黄奕彬

外部精选

Now everyone can put data to work

本文来自外部来源,不是黄奕彬的原创文章。本站提供原文入口,并在采集端生成 AI 结构化摘要、解读与中文翻译(如有),一切以原文为准。

阅读原文(openai.com)
来源
OpenAI News ↗
作者 / 署名
未标注
发布日期
本站收录时间
原文域名
openai.com

以上时间均为北京时间;来源更新时间由来源提供,不代表首次发布时间。

结构化摘要 AI 生成

背景与问题

业务人员每天都有数据能回答的问题:销售为何放缓、支出在哪上升、哪些问题威胁最大客户的续约、应优先修复什么。但过去获取答案通常意味着等待报表,或请他人代为运行分析。

  • 文章面向这一『自助分析瓶颈』,发布 ChatGPT Work 中新的 Data agent,目标是让更多人自己回答这些问题。

方法或内容

文章是一篇产品发布公告,内容包含:

  • 发布 ChatGPT Work 中的 Data agent:连接获批公司数据源(Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflake 等),并可引入 Google Drive 与 SharePoint 的文件和文档。
  • 使用组织的业务术语、指标定义、自定义计算与数据关系解释数据;这些上下文来自语义层与可信来源,如 Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon 及 BI dashboards。
  • 支持追问、查看每项发现的证据、生成可编辑/分享/刷新的交互式仪表盘,并可在 Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpot 中构建与交互仪表盘;可通过 Slack 或 email 分享发现并执行经批准的操作。

关键发现 / 结果

  • 权限与治理:企业管理员选择哪些数据连接可用、哪些角色可使用;查询强制执行连接账号的既有权限,包括表、行、列级限制。
  • 内部使用数据:OpenAI 内部几乎全部产品团队与超过三分之二的 GTM 组织使用 ChatGPT Work 中的 data agent 自行分析公司数据;数据团队通过建立共享业务定义、设置访问规则、对敏感数据设置保障措施使其成为可能。
  • 客户案例:NTT Data、Thermo Fisher、ServicePiston 及其他 Alpha 项目组织在用它分析销售与支出、发现报表错误、决定追逐哪些机会及如何配备人员。
  • 启用方式:在 ChatGPT Work 的 Plugins 目录中以 Data 列出;管理员通过 Workspace settings > Plugins 启用或安装,并可配置 Databricks、Snowflake 等数据源插件;用户完成账号连接后以 @Data 发起对话提问。
  • 分析准确率、性能、价格等量化数据:原文未说明。

结论与意义

  • 结论:Data agent 让业务人员在一次对话中直接引导和迭代分析、产出可分享的交互式仪表盘,无需写查询或学习新分析工具。
  • 适用边界:仅限 ChatGPT Work 产品形态;数据连接与角色由企业管理员控制;查询权限受连接账号既有权限约束;效果依赖组织预先建立的语义层与共享业务定义。
  • 原文未提供分析质量或业务收益的量化评估。

AI 解读 AI 生成

方法:按「时空变量」分析(时间 / 空间 / 变量,严格区分包含、相关与因果),对象包括原文作者、署名人员与关键技术及其实际原理;结论用「元反空」(元思考、反思考、空思考、综合)整理。

时间:何时发生,现在是否仍成立

  • 按来源日期,内容发布于 2026-09-10 23:00(北京时间,Asia/Shanghai)。
  • 属于产品发布公告:所列数据源、BI 集成、启用路径(Plugins 目录、@Data 对话)可能随产品迭代变化,当前是否仍成立原文未说明。
  • 内部使用比例与 Alpha 客户案例均为发布时点的陈述,不能据此判断当前状态。

空间:谁的环境 / 场景

  • 适用于 ChatGPT Work 的企业工作区,面向业务用户与企业管理员两类角色。
  • 使用前提:管理员在 Plugins 目录启用 Data 及相关数据源插件(如 Databricks、Snowflake),完成账号连接;依赖组织已有的语义层和可信来源提供业务上下文。
  • 权限模型:查询强制执行连接账号的既有表、行、列权限,实际可见数据范围取决于企业既有的权限配置。

变量:实际改变了什么

  • 行为变化:此前业务用户需等待报表或请他人跑分析;现在可在 ChatGPT Work 中通过自然语言对话自助完成分析并生成可分享仪表盘。
  • 新增能力:接入多类数据源与文件;基于语义层解释业务指标;与 Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpot 交互;推荐下一步、识别需要参与的人、通过 Slack 或 email 分享并执行经批准的操作。
  • 价格或计费变更:原文未说明。

