Data Agent"一客一策"与 AI 数据湖"算子广场"

8 月 13 日，在 FORCE Link AI 创新巡展·青岛站，火山引擎数智平台解决方案总经理萧然在现场发布了火山引擎 Data Agent“一客一策”全新能力和 AI 数据湖服务的“AI 算子广场”功能。
 
以下为萧然的现场演讲全文。
 
 
大家上午好！我是萧然。很荣幸来到青岛，请大家和我一起进入今天的主题。
 
我们首先看一个问题，我们拥有的究竟是数据资产还是数据负债？
 
这个问题怎么理解，先来看一个数据冰山图：
 
 
在大模型时代之前，我们经历了 IT 信息化和数字化时代。那时，我们投入大量 IT 成本和预算，构建了数据基建，也留存了海量数据。
 
但真正能用的，更多是那些在数据库和报表里的结构化数据。还有大量非结构化数据，它们冷冰冰地躺在存储系统里，每年都在消耗 IT 成本，但我们却无法使用。
 
根据 IDC 报告统计，现有数据中，超过 90%是非结构化数据，这成为了我们的数据负债。
 
同时，在用结构化数据的过程中，会因为系统间的孤岛问题，导致数据连通不畅，数据的价值也没能得到充分发挥。
 
实际上，整个大数据这座冰山，我们真正能用到的，只是水面上很小很小的一部分。
 
而大模型来了之后，我们发现，它能够更深入地理解非结构化数据，释放出这些数据的价值。
 
 
大模型怎么解决这个问题？我们其实有三个鸿沟：
 
首先是数据和数据的鸿沟。 借助大模型，我们可以有效识别非结构化数据中的关键信息，让结构化与非结构化数据真正融合，去更好地赋能业务。
 
第二个是数据和工具的鸿沟。 系统和平台间的孤岛效应导致数据难以协同。但大模型可以把各平台能力拆解成原子能力，理解、调度它们，从而实现跨平台业务贯通。
 
第三是数据和人的鸿沟。 企业常有优秀的数据平台和数据，却缺少优秀的数据人才。而大模型能学习人的经验，固化下来成为它的知识与能力，帮助我们用好数据。
 
在 5 月份的上海 AI 巡展中，我们发布了 Data Agent 产品。Data Agent 是能较好解决上述三大鸿沟的产品。
 
 
首先，借助 Data Agent，我们能快速接入企业的结构化与非结构化数据，直接赋能业务分析，驱动智能化营销。
 
通过 Data Agent，还能实现跨平台系统贯通。 比如说：针对业务用户做营销活动，按传统经验，我们得先去 BI 系统分析过往活动经验，再去画像平台圈选人群，圈完后再到自动化运营平台制定策略。整个过程，需要数据分析师和运营同学配合，耗时几天才能完成。
 
但借助 Data Agent，我们只需与大模型进行几句对话，它就能自动执行全面的 BI 数据分析，并结合非结构化数据，比如营销物料、知识库，得出关键结果；再根据结果找到精准人群，设计匹配的营销活动；
 
而我们确认了之后，只需一句话或一个点击，它就能自动实现营销触达。 这极大地提升了效率，并解决了数据孤岛问题。
 
Data Agent 也有效解决了数据和人的鸿沟。 通过它，我们可以将各行业优秀企业的宝贵经验、分析方法、营销策略、运营手段等内嵌成知识库，快速掌握行业领先的分析思路与营销方案。
 
自发布以来，火山引擎 Data Agent 已经与数十家优秀企业建立了合作。
 
接下来，看一个具体案例：一家消费品企业，他们在 618 之前与我们合作，正好遇到了这个很好的场景，他们想分析如何制定 618 的营销方案。
 
在没用 Data Agent 时：制定一个营销方案，需要先做数据分析，形成复盘报告；然后运营同学再基于报告设计营销策略。
 
有了 Data Agent 之后： 我们可以直接问它，“针对即将到来的 618，请帮我复盘过去营销活动的好经验”。 Data Agent 会主动调取结构化数据和非结构化知识，生成分析报告。
 
