<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[https://www.thinkingdata.cn]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ThinkingData</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ThinkingData]]></copyright><item><title><![CDATA[ThinkingAI 周津：当Agent可以实现增长，人的工作会怎样发生改变？]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/170138793</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/170138793</guid><author>ThinkingData</author><pubDate>Thu, 05 Nov 2026 14:21:33 +0800</pubDate><description><![CDATA[比如，研发拿到“改进兴趣选择”的需求，可以通过 AE 读取前面的分析，知道很多用户跳过了这一步，再考虑怎样让它更容易理解和完成。当日常跟进、分析和执行有了 AE 的支持，负责人就能把更多精力放在业务上：这次尝试是否解决了用户的问题，已有结果是否值得加大投入，下一阶段又该往哪里走。比如，AE 带回的进展里，团队把兴趣选择页面改好了，测试也通过了。把收到推荐与未收到推荐的用户放在同一次实验中，比较他们后续继续使用产品的情况，才能更有把握地判断这次投入有没有效果，以及这套做法适合推广到哪些人。]]></description><category></category></item><item><title><![CDATA[Agent怎么用进业务？五个场景，把分析结果用到工作里]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/170138348</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/170138348</guid><author>ThinkingData</author><pubDate>Thu, 05 Nov 2026 14:07:25 +0800</pubDate><description><![CDATA[在ThinkingAI Summit 2026中国站，多位科技区百万粉达人来到现场探展，走进场景体验区和Agentic Engine加油站，带着自己的业务问题上手体验、交流。他们关心的，是产品和经营工作中经常遇到的难题：经营表现变差，应该先调整投放还是检查产品？新功能有人用，下一步该优化哪里？用户迟迟不付费，运营动作应该怎么安排？这些问题需要的答案，最终都要能进入实际工作：成为一项排查任务、一份用户清单，或一次有明确对象的运营行动。]]></description><category></category></item><item><title><![CDATA[Agentic Engine全新发布！让每个岗位都能用AI+数据实现增长]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/169463066</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/169463066</guid><author>ThinkingData</author><pubDate>Thu, 29 Oct 2026 19:18:02 +0800</pubDate><description><![CDATA[不论是产品想知道新功能用户到底用不用，还是运营想复盘活动里哪一步流失最多，增长想看不同渠道哪个更值得投入，客服想弄清用户反馈背后的真实操作——每一个岗位角色都可以在自己常用的 Agent 里，通过与 Agent 沟通，将复杂数据接入 Agentic Engine，缺的行为记录让 Agent 调用 AE-CLI 出一份埋点方案，就可以从要解决的问题出发，倒推该看哪些数据，不用再等报表做好。开会时想多看一个用户群，复盘时发现一个值得追的变化，问题并不复杂，按照过去的工作流程，却要整理需求、找人取数、等结果。]]></description><category></category></item><item><title><![CDATA[Agent如何成为企业的增长动力？ThinkingAI Summit 2026现场回顾]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/169449103</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/169449103</guid><author>ThinkingData</author><pubDate>Thu, 29 Oct 2026 11:53:37 +0800</pubDate><description><![CDATA[AI Agent 可以在哪些业务中发挥作用？从最初尝试到团队日常使用，需要经历哪些调整，又有哪些经验值得借鉴？10 月 28 日，由 ThinkingAI 主办的 ThinkingAI Summit 2026 在北京瑞吉酒店举行。大会以“Agentic Growth｜组织跃迁，增长跃升”为主题，邀请来自游戏、泛娱乐及互联网行业的实践者，分享组织建设、产品应用与业务探索的进展。]]></description><category></category></item><item><title><![CDATA[ThinkingAI CEO 新书发布｜《AI Native组织：从思考到实践》]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/169268777</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/169268777</guid><author>ThinkingData</author><pubDate>Tue, 27 Oct 2026 22:30:45 +0800</pubDate><description><![CDATA[个人新书《AI Native组织：从思考到实践》将于本周由电子工业出版社正式出版，目前已在京东和天猫开放预售。