與非結構化數據，直接賦能業務分析，驅動智能化營銷。

 

通過 Data Agent，還能實現跨平臺系統貫通。 比如說：針對業務用戶做營銷活動，按傳統經驗，我們得先去 BI 系統分析過往活動經驗，再去畫像平臺圈選人群，圈完后再到自動化運營平臺制定策略。整個過程，需要數據分析師和運營同學配合，耗時幾天才能完成。

 

但借助 Data Agent，我們只需與大模型進行幾句對話，它就能自動執行全面的 BI 數據分析，并結合非結構化數據，比如營銷物料、知識庫，得出關鍵結果；再根據結果找到精準人群，設計匹配的營銷活動；

 

而我們確認了之后，只需一句話或一個點擊，它就能自動實現營銷觸達。 這極大地提升了效率，并解決了數據孤島問題。

 

Data Agent 也有效解決了數據和人的鴻溝。 通過它，我們可以將各行業優秀企業的寶貴經驗、分析方法、營銷策略、運營手段等內嵌成知識庫，快速掌握行業領先的分析思路與營銷方案。

 

自發布以來，火山引擎 Data Agent 已經與數十家優秀企業建立了合作。

 

接下來，看一個具體案例：一家消費品企業，他們在 618 之前與我們合作，正好遇到了這個很好的場景，他們想分析如何制定 618 的營銷方案。

 

在沒用 Data Agent 時：制定一個營銷方案，需要先做數據分析，形成復盤報告；然后運營同學再基于報告設計營銷策略。

 

有了 Data Agent 之后： 我們可以直接問它，“針對即將到來的 618，請幫我復盤過去營銷活動的好經驗”。 Data Agent 會主動調取結構化數據和非結構化知識，生成分析報告。

 

例如，當報告發現“粉絲互動贏好禮”活動過去效果突出，我們還能繼續追問：“‘粉絲互動贏好禮’活動適合什么目標客群？你有什么營銷建議？”

 

Data Agent 就會基于“粉絲互動贏好禮”深入分析活動數據，結合客群特征，制定差異化營銷方案。 一旦確認方案，使用營銷 Agent 一鍵觸達即可。

 

這是我們落地的真實案例。

 

今天，我們非常榮幸在青島發布 Data Agent-智能營銷 Agent 的核心能力——一客一策。

 

過去常說“千人千面”營銷。但傳統“千人千面”基于標簽體系，而標簽是數學模型計算的標簽值。數學模型運算會帶來信息缺失。因此，過去的“千人千面”更多是把人群分層，再針對不同層客群進行營銷。

 

“一客一策”能力，會整合結構化和非結構化數據，基于用戶的立體畫像，結合產品、文案、觸達渠道和時間，匹配營銷策略，真正實現“千人千面”。

 

以我們一位企業客戶為例：這是一家 B to B 的 SaaS 企業，剛完成 B 輪融資，主要業務是幫助中小企業構建數字協同平臺。該企業當前核心獲客渠道是線上線索，再通過電銷客服觸達用戶。

 

 

在使用 Data Agent 之前，這家企業面臨幾個核心痛點：

 

一是電銷線索質量參差不齊，難以識別高價值客戶。線上線索涌入后，無法確定誰應優先聯系，無法第一時間捕捉關鍵商機。

 

二是對客戶缺乏認知，只能使用千篇一律的話術。不同客戶原本可能對 A 或 B 產品興趣各異，銷售卻只能用通用方案介紹。結果很多客戶沒 Get 到重點就流失了，轉化率自然大幅下降。

 

三是沉淀了大量數據卻無法利用。官網數據、轉化數據、線上實驗平臺數據，這些寶貴資產都未被激活。

 

借助 Data Agent，該企業實現了結構化與非結構化數據融合。 當客戶再次致電，電銷人員可向 Data Agent 追問：“應采取何種營銷策略？”、“客戶更關注價格還是功能？” 進而實施精準營銷。

 

在應用了這個能力后，該公司整體線索轉化率提升 300%。

 

以上是關于 Data Agent 的相關介紹。

 

---

 

談到釋放數據冰山價值，目前可應用的僅是浮出水面的小部分數據，那么，如何釋放深藏水下的海量數據價值？

 

關鍵在于：筑牢數據基建根基。

 

在 6 月的火山引擎 FORCE 大會上，我們發布了多模態數據湖。它能高效處理冰山下的非結構化數據，實現非結構化數據和結構化數據統一管理，從而驅動業務價值落地。

 

今天，我也非常榮幸地在青島發布我們 AI 數據湖產品的重要能力——算子廣場。

 

 

在 AI 數據湖產品的左側菜單中可以找到算子廣場。 這里匯聚了豐富的算子，涵蓋文本、視頻、語音、圖片等多種處理能力。

 

這些算子內置了豆包大模型的數據處理經驗，并融合了我們與眾多客戶共創沉淀的非結構化數據處理算子。同時，算子支持客戶自定義開發。

 

借助算子平臺，冰山下沉睡的非結構化數據得以有效處理，其價值被真正提煉出來。

 

讓我們看一個實例：這是一家專注于 AI 視頻生成的企業，服務于眾多品牌方，為其制作視頻廣告。

 

 

這家企業在使用算子廣場和 AI 數據湖之前，有兩個比較大的痛點：

 

第一，數據格式繁雜，文件、圖片、視頻，來源各異。這讓他們需要構建多條處理鏈路，效率比較低。

 

第二，開發管理效率低。開發后的數據存儲分散于不同鏈路和處理環節，無法統一有效管理。

 

借助火山引擎的 AI 數據湖和算子廣場，他們實現了不同數據源與數據格式的有效處理。 AI 數據湖通過數據集的方式，統一管理各類非結構化數據，顯著提升了這家企業的研發效率。

 

以上是今天的分享，希望給在座大家有一些收獲。

 

火山引擎數據產品團隊，也非常希望與大家一起構建知識資產，開啟數據思考新未來！感謝各位。