火山引擎数智平台VeDI重磅发布“AI助手”：以大模型驱动数据飞轮，赋能非技术人员高效“看数、用数”
目录
数据全链路AI应用总结
字节内部实践与普惠价值总结
数据飞轮模式与未来展望总结
9月19日，火山引擎在其“V-Tech数据驱动科技峰会”上宣布，数智平台VeDI正式推出“AI助手”。该AI助手通过接入人工智能大模型，帮助企业提升数据处理和查询分析的效率。这意味着，即便是不会写代码的运营人员，现在也可以通过与大模型对话，轻松完成业务运营数据的取数、看数和归因分析。大模型降低了企业挖掘数据价值的门槛，能够更高效地构建以数据消费为核心的“数据飞轮”，并强调“AI加持的数据飞轮将成为企业做好数据驱动的一个新范式。”
数据全链路AI应用总结
火山引擎VeDI已将AI助手配置到大数据研发治理套件DataLeap和智能数据洞察产品DataWind中，覆盖数据生产与消费的全链路场景。
数据查询与开发（DataLeap）： “找数助手”支持非研发人员通过对话式查询高效准确地查找数据；“开发助手”则允许用户使用自然语言自动生成、优化SQL代码，打破技术阻碍，使取数更加便捷。
数据分析与洞察（DataWind）： “分析助手”让企业员工通过对话完成数据可视化查询与分析，缩短数据分析周期。此外，DataWind还联通飞书等协同工具，支持随时随地的灵活分析。VeDI的AI应用不仅降低了非专业人员的数据消费门槛，更解放了专业人员，使其能够聚焦复杂场景需求，提高研发效率和代码质量。
火山引擎VeDI已配置AI助手，覆盖数据生产与消费的全链路场景，主要体现在大数据研发治理套件DataLeap和智能数据洞察产品DataWind中：
在数据资产的查询和开发环节，DataLeap-找数助手支持非研发人员通过对话式查询高效准确地查找数据；DataLeap-开发助手允许用户使用自然语言自动生成、优化SQL代码，极大地降低了技术门槛，实现了取数便捷。
在数据分析环节，DataWind-分析助手支持企业员工与大模型对话，完成数据可视化查询与分析，解决过去分析洞察需要大量专业知识的痛点，缩短了数据分析周期。同时，DataWind等工具，实现了灵活分析。
字节内部实践与普惠价值总结
字节跳动内部业务实践已初步获得成效，印证了大模型在数据产品中的应用价值。电商运营人员现在可以跳过研发人员，直接向DataLeap提问，获取推荐数据表、自动生成数据需求代码，并一键优化数据资产。在DataWind中，运营人员可以拖拉拽创建数据集、用自然语言定义字段逻辑，并基于AI分析结果进一步进行归因分析。目前字节跳动内部80%的员工可以直接使用数据产品，大模型的加持让数据消费变得普惠，业务更容易实现数据驱动。
现在，不会写代码的电商运营人员可以直接向DataLeap提问，获取经营状况相关的推荐数据表及其维度解释。运营人员还能让DataLeap自动生成分城市订单销售或分时段直播间流量等数据需求代码，并一键解析或修复代码，优化数据资产。获得数据资产后，运营人员通过DataWind可拖拉拽创建数据集，用自然语言查询如“大咖直播时段”的数据，并利用AI自动分析结果，通过对话形式进行归因，实现业务洞察。
数据飞轮模式与未来展望总结
火山引擎基于字节跳动实践经验，于今年4月发布了企业数智化升级新模式“数据飞轮”，其核心要素是做好数据消费。针对许多企业存在的“数据建设成本高、使用门槛高、资产价值低”等问题，数据飞轮通过频繁的数据消费和业务价值提升，反向驱动高质量、低成本的数据资产建设，实现数据资产和业务应用提升的飞轮效应。火山引擎VeDI将通过“AI+数据飞轮”持续降低数据消费门槛，帮助企业充分释放数据价值，获取增长动力。
火山引擎基于字节跳动数据驱动的实践经验，对外发布了企业数智化升级新模式“数据飞轮”。针对许多企业数字化建设后仍无法释放数据价值的痛点，数据飞轮致力于通过数据消费，实现洞察科学、决策高效、行动敏捷，带来业务价值提升；同时，通过业务收益有的放矢地建设高质量、低成本的数据资产，从而实现数据资产和业务应用提升的飞轮效应。