中國企業的數字化轉型已逐步邁入深水區，如何讓第五大生産要素——數據真正實現服務於決策，推動企業從“經驗驅動”邁向“數據驅動”，是當前諸多企業面臨的棘手難題。國家數據局發布的《全國數據資源調查報告（2024年）》顯示，2024年全國數據生産總量達到41.06ZB，其中活躍總量僅1.3ZB。這意味着，依然有大量高價值數據沉睡在各種系統孤島之中，數據價值無法被充分釋放。

如何把數據用好？北極九章首席運營官沙海洲近日接受新華網採訪時&&，當前眾多企業已經進入精細化運營階段，企業級的、可真正落地的AI數據分析&&能夠幫助企業更輕快、智能地應用已建好的數據，驅動業務價值增長。

讓企業“數據用起來”的智能分析

在企業數字化轉型過程中，企業已經逐漸認識到數據的重要性，但數據的鏈條很長，包含數據採集、生産、治理、存儲等底層建設。“我們的産品是解決數據的最後一個環節——數據的應用。”沙海洲介紹，北極九章聚焦於“讓數據用起來”。

在過去幾年當中，尤其是大型企業在數字化建設過程中，投入了大量資源引入各類系統，迎來的卻是數據洪流淤積成山，報表迷宮眼花繚亂。投入越多，信息熵增越烈，海量數據並未轉化為有效的洞察，更未流向價值創造的閉環終點。

企業採集、儲存、計算數據的能力越來越強，但數據分析能力始終增長緩慢。諮詢公司Gartner的數據表明，68%的企業數據沒有被分析，成為數據釋放價值過程中的難題。

“企業不是為了建數據而建數據，而是讓數據創造價值，讓數據驅動業務。”沙海洲認為，在過去的二十年當中，人們從PC時代過渡到移動互聯網時代，再到如今的AI時代，生産力工具的易用性越來越高，但數據分析能力依然處在“敏捷BI”（Business Intelligence）階段，只有專業的數據分析人員才能夠對業務産生的數據進行有效處理，而非技術背景的業務人員則被高使用門檻拒之門外。

數字化時代，幾乎每個企業每天都在生産大量的數據，根據Intel（英特爾）的估算，自動駕駛車1天就會産生4TB的數據。“像智能駕駛試駕一圈産生的數據量是以前不可比擬的。”沙海洲稱，企業的數據是海量的，但企業內部並不是每個人都是數據分析師，許多業務人員依然對專業的數據分析工具望而卻步。傳統的“敏捷BI”依然困於“報表車間”模式，即花費大量的時間形成業務的“數據報表”，導致業務的響應速度遠遠跟不上市場的變化。

能夠讓業務人員用自然語言提問，並直接獲取完整的商業洞察，如同擁有一個24小時待命的“數據助手”，是北極九章旗下産品應對數據分析難題的解決思路，“未來企業需要的是分析洞察引擎，而非數據問答工具。”沙海洲説。

據沙海洲介紹，目前北極九章的核心産品是以用戶簡單提問為“分析原點”，模擬數據分析師推演問題路徑，如拆解“毛利率下降”原因鏈，將模糊問題轉化為明確數據指標，精準生成並執行分析邏輯，最終輸出高價值結論。支撐這一能力的是“左腦數據模型+右腦語言模型”雙架構——左腦負責嚴謹數據映射，右腦負責理解業務語義。

北極九章旗下智能分析洞察工具示例

他舉例，當用戶提出簡單問題時，如“華東地區營業額如何”，系統不僅返回數據，還會主動分析應從哪些視角來分析營業額的變化，如地區、品類、時間等維度，並識別關鍵維度的異常波動、負相關指標等，最終通過多維度思路洞察幫助用戶形成分析結論。

企業數字化轉型中的“效率革命”

麥肯錫在2022年發布的報告《2025年做一個數據驅動的企業》中指出：“在2025年，企業裏的每一個員工都會習慣於使用數據來支撐自己的工作。”

但現實的情況是，我國數據分析人才相對短缺，沙海洲&&，在數據量指數級膨脹與數據分析人才供應緊張的剪刀差中，智能分析已成為維繫企業數據血液循環的“人造紅細胞”。智能分析或許永遠無法替代十餘年經驗的資深分析師，但正批量複製着具有“三年經驗”的數據分析師，這是中國製造業邁向精密化、金融業實現精細化、零售業擁抱即時化的底層燃料。

沙海洲以國內某頭部乳企為例，説明了智能分析在企業數據應用中的重要性。“原本需專業數據團隊耗時構建的看板，現在借助智能分析工具，普通業務人員就可以在兩周內自主完成3000張數據看板。”這是當前企業支持更加柔性化的生産所必不可少的一步，也是企業利用數據驅動提效的核心。

“精密製造、金融、消費零售領域的企業，要麼具備豐富的數據基礎，要麼處於精細化運營階段，對數據分析需求迫切，這些在數字化應用領域‘嘗到過甜頭’的企業會最先成為我們的客戶。”沙海洲介紹，當前的AI數據分析産品，雖仍需企業內部業務員接受10-15分鐘基礎培訓，但未來將通過持續迭代降低使用門檻，最終實現“像下載APP一樣簡單操作”。

隨着AI時代加速到來，企業內部將大量啟用AI agent（智能體）協作，AI agent之間的協同需要準確的數據交互，因此産品未來定位是“可被AI調用的工具”，為企業提供精準數據與智能洞察。