周一早上，你打开上月经营报表，数字比上个月跌了 14%。你知道跌了，但你不知道为什么跌。
于是接下来两个小时，你打开五个 Excel、逐周比对数据、问店长有没有异常情况，最后得出一个结论：大概是那几场大雨吧。
「数据代理」（Data Agent）就是专门替你做这两个小时的软件，而且不用你开口，它已经查完。从 2026 年 9 月开始，这个概念不再只是实验室里的演示，而是正式出现在企业每天都在用的工具里。以下说明数据代理到底是什么、它跟你早就不再打开的仪表盘有何区别，以及香港中小企现阶段是否用得上。
什么是数据代理？
数据代理是一种人工智能系统，它接入你的业务数据，自行拆解问题、逐项查证，最后交回一份完整的解释。它与聊天机器人的不同之处在于：它会根据刚查到的结果决定下一步查什么，整个过程不需要任何人编写数据库查询或制作图表。
定义里最关键的两个字是「查证」。搜索工具负责找出资料，聊天机器人负责回答你问的那一句，而数据代理会像一位初级分析员那样，自己决定接下来应该核对哪一项。
当你问它「上月营业额为什么下跌」，它不会只丢回一个数字。它会先把问题拆开：是客人变少了，还是客人数量不变但客单价降低？哪一家门店？哪一款产品？哪一周？它逐项核对，排除无关方向，最后给你一个简短结论，并附上支撑结论的数据。
数据代理与仪表盘有什么区别？
仪表盘只会展示你事先选定的指标，然后等你自己解读；数据代理则从一个业务问题出发，自行判断哪些数字相关，再解释成因。仪表盘告诉你营业额跌了 14%，数据代理告诉你是因为某家门店周二午市客流下滑。
这是「呈现」与「诊断」的区别，也解释了为什么那么多仪表盘用到第三个月之后就再没有人打开。
大部分中小企缺的并不是数据，而是那二十分钟有纪律的追查。仪表盘把数字交给你就停下了，追查的工作仍然要有人做；而在一家十五人的公司里，那个人通常就是老板本人，时间通常是晚上十一点。
仪表盘做不到的三件事
---
--- 它不会自己追问下一个问题。一张显示下跌的图表，永远不会主动去查这个跌幅是否集中在某一条产品线。
--- 它无法把两个系统的数据合起来看。你的收银系统与预订系统各自握着一半答案，仪表盘只会显示它当初接入的那一半。
--- 它不会告诉你「这个月没什么特别」。无论这个月风平浪静还是一团糟，它都显示同样那十二个模块。
数据代理实际上如何运作？
数据代理的运作分四步：接入已获授权的数据源、把问题拆成多个可查证的子问题、逐项自行核对，最后用日常语言写出结论并附上数据。权限由数据管理者设定，代理只能看到获准查阅的部分。
举个实例。OpenAI 于 2026 年 9 月 10 日在 ChatGPT Work 内推出的 Data agent，可接入 Google BigQuery、Snowflake、Databricks、Amazon Redshift、MongoDB、ClickHouse 与 Datadog 等数据源，也能读取存放在 Google Drive 及 SharePoint 的文件，并可在 Power BI、Tableau、Sigma、Omni、Oracle BI 与 ThoughtSpot 内创建和读取仪表盘。
这份接入清单其实透露了一个重点：这些都是设有数据团队的公司才会使用的平台。一家位于观塘、十二个人的贸易公司，并没有 Snowflake 账户。
四个步骤，顺序如下
---
--- 接入。由拥有管理权限的人批准代理可读取哪些系统。这是一个治理决定，而不是技术决定。
--- 拆解。代理把「毛利为什么下滑」转化成一系列可以逐项验证的子问题。
--- 查证。它针对每个子问题查询数据，并根据线索调整方向，而不是跑一套固定流程。
--- 解释。它用完整句子写出发现、附上数字，通常还会提供一张可以直接转发的图表。
香港中小企可以用数据代理做什么？
对规模较小的香港企业而言，实际用途范围不广但相当真实：解释月度销售波动、找出哪些客户已经停止下单、比较门店表现，以及核查一次促销到底有没有赚回成本。这四个问题老板每个月都会问，而答案往往靠猜。
数据分析恰好也是香港中小企落后最多的一环。大新银行于 2026 年 5 月访问了超过 340 家本地中小企，结果显示市场推广与内容创作是最主要的 AI 用途，占 56%，客户服务占 42%，而数据分析只有 30%。整体来看，约 23% 受访企业已经采用 AI，另有 32% 计划在一到两年内采用。
换句话说：大部分本地中小企已经用 AI 写过 Facebook 帖子，但极少数用它去理解自己的账。
四个值得交给数据代理的问题
---