写这本书，最初是想回答一个问题：当人不再是组织中唯一能够做事的主体，管理应该发生什么变化？传统管理理论的以「人为做事的主体」作为基本前提。人固然聪慧，但时间、精力和信息处理能力都有限制，人与人之间的沟通和协作也受到这些条件的制约。如今，AI 开始作为执行主体参与工作，在信息处理、任务协同和持续运行上，突破了人的限制。当这些限制发生变化，以此为基础形成的分工、层级和协作方式，也要重新思考。]]></description><category></category></item><item><title><![CDATA[Agentic Engine 数据分析案例：3位百万粉大V如何分析获客、产品与付费转化]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/168660358</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/168660358</guid><author>ThinkingData</author><pubDate>Wed, 21 Oct 2026 19:21:29 +0800</pubDate><description><![CDATA[新功能上线后，用户在哪一步停了下来？每周都在复盘内容数据，却还是不知道如何选题？这次，我们整理了3位百万大V使用Agentic Engine的经历。他们带着各自的问题查数据、做比较，再根据结果继续追问。我们一起看看Agentic Engine怎样出现在他们的具体工作里，也听听他们实际使用的感受。下面，把话筒交给他们。]]></description><category></category></item><item><title><![CDATA[Agentic Engine 工作空间发布：让AI工作方法与成果在团队中持续复用]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/167496150</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/167496150</guid><author>ThinkingData</author><pubDate>Sat, 10 Oct 2026 19:50:44 +0800</pubDate><description><![CDATA[一套已经验证成功的AI工作方法，怎样让更多人也用得起来？分享提示词只是开始，配套的资料、工具和业务约定也影响着使用效果；换一个人或Agent接着做，还需要知道哪些结论已经确认、工作进行到哪里。ThinkingAI推出Agentic Engine工作空间，将常用的Agent、工具与业务知识配置在同一个空间中，通过事项保留工作进展和经过确认的成果。让个人开展新任务时，可以沿用适用的方法与资料，让一个人的好实践也能被更多人采用。]]></description><category></category></item><item><title><![CDATA[市场人最难搞的官网分析，我用 ThinkingAI Agentic Engine 20分钟搞定！]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/167281820</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/167281820</guid><author>ThinkingData</author><pubDate>Thu, 08 Oct 2026 19:57:32 +0800</pubDate><description><![CDATA[如果把这次官网分析拆开来看，其实方法并不神秘：先确认数据范围和口径，再看流量规模与质量；出现异常以后，继续往时间、渠道、页面和转化路径拆；发现结果可疑时检查埋点和数据质量；最后把问题分成“市场立即做、跨团队协作、暂时不要动”三类。难的是，过去这些步骤往往分散在不同的人和工具里。市场知道业务问题，数据团队负责找数据，技术负责确认埋点，最后还要有人把结果重新整理成报告。AE做的事情，是把这条链路尽量接在一起。现在到底发生了什么？哪些结论值得相信？接下来最应该先做什么？20分钟体现的是效率。]]></description><category></category></item><item><title><![CDATA[把数据工作交给Agent，从 AE-CLI 开始]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/166133961</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/166133961</guid><author>ThinkingData</author><pubDate>Sun, 20 Sep 2026 15:56:48 +0800</pubDate><description><![CDATA[越来越多人已经习惯用 WorkBuddy、Claude Code、Codex 这类 Agent 去写代码、查资料。但轮到数据工作，很多人还是得自己上手：先判断该用哪种分析方式，再打开哪些报表，然后去不同工具、不同文档里找数据、补上下文。一旦分析中发现新问题，往往还要重新整理需求，从头再走一遍。这些重复的活，卡在三道老坎上——。埋点方案靠人设计、接入靠研发落码，动辄排期几周；指标一波动，是口径问题还是用户真实流失，反复拆维度也难精确定位；监控、分析、执行、回收各环节靠人串联，数据转不起来。]]></description><category></category></item><item><title><![CDATA[鸿蒙生态大会2026：ThinkingAI让Agent运行可见、价值可衡量]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/164371819</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/164371819</guid><author>ThinkingData</author><pubDate>Fri, 04 Sep 2026 16:42:22 +0800</pubDate><description><![CDATA[在近日举行的鸿蒙生态大会 2026 上，全球智慧物联网联盟（GIIC）披露，已有超过 200 款鸿蒙 SDK 通过相关评测，覆盖 21 个应用领域。