例如，当报告发现“粉丝互动赢好礼”活动过去效果突出，我们还能继续追问：“‘粉丝互动赢好礼’活动适合什么目标客群？你有什么营销建议？”
 
Data Agent 就会基于“粉丝互动赢好礼”深入分析活动数据，结合客群特征，制定差异化营销方案。 一旦确认方案，使用营销 Agent 一键触达即可。
 
这是我们落地的真实案例。
 
今天，我们非常荣幸在青岛发布 Data Agent-智能营销 Agent 的核心能力——一客一策。
 
过去常说“千人千面”营销。但传统“千人千面”基于标签体系，而标签是数学模型计算的标签值。数学模型运算会带来信息缺失。因此，过去的“千人千面”更多是把人群分层，再针对不同层客群进行营销。
 
“一客一策”能力，会整合结构化和非结构化数据，基于用户的立体画像，结合产品、文案、触达渠道和时间，匹配营销策略，真正实现“千人千面”。
 
以我们一位企业客户为例：这是一家 B to B 的 SaaS 企业，刚完成 B 轮融资，主要业务是帮助中小企业构建数字协同平台。该企业当前核心获客渠道是线上线索，再通过电销客服触达用户。
 
 
在使用 Data Agent 之前，这家企业面临几个核心痛点：
 
一是电销线索质量参差不齐，难以识别高价值客户。线上线索涌入后，无法确定谁应优先联系，无法第一时间捕捉关键商机。
 
二是对客户缺乏认知，只能使用千篇一律的话术。不同客户原本可能对 A 或 B 产品兴趣各异，销售却只能用通用方案介绍。结果很多客户没 Get 到重点就流失了，转化率自然大幅下降。
 
三是沉淀了大量数据却无法利用。官网数据、转化数据、线上实验平台数据，这些宝贵资产都未被激活。
 
借助 Data Agent，该企业实现了结构化与非结构化数据融合。 当客户再次致电，电销人员可向 Data Agent 追问：“应采取何种营销策略？”、“客户更关注价格还是功能？” 进而实施精准营销。
 
在应用了这个能力后，该公司整体线索转化率提升 300%。
 
以上是关于 Data Agent 的相关介绍。
 
 
谈到释放数据冰山价值，目前可应用的仅是浮出水面的小部分数据，那么，如何释放深藏水下的海量数据价值？
 
关键在于：筑牢数据基建根基。
 
在 6 月的火山引擎 FORCE 大会上，我们发布了多模态数据湖。它能高效处理冰山下的非结构化数据，实现非结构化数据和结构化数据统一管理，从而驱动业务价值落地。
 
今天，我也非常荣幸地在青岛发布我们 AI 数据湖产品的重要能力——算子广场。
 
 
在 AI 数据湖产品的左侧菜单中可以找到算子广场。 这里汇聚了丰富的算子，涵盖文本、视频、语音、图片等多种处理能力。
 
这些算子内置了豆包大模型的数据处理经验，并融合了我们与众多客户共创沉淀的非结构化数据处理算子。同时，算子支持客户自定义开发。
 
借助算子平台，冰山下沉睡的非结构化数据得以有效处理，其价值被真正提炼出来。
 
让我们看一个实例：这是一家专注于 AI 视频生成的企业，服务于众多品牌方，为其制作视频广告。
 
 
这家企业在使用算子广场和 AI 数据湖之前，有两个比较大的痛点：
 
第一，数据格式繁杂，文件、图片、视频，来源各异。这让他们需要构建多条处理链路，效率比较低。
 
第二，开发管理效率低。开发后的数据存储分散于不同链路和处理环节，无法统一有效管理。
 
借助火山引擎的 AI 数据湖和算子广场，他们实现了不同数据源与数据格式的有效处理。 AI 数据湖通过数据集的方式，统一管理各类非结构化数据，显著提升了这家企业的研发效率。
 
以上是今天的分享，希望给在座大家有一些收获。
 
火山引擎数据产品团队，也非常希望与大家一起构建知识资产，开启数据思考新未来！感谢各位。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！