区分:包含 ≠ 相关 ≠ 因果

  • 明确因果(作者自述):数据团队『通过建立共享业务定义、设置访问规则、对敏感数据设置保障措施』使内部广泛使用成为可能,这是原文给出的因果表述。
  • 相关/共现而非因果:连接各类数据源、与 BI 工具集成属于功能与共现关系;内部使用比例、Alpha 客户的使用场景属于使用陈述,无对照或量化因果证据。
  • 对分析准确性、错误率或业务指标改善的因果效果:原文未说明。

对象:作者/署名与关键技术原理

  • 署名:结构化作者字段为空,原文未标注署名。
  • 关键技术及原文描述的原理:
  1. Data agent(ChatGPT Work 插件):连接获批数据源,调查『发生了什么变化』并构建交互式仪表盘。
  2. 上下文机制:使用组织的业务术语、指标定义、自定义计算与数据关系,这些上下文来自语义层与可信来源(Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon、BI dashboards)。
  3. 权限机制:查询强制执行连接账号的既有权限,含表、行、列限制。
  4. 产出机制:生成内置可视化的交互式仪表盘,团队可编辑、分享、刷新;可按品牌指南定制输出样式。
  • 底层模型架构、检索或推理细节:原文未说明。

元反空综合结论

  • 元:这条内容本质在解决『业务自助数据分析』的瓶颈——把提问、取数、分析、可视化与分发放进一个对话界面,减少对专职分析师和报表流程的依赖。
  • 反:最可能失效或有边界的部分:内部使用数据(『几乎全部产品团队』『超三分之二 GTM』)为自报陈述,无方法与口径说明;客户案例处于 Alpha 阶段且为挑选案例,无量化结果;效果强依赖组织预先建设语义层、业务定义与权限治理,上下文缺失或质量差会直接影响输出;产品路径与集成列表可能随版本变化。
  • 空:去掉宣传叙事后剩下的必要事实是——ChatGPT Work 新增名为 Data 的插件,可连接指定数据源与文件、按账号既有权限查询、基于语义层解释指标、生成可编辑/分享/刷新的交互式仪表盘、与若干 BI 工具及 Slack/email 打通,并由企业管理员控制启用。
  • 综合结论:这是一则功能与治理设计描述较具体的产品发布公告,但使用效果、量化收益与失败案例在原文中均未提供,实际价值需在具体企业的数据治理与语义层条件下验证。

中文译文 AI 生成

各业务部门的人都有数据能够回答的问题。为什么销售放缓了?支出在哪里上升?

哪些问题威胁着我们最大客户的续约,又该先解决什么?要得到这些答案,往往意味着等待一份报告,或者请别人去跑分析。

我们正在 ChatGPT Work 中推出新的 Data agent(在新窗口打开),帮助更多人自己回答这些问题。它连接你所在公司的数据,调查发生了什么变化,并构建可以分享的交互式 dashboard。

你可以在同一个对话中指挥和优化分析,无需编写查询,也无需学习新的分析工具。

连接你的业务所信任的公司数据与上下文

Data agent 连接经批准的数据源,包括 Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflake 等。它还可以将来自 Google Drive 和 SharePoint 的文件与文档纳入分析。

它会使用你所在组织的业务术语、指标定义、自定义计算和数据关系来解读数据。这些上下文来自语义层以及可信来源,例如 Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon 和 BI dashboard。

平台合作伙伴 1 / 7

企业管理员可以决定哪些数据连接可用,以及哪些角色可以使用它们。查询会强制执行所连接账户的现有权限,包括表、行和列级别的限制。

把问题转化为分析与行动

提出后续问题,深入考察结果,并审视每项发现背后的依据。

将分析转化为带有内置可视化的交互式 dashboard。你的团队可以按需编辑、分享和刷新它。分享你的品牌规范,让输出符合你所在组织的外观与风格。

Data agent 还可以在 Omni、Oracle BI、Power BI、Sigma、Tableau 和 ThoughtSpot 中构建 dashboard 并与之交互。在团队已在使用的工具中,用自然语言指挥这项工作。

BI 工具 1 / 4

让 ChatGPT Work 推荐下一步行动,并确定哪些人需要参与。它可以通过 Slack 或电子邮件分享发现,并通过已连接的工具执行你批准的操作。

基于我们在 OpenAI 用于数据分析的工具构建

我们在 OpenAI 内部广泛使用 Data agent 背后的能力。我们产品团队的几乎所有人,以及 GTM 组织超过三分之二的成员,都在使用 ChatGPT Work 中的 data agent 自行分析公司数据。