随着 SDK 越来越深入地参与数据采集与能力调用，可信、规范、可控，正在成为鸿蒙生态规模化发展的基础。ThinkingAI 旗下鸿蒙 SDK 早在 2026 年 1 月便通过 GIIC 相关评测，成为首批获证 SDK 之一。对 ThinkingAI 来说，这项评测指向的不是一次性的合规结果，而是从 SDK 设计之初建立清晰的数据边界。]]></description><category></category></item><item><title><![CDATA[2026 AI 数据分析全景科普：采集、清洗、建模、可视化全拆解]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163890708</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163890708</guid><author>ThinkingData</author><pubDate>Wed, 19 Aug 2026 16:18:50 +0800</pubDate><description><![CDATA[用 AI 贯穿「采集→清洗→建模→可视化」全链路，让数据到业务决策的过程更快、更准、更省人力，解决传统数据分析门槛高、效率低、落地难的痛点。]]></description><category></category></item><item><title><![CDATA[“AI Agent+用户运营”能做什么？2026年值得关注的10个智能运营场景]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163890014</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163890014</guid><author>ThinkingData</author><pubDate>Wed, 19 Aug 2026 15:52:47 +0800</pubDate><description><![CDATA[AI驱动的智能运营，正在将活动上线周期从过去的几天压缩到现在的不到一小时。从目标洞察到用户分群，从文案生成到全渠道触达，再到最后的实时闭环追踪，AI正在重塑运营的每一个关键节点。企业引入智能运营Agent，不是为了裁掉运营人员，而是为了把人从机械的“拉表、配活动”中解放出来。未来的卓越运营人员，将不再是系统的搬运工，而是AI Agent的指挥官，他们将拥有更多的时间去洞察人性，制定更高阶的商业战略，构建真正有温度的用户增长闭环。]]></description><category></category></item><item><title><![CDATA[2026企业AI Agent一览：盘点10个最适合部署Agent的业务场景]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163888477</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163888477</guid><author>ThinkingData</author><pubDate>Wed, 19 Aug 2026 14:53:33 +0800</pubDate><description><![CDATA[Agent 落地不是从技术开始，而是从选对场景开始。数据地基先行、高频场景见效、增长场景放大 ROI、主动预警沉淀价值，让 Agent 从"工具"变成"团队成员"。如果企业正纠结"该让 Agent 先干什么"，不妨从这 10 个场景里挑一个最高频、最痛的先跑通，你会发现Agent 落地并没有想象中那么难。]]></description><category></category></item><item><title><![CDATA[一文读懂 AI+数据开发治理：什么是、能做什么、怎么落地、如何选型？]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163705770</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163705770</guid><author>ThinkingData</author><pubDate>Wed, 12 Aug 2026 21:20:40 +0800</pubDate><description><![CDATA[AI+数据开发治理并非给传统 DataOps 挂一个 AI 聊天框，而是利用大模型、语义层与 Agent 引擎，贯穿数据“采、建、管、用”全生命周期的自动化与智能化重构。它不是简单的工具叠加，而是通过AI能力重塑数据开发与治理的每一个环节：从数据采集的自动化，到数据建模的智能优化，再到数据治理的动态监控，最终实现数据消费的闭环执行。从 Copilot 到 Agentic Data Engine，AI+数据开发治理不仅是 IT 工具的简单升级，更是企业数字化向 3.0 智能化时代迈进的核心基座。]]></description><category></category></item><item><title><![CDATA[全球千余开发者齐聚！都聊了哪些 AI Agent 新玩法？]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163571861</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163571861</guid><author>ThinkingData</author><pubDate>Fri, 07 Aug 2026 20:23:12 +0800</pubDate><description><![CDATA[当AI Agent开始进入产品研发、内容生产和用户经营，泛娱乐行业的增长方式也在发生变化。8月1日，全球近千名开发者齐聚上海，围绕已经发生的实践，共同讨论增长的下一步。过去十年，游戏与App产品的增长，比的是上线速度、渠道效率和买量规模。如今，AI Agent开始进入业务流程。产品迭代周期在缩短，小团队能够承担更复杂的工作，用户也不再只是一次安装和一次转化，而是一段需要持续经营的关系。]]