--- 「上季度买过、这季度没买的客户有哪些？」这是一个几乎没有人会手动去跑的客户流失问题，却最有机会直接带来收入。
--- 「九月折扣带来的销量，有没有补回让出去的毛利？」这需要把销售与成本数据合在一起看，而人工分析通常就卡在这一步。
--- 「一周之中，哪两个小时我们人手过剩？」答案就藏在收银系统的时间记录里，只是从来没有人有空打开。
--- 「今年哪家供应商的价格涨得最多？」这个答案埋在一堆发票里，也正是成本悄悄上升却无人察觉的原因。
关于数据代理，大家最常误解什么？
最常见的三个误解是：数据代理可以取代分析员、它能处理杂乱无章的数据、以及它的答案不需要复核。三者都不成立。它压缩的是分析中机械性的部分，它不会提供商业判断，也无法修补一开始就没有好好记录的数据。
误解一：它取代了看数的那个人。它取代的是查询，不是决策。仍然需要有人知道七月下跌是因为学校放假属于正常现象，而同样的跌幅出现在十一月就是警报。
误解二：手上有什么数据它都能处理。如果同一位客户在你三个系统里有三种写法，代理就会很有信心地告诉你那是三位客户。代理的准确度继承自底层记录的质量，而中小企往往在第一天就发现，自己的数据比想象中乱得多。
误解三：答案不需要复核。这类系统仍然会出错，而一个文句流畅、排版整齐的错误答案，比一眼就看出有问题的答案更危险。这正是 AI 凭空编造你公司资料的同一种失效模式。建议把第一个月的输出，当作一位新同事的第一个月来看待：有用，但要复核。
误解四：接上去只有好处，没有风险。把一套 AI 系统接到客户与财务记录上，本质上是一个数据治理决定。是谁批准这条接入、它可以读取什么、数据在哪里被处理，这些问题你应该在启用之前就答得出来。
你的数据足够让数据代理发挥作用吗？
你需要的不是数量，而是三个条件：至少十二个月格式一致的记录、每位客户或每件产品有一个可靠的唯一标识，以及数据存放在机器读得到的地方。一家拥有两年整齐收银记录的小店，比一家拥有十年混乱表格的公司更有条件起步。
十二个月之所以重要，是因为不足一年就无法分辨真正的下滑与季节性波动。唯一标识之所以重要，是因为所有有价值的问题都涉及分组统计。而机器可读之所以重要，是因为一张发票的照片并不算数据，无论你存了多少张。
如果三个条件都不符合，诚实的下一步并不是购买 AI 工具，而是用一个季度去修正记录的采集方式。这件事毫不吸引人，但无论你以后用不用代理，它都会改善你之后做的每一个决定。
现阶段值得关注吗？
对大部分香港中小企而言，2026 年底的答案是：现在先理解概念，购买可以稍后。现在这一代数据代理，在定价与接入方式上都是为拥有数据仓库的企业而设。不过这个概念正迅速渗入普通商业软件，而那些早已把记录整理妥当的企业，将会是第一天就用得上的一群。
真正的差距并不在于能否接触到 AI。从采用数据看，大部分香港中小企距离某种形式的 AI 应用只差一到两年：香港电讯企业方案 2026 年的调查显示，中小企已实施、试点或计划采用 AI 的比例为 49%，而大型企业为 79%。真正的差距在于准备度，也就是底层那些数字，是否处于值得被查证的状态。
所以这个季度真正值得做的，不是挑工具，而是确保当你最终把一套聪明的系统指向自己的业务时，它找到的是一本整齐的账，而不是一个鞋盒。
技术要真正帮上忙，前提是有人愿意陪你走得够久，久到它能贴合你实际的做事方式。懂AI，更懂你 UD相伴，AI不冷。
常见问题
数据代理与 AI 代理是同一样东西吗？
数据代理是 AI 代理的其中一种，专门负责分析。其他 AI 代理则处理客户回复、排期或文档处理。它们的共同点是能够自主执行多个步骤，而不是只给一个答案。
数据代理读得到我的 Excel 文件吗？
部分可以读取存放在 Google Drive 或 SharePoint 的表格。格式不是重点，一致性才是：一份列名稳定的整齐工作表，比二十份标题各异的文件有用得多。
使用数据代理，是否等于把公司数据交给 AI 公司？
取决于产品。有些在客户自行控制的基础设施内处理数据，有些则会传送至供应商。接入任何系统之前，先问清楚处理地点与保留政策。
这跟让 ChatGPT 分析一份表格有什么区别？
上传一份文件是一次性任务。数据代理与实时系统保持长期接入，可跨系统执行多步查证，也可设定为定时自行查看，不需要你每次开口。
理解概念是第一步。弄清楚你手上哪些数字已经可用、哪些需要先修正，是第二步。UD 陪伴香港企业走过 28 年，我们手把手教你完成每一步，从如实评估现有数据开始，直到建立一套你的团队真的会打开的系统。
由 UD AI 团队（香港）复核。2026 年 9 月 15 日发布。