我们的数据团队使这一切成为可能:他们创建了共享的业务定义,设置了访问规则,并为敏感数据建立了保障措施。阅读这篇文章(在新窗口打开)并参加我们的网络研讨会(在新窗口打开),了解更多。

NTT Data、Thermo Fisher、ServicePiston 以及我们 Alpha 计划中的其他组织,正在使用 ChatGPT Work 中的 Data agent 分析销售与支出、发现报告错误,并决定追求哪些机会以及如何为其配置人手。

客户案例 1 / 11

开始使用 Data agent

在 ChatGPT Work 的 Plugins 目录中,你会看到 Data agent 以 Data(在新窗口打开)列出。管理员可以通过 Workspace settings > Plugins 为团队提供该插件或进行安装。他们还可以启用并配置相关的数据源插件,例如 Databricks 和 Snowflake,并管理谁可以使用它们。

如果 Data 尚未安装,请在 Plugins 目录中找到它并选择 Install plugin,或直接前往 Data 的列表页(在新窗口打开)。完成任何必需的账户连接步骤后,与 @Data 开始对话并提出你的业务问题。

试试这些提示词

展开原文提取正文(采集端自动提取,可能有缺失)

People across every business have questions that data can answer. Why did sales slow down? Where is spending rising? Which issues threaten renewals in our largest accounts, and what should we fix first? Getting those answers often means waiting for a report or asking someone else to run the analysis.We’re introducing a new Data agent in ChatGPT Work⁠(opens in a new window) to help more people answer those questions themselves. It connects to your company data, investigates what changed, and builds interactive dashboards you can share. Direct and refine the analysis in one conversation, without writing queries or learning a new analytics tool.Connect to the company data and context your business trustsThe Data agent connects to approved data sources including Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake, and more. It can also bring files and documents from Google Drive and SharePoint into the analysis.It uses your organization’s business terms, metric definitions, custom calculations, and data relationships to interpret the data. This context comes from semantic layers and trusted sources such as Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, and BI dashboards.Platform partners1 of 7Enterprise administrators choose which data connections are available and which roles can use them. Queries enforce the connected account’s existing permissions, including table, row, and column restrictions.Turn questions into analysis and actionAsk follow-up questions to investigate the results and review the evidence behind each finding.Turn the analysis into an interactive dashboard with built-in visualizations. Your team can edit, share, and refresh it as needed. Share your brand guidelines to tailor outputs to your organization’s look and feel.The Data agent can also build and interact with dashboards in Omni, Oracle BI, Power BI, Sigma, Tableau, and ThoughtSpot. Direct the work in plain language in the tools your team already uses.BI tools1 of 4Ask ChatGPT Work to recommend next steps and identify who needs to be involved. It can share the findings through Slack or email and carry out the actions you approve through connected tools.Built from the tools we use to analyze data at OpenAIWe use the capabilities behind the Data agent broadly across OpenAI. Nearly all of our product team and over two-thirds of our GTM organization use data agents in ChatGPT Work to analyze company data themselves. Our data team made this possible by creating shared business definitions, setting access rules, and putting safeguards in place for sensitive data. Learn more by reading this post⁠(opens in a new window) and attending our webinar⁠(opens in a new window).NTT Data, Thermo Fisher, ServicePiston, and other organizations in our Alpha program are using the Data agent in ChatGPT Work to analyze sales and spending, catch reporting errors, and decide which opportunities to pursue and how to staff them.Customer examples1 of 11Get started with the Data agentYou’ll find the Data agent listed as Data⁠(opens in a new window) in the Plugins directory in ChatGPT Work. Administrators can make it available or install it for their teams through Workspace settings > Plugins. They can also enable and configure the relevant data-source plugins, such as Databricks and Snowflake, and manage who can use them.If Data isn’t already installed, find it in the Plugins directory and select Install plugin, or go directly to the Data listing⁠(opens in a new window). Complete any required account-connection steps, then start a conversation with @Data and ask your business question.Try these prompts

原文入口

阅读原文(openai.com)

原文将在新窗口打开。收录时间不是内容更新时间;正文、译文与解读的版权归原作者/来源所有,本站仅作个人阅读辅助并保留原文入口;页面时间均为北京时间。

作者/署名来自原文结构化字段(Atom/RSS/HTML meta/JSON-LD;GitHub release 显示的是发布者账号),未经模型补充。

了解来源批准与收录规则