近日，火山引擎升級了數據飛輪，其數智平臺VeDI推出“AI助手”，通過接入人工智能大模型，幫助企業提升數據處理和查詢分析的效率，讓數據、業務形成良性驅動，甚至有望改變數據價值探索的方式。

數據飛輪到底和傳統數據中臺有哪些區別?在大模型日益受到重視的今天，飛輪又給我們帶來了哪些思考?

飛輪讓數據價值快速釋放

(相關資料圖)

據介紹，此次數據飛輪升級，火山引擎VeDI的大數據研發治理套件DataLeap、智能數據洞察DataWind已配置了AI助手，覆蓋數據生產與消費的全鏈路場景，包括數據資產查詢、開發運維和分析洞察。

數據資產的查詢和開發，是數據消費的基礎。在以往，數據資產的檢索和開發非常依賴專業人員，大模型則極大地降低了門檻。打破技術阻礙，可讓數據開發簡單高效，取數便捷。

在數據分析環節，利用DataWind-分析助手，企業員工與大模型對話，就可完成數據可視化查詢與分析等一系列業務探索，解決過去分析洞察上需要大量專業知識的痛點，縮短數據分析周期。

這些將直接體現在業務層面，讓數據價值快速釋放。如DataWind提供了AI自動分析，方便進一步探索圖表背后的原因，比如在“直播間銷售額Top類目”等可視化圖表中，運營人員基于AI分析結果，通過對話形式進一步歸因，實現業務洞察。

火山引擎總裁譚待指出：“VeDI的兩款產品，不但降低了非專業人員數據消費的門檻，還解放了專業人員，讓其可以聚焦復雜場景的需求，提高研發生產效率與代碼質量。”

正如得到APP聯合創始人兼CEO脫不花說得那樣，如果“數據消費”很難、很復雜，一定就會有超過一半的人以各種理由不去看了，而火山引擎把各種數據看板推到大家面前，引起討論、形成行動共識，數據飛輪要轉起來，最開始踹上的那一腳“加速度”非常重要。

不一樣的飛輪讓數據業務良性驅動

數據中臺以及可視化數據面板也有其他企業在做，但值得注意的是，很多企業的業務和數據之間，沒有形成雙向良性驅動，仍舊是割裂的。飛輪不一樣，它和傳統數據中臺有著本質的區別。

字節跳動數據平臺負責人羅旋對此表示，傳統數據中臺第一步就是把數據建設好，讓數據以一個相對整齊、統一的方式呈現出來;而數據飛輪很大程度上是先聊業務，業務上有什么訴求，我們再看數據可以在解決該訴求里面起到哪些重要作用，進而給出解決方案。

“比如客戶需要小程序頁面優化或者文案優化，他的業務痛點非常明確，即通過文案的優化提高營銷轉化率，這個在字節跳動有非常多的積累，我們提供的方案就是做AB測試。”羅旋稱，如果是另一種問題，比如說數據清洗、數據質量的問題，我們還有另外的積累。

譚待認為，很多企業投入大量的資源做數據中臺，建完之后有數據，但是沒有利用起來，本質上就是沒有想清楚最終應該圍繞什么來做這件事情，所以我們提出了數據消費、數據飛輪這樣的邏輯。

有業內人士表示，數據飛輪本質上是一個從業務價值切入，去建數據方法論或者模型的東西，本身不強制一定要跟大模型結合，但大模型可以很好加速飛輪這樣的應用發展，因為AI帶來邏輯推理的變化，可以有效降低數據消費門檻，業務也更容易數據驅動，由此可見，大模型一個重要的方向就是飛輪。

飛輪落地解決企業這些痛點

實際上，數據飛輪已經在多個領域展開應用，受到越來越多的企業歡迎。

例如，作為奇瑞控股旗下的汽車品牌捷途，其汽車數字化負責人劉航透露，運營人員在火山引擎數智平臺上APP運營數據分析場景從過去的7天縮短到目前的秒級響應，并拓展了不少精準分層運營場景，僅僅在保養包售賣場景中，短信實現90%以上的打開率。

譚待對此提出“兩個80%”，即80%的企業員工能夠直接使用數據產品;統一建設的分析指標能覆蓋80%的業務場景。在這個基礎上，企業通過數據消費端到端應用起來，就能解決過去數據建設過程中數據團隊和業務團隊互相不理解，導致最后效果不好的問題。

應用和效果已經很清晰，在落地環節，譚待表示，最大的難點是在意愿上。不過，一旦當企業的核心決策人意識到數據產品或者數據價值本身，對于業務有比較大的幫助，他其實非常有意愿，因為他最終的目標是把業務做好，也是其最大的訴求。

正如上所述，在決策層面“踹一腳”，或許才能實現數據資產和業務應用提升的飛輪效應，激發企業活力。而構建以數據消費為中心的數據飛輪，將是企業數字化建設的必然趨勢。(完)