></description><category></category></item><item><title><![CDATA[一文读懂A/B测试：核心原理、落地流程、工具选型与实战指南]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163503576</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163503576</guid><author>ThinkingData</author><pubDate>Wed, 05 Aug 2026 13:56:18 +0800</pubDate><description><![CDATA[*实验组优化效果显著：**用户首充率提升28%、达到4.1%，用户首次充值人均收入提升21%、达到22.3元，七日用户留存小幅提升4%至43.8%，且所有辅助监测指标均未出现负面影响，实验收益健康稳定。集团搭建统一中心化 A/B 实验平台，统一分流、埋点、统计、复盘全流程规范。：智能迭代型实验模型，结合先验概率推演与CUPED方差缩减技术，适配小样本场景、数据收敛快，支持实时动态评估，可有效缩短迭代周期，依托AI算力实现高效实验，适配游戏、泛娱乐、电商营销、新业务冷启动等高频试错场景。]]></description><category></category></item><item><title><![CDATA[ChatBI全景科普，企业落地AI数据分析，看这一篇就够了！]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163474832</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163474832</guid><author>ThinkingData</author><pubDate>Tue, 04 Aug 2026 15:38:12 +0800</pubDate><description><![CDATA[随着大模型不断发展，企业的数据分析方式正在发生变化。但无论技术如何演进，真正决定项目效果的，仍然是数据基础、业务理解以及组织协同能力。对于企业来说，ChatBI的价值不仅在于降低分析门槛，更在于让更多业务人员能够持续使用数据、解决业务问题，并逐步形成从数据洞察到业务行动的完整闭环。]]></description><category></category></item><item><title><![CDATA[什么是 FDE 工程师？打通 AI 应用落地的最后一公里]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163447249</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163447249</guid><author>ThinkingData</author><pubDate>Mon, 03 Aug 2026 17:28:13 +0800</pubDate><description><![CDATA[1. FDE 岗位的真实定义目前行业内对 FDE 的认知普遍存在偏差，很多人简单把 FDE 等同于普通实施、部署、交付人员，这是非常片面的理解。**FDE（Forward Deployed Engineer，简称FDE）**人工智能领域新兴的复合型职位，其核心使命是“让前沿技术精准扎根产业”。FDE并非传统的单一领域工程师或实验室研究者，而是兼具技术、产业与落地能力的“跨界翻译官”，致力于将AI模型与企业具体场景深度结合，提供定制化部署解决方案，以破解AI应用落地的“最后一公里”难题。]]></description><category></category></item><item><title><![CDATA[AI Agent 数据分析平台是什么？与BI、传统分析工具有何不同？]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163446591</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163446591</guid><author>ThinkingData</author><pubDate>Mon, 03 Aug 2026 17:01:56 +0800</pubDate><description><![CDATA[简单来说，AI Agent 数据分析平台就是一个有“脑子”的数字数据分析师。不同于传统工具需要“人去找数、人去分析”，AI Agent 具备主动推理与任务拆解能力。它能够理解业务目标，7×24 小时主动监控数据，并在指标异常时自主拆解维度、寻找背后根因，最终直接给出可落地的策略建议甚至自动触发执行动作。AI Agent 数据分析平台并不是要替代传统 BI，而是对传统数据链路的重构与全面升级。它填补了从“数据洞察”到“业务行动”之间那最难跨越的最后一公里。]]></description><category></category></item><item><title><![CDATA[Agent Team是什么？多Agent系统入门科普与选型策略]]></title><link>https://blog.youkuaiyun.com/ThinkingData/article/details/163445596</link><guid>https://blog.youkuaiyun.com/ThinkingData/article/details/163445596</guid><author>ThinkingData</author><pubDate>Mon, 03 Aug 2026 16:36:51 +0800</pubDate><description><![CDATA[我们可以把Agent（智能体）理解为一个有“脑子”的数字员工。它不同于传统的聊天机器人，因为它具备“手”和“眼”。感（全域感知）：它不只是被动等待查询，而是像雷达一样7×24小时感知所有渠道的信号。数据看板的波动、App Store突然增加的一星差评、客服工单里的异常关键词，它都能主动捕获。知（深度理解）：它不仅知道“发生了什么”，更知道“为什么发生”。它不只是告诉你“留存率下降了5%”，还能结合业务背景告诉你“是因为上周版本更新导致的新手引导卡点”。行（行动闭环）]]></description><category></category></item></channel></rss>