火山引擎 Data Agent 再拓新场景，重磅推出用户研究 Agent

10 月 16 日，火山引擎 AI 创新巡展武汉站成功举办，在下午场的「Data +AI 专场闭门会」上，近百名来自各行业的企业管理人员和技术专家共同探讨了在 AI 浪潮下，企业如何跨越数据应用的鸿沟，真正实现既懂数据又懂业务的智能化升级。

会上，火山引擎重磅发布了 Data Agent-用户研究 Agent，并深入解读了 Data Agent 与多模态数据湖之间如何协同增效，共同为企业增长提供历经实践且可复用的“务实路径”。

从 BI 到智能体的协同演进

“AI 投入翻了一倍，但业务价值呢？”火山引擎 Data Agent 项目负责人海书山在演讲开场，便抛出了当前许多企业在数智化升级过程中面临的共同困惑。他谈到，现阶段部分企业在积极拥抱大模型的同时，又时常陷入神化大模型能力、混淆技术和业务价值关系等“隐形陷阱”，导致 AI 的巨大投入与预期产出存在较大落差，甚至无法转化出应有的业务价值。

破局的核心在于能帮助企业找到一条务实的数智化升级演进路径。以火山引擎推出的 Data Agent 为例，它并非是取代传统的商业智能（BI）系统，而是与之形成协同关系——BI 保障了企业决策中对“确定性”的核心需求，如财务报表重的准确数字、KPI 监测过程中的完成度确认；Data Agent 则在 BI 基础上提供更灵活、更深度的洞察能力，能够主动发现异常、深入分析原因，并为未来趋势提供预判。

而智能体价值则取决于模型能力、工程可靠性、领域知识密度三个维度的组合——核心不是无限提升模型性能，而是通过上下文管理和工程化手段管理和对冲不确定性。在 Data Agent 评估体系上，也应该超越单一的准确率指标，建立包括业务理解、分析洞察、可视化呈现、系统鲁棒性等在内的立体评估框架。

上述理念已在多个客户和场景中得到验证，过去几个月，火山引擎 Data Agent 推出的智能分析 Agent 和智能营销 Agent，在包括极氪汽车、得物 APP、达能（中国）等多家企业落地并收获成效。

Data Agent 再拓用户研究新场景

在「Data +AI 专场闭门会」上，火山引擎数智平台副总经理徐冰泉正式发布 Data Agent 新能力：用户研究 Agent。

他在分享中提到一个案例，某企业的 APP 产品与运营团队面临拉新用户留存率显著下滑的难题，“团队内部也曾经进行多次讨论和分析，想探究原因到底是产品功能太多太复杂？还是用户对推荐的内容并不喜欢？”

基于过往业务经验和用户调研访谈判断大概的几个探究方向后，该企业的数据分析团队就以人工的方式一个一个地进行用户案例分析，牵扯包括数据看板搭建、数据分析、结论总结等大量基础性复杂工作，整个过程耗费近两周时间，处理数据超 10 万条。

Data Agent-用户研究 Agent 的问世，将正式宣告用户认知将完成从初期的“人工调研期的 1.0 时代”和“数据工具期的 2.0 时代”，跨越到“智能洞察期的 3.0 时代”，这也意味着用户研究将从企业内部少数专家的“手艺活”，降门槛成为每个业务人员都能轻松上手的“日常工作”。

对企业来说，Data Agent-用户研究 Agent 的核心能力主要体现在四个方面：

• 精准用户洞察理解：能够深度理解用户操作背后的真实意图，无论是复杂的转化路径分析，还是异常行为归因，都能一键生成洞察报告。

• 高效用户评估分析：基于 AI 对用户理解的沉淀，企业无需组织真实的用户访谈，即可模拟目标人群的反馈，极大缩短验证周期，降低研究成本。

• 多维数据全面融合：打破系统壁垒，将企业自有的多维度数据和第三方数据全面打通，唤醒沉睡在数据仓库中的宝贵资产。

• 灵活开放快速落地：提供超过 10 种覆盖泛互、零售、金融等行业的内置场景模板，企业最快可在 1 小时内完成配置并生成分析报告。同时，产品支持灵活集成，并提供一对一的专属团队落地支持。

数据显示，通过引入 Data Agent-用户研究 Agent，上述企业仅用 2 人天便完成了过去需要 8 人天才能完成的分析工作，效率提升近 4 倍，此外用户研究 Agent 不仅自动洞察到 APP“63%的新用户因画像标签不准导致推荐内容不匹配”等关键问题，还发现了人工分析时忽略的“跳转链路断裂”等细节问题，通过系列策略输出和应用，最终帮助该 APP 的拉新用户留存率提升了 8%。

多模态数据湖打造智能体坚实底座

Agent 在不断扩展应用场景，离不开与日俱新的数据基础设施建设。

火山引擎数智平台产品总监王彦辉在他的分享中提到：“模型能力决定了 Agent 应用的下限，而数据能力决定其效果的上限。”认为高质量数据是驱动 Agent 智能涌现的核心燃料。多模态数据湖解决方案则是企业打造高质量数据的基础。

但目前，随着视频、音频、文本、向量等非结构化数据占比超过 80%，传统的企业数据基础设施正面临严峻挑战。基于企业级市场现状，火山引擎在今年上半年推出了多模态数据湖解决方案。

多模态数据湖解决方案以专为 AI 场景设计的列式表格式 Lance 为核心，具备统一存储、高性能随机访问、灵活 Schema 变更和版本控制等能力，能够有效应对多模态数据带来的存储挑战；在计算层面，还引入了分布式多模态计算引擎 Daft，原生支持 CPU/GPU 异构资源调度和 Python DataFrame & SQL，解决了传统大数据引擎对 GPU 支持不足、Python 脚本难以规模化等问题。

更重要的是，多模态数据湖还能与 Data Agent 形成强大的协同效应。它不仅能为 Data Agent 提供了统一、高效、可管理的数据底座，帮助企业解决“数据孤岛”和非结构化数据利用难题，其内置的多模态数据处理算子（如 PDF 内容提取、图片 Embedding、视频关键帧抽取等）也能大大加速了企业内部 Agent 应用的开发和落地。

举个例子，当一家企业需要搭建一个能理解用户上传的图片、分析客服语音通话、或是在海量文档中寻找答案的 Data Agent 时，多模态数据湖解决方案可以为其提供坚实的数据设施基础，以保障 Data Agent 可以更直观地“看懂”和“听懂”业务需求，从而更好更快地实现从 BI 到智能体的越阶，成为能够全方位感知和理解复杂业务场景的“数字专家”。

从 Data Agent 的务实路径，到用户研究 Agent 的正式发布，再到多模态数据解决方案的底层支撑，火山引擎正在为企业展示出一幅清晰的企业智能化升级蓝图。

这不仅是工具的革新，更是企业构建核心认知能力、重塑决策链路的开始。正如会上所强调的，AI 时代的企业智能跃迁，关键在于从现在开始，构建属于自己的“认知引擎”。