Agentic AI X 数据智能：从自动化到业务增长的跃迁路径

近日，首届 CCFA 全零售 AI 火花大会举办。会议围绕人工智能在零售业的应用展开深入探讨，剖析实践案例，探索行业数智化转型新路径。神策数据泛品牌零售与互联网事业部总经理刘洋在大会上围绕数据 Agent 展开分享。

他指出，零售企业在数据应用中面临数据与业务增长脱节、难以制定有效增长策略等挑战。数据 Agent 的出现，凭借大模型的推理能力，可实现企业原有策略与私有数据的整合，打通业务与数据的壁垒。刘洋详细阐述了数据 Agent 落地的核心能力，包括明确应用场景、构建数据闭环、适配技术等。同时，他也提出 Agent 应用中面临的挑战，如私有数据策略提取、大模型调用优化、工具选择等。神策数据推出行业首个数据运营 Agent，旨在帮助企业基于数据找到增长策略，提升 ROI，实现业务增长。以下为演讲实录：

刘洋，神策数据泛品牌零售与互联网事业部总经理

一、数据 Agent 落地面临的挑战

在神策数据所处的大数据分析及营销科技行业，数据 AI Agent在真正的场景落地中存在很多难处，却又与增长息息相关。

数据和业务的关系是什么？在拥有海量数据的情况下，让这些数据真正实现帮助业务增长、提升业务价值是相对较难的。数据的沉睡，让企业手握海量数据，却难换真金白银：

1、 数据与业务目标脱节：

数据采集“大而全”，但缺少有效数据的挖掘与下钻；

2、 数据到决策断点：

数据分析成果仅以报表形式呈现，未能转化为可执行的业务动作，导致状态割裂；

3、 增长停滞，有效策略挖掘难：

增长空间定位难，增长策略制定难；

4、 价值验证缺失：

无法明确不同数据与业务动作实际带来的可量化的业务收益。

在保证业务和决策不脱节、有效利用数据实现增长上，神策数据擅长找到最适合自己的策略。我们拥有超过 2500 家客户，存储了中国零售企业大量数据。如何将这些数据转化为业务的增长？企业在用户运营建设路线中，仍会面临不同阶段的困境与挑战：

AI 时代的来临以及 AI Agent的出现，到底解决的是什么问题？在非 AI 时