AI 时代FDE需要的数据能力模型:D6

很多企业以为 Agent 落不了地，是模型还不够强。其实模型正在快速趋同，真正把企业级 Agent 卡在 Demo 与生产之间的，往往是水面下那一整套数据能力：数据找不到、语义看不懂、关系连不上、结果信不过、动作做不了，更重要的是——没有人把数据能力与业务结果连成闭环。

01｜Agent 时代，数据的“用户”变了

过去的数据平台主要服务人：分析师找数、业务人员看报表、管理者看指标。今天，Agent 正在成为新的数据消费者和业务执行者。它不仅要“读到数据”，还要理解数据代表什么、对象之间是什么关系、什么数据可以用、什么动作可以做，以及做完以后如何证明结果正确。这意味着，传统“数据治理做得好不好”的评价标准已经不够。对 Agent 而言，真正的高质量数据至少同时满足五件事：数据质量高、业务价值高、模型效果好、使用门槛低、能够持续迭代运营。

02｜真正卡住 Agent 的，是五种数据断点

找不到 Access：数据散落在湖仓、文档、邮件、录音、CRM 与业务系统中。看不懂 Semantics：字段、指标、对象和规则缺少统一语义。连不上 Relation：投诉、合同、客户、订单、工单和风险无法围绕业务实体关联。信不过 Trust：结论没有来源、版本、权限、质量和推理轨迹。做不了 Action：知识没有与 API、Workflow、权限和业务动作连接，AI 仍然只是一个会说话的 BI。

03｜LeanFDE D6：六层数据价值能力

D1 Data Context｜识数：进入现场，识别业务对象、事件、角色、指标、数据源和数据责任人。D2 Data Quality｜治数：判断完整性、准确性、一致性、时效性、唯一性与可追溯性，尤其处理非结构化数据的抽取、切分、标注与质检。D3 Data Semantics｜懂数：把字段提升为业务语义：指标口径、实体关系、规则、本体、知识图谱。D4 Data Product｜供数：把原始数据封装成 Agent 可调用的数据产品、知识服务、RAG、API、Tool 与 Context Service。D5 Data Action｜用数：把数据和知识接入 CRM、ERP、供应链、客服等真实工作流。规则负责约束，AI 负责认知，程序负责执行，人负责责任。D6 Data Evidence｜证数：用 Golden Set、Eval、血缘、权限、运行日志和 Before/After 指标证明结论可信、动作受控、业务结果成立，并让失败反馈成为下一轮数据生产的订单。

04｜D6 与 LeanFDE C6，其实是一张图

LeanFDE C6 讲的是 FDE 如何完成价值交付：Context 看得见 → Concept 看得懂 → Choice 选得对 → Construction 做得出 → Communication 推得动 → Closure 做得成。D6 则回答每一步需要什么数据能力：C1 用 D1 建立数据上下文；C2 用 D2+D3 建立质量和业务语义；C3 用 D3 判断规则、ML、LLM、Agent 的数据可行性；C4 用 D4+D5 构造 MVS、RAG、Tool 与 Workflow；C5 用 D6 把技术翻译成可信证据；C6 用 D6 的 Eval 和业务指标闭环，再把失败反馈回 D2，形成新一轮数据生产。

05｜FDE 不应该先建“大而全的数据底座”

企业当然有十年数据债，但 FDE 不能因为“数据不好”就先启动一个两年的全域治理工程。正确顺序仍然是：价值定场景，场景定模型，模型定数据。业务价值 → 最小场景 MVS → 模型/Agent → 最小必要数据 → 数据/知识服务 → Eval → 业务结果。不是“治理完所有数据再做 AI”，而是围绕一个 8–12 周能够验证价值的场景，把必要的数据链路跑通。场景成功后，再把数据产品、本体、工具、评测集和 SOP 沉淀成组织资产。

06｜真正的 Data for AI，不是把文档塞进向量库

把 PDF 切块、Embedding、放进向量数据库，再接一个 RAG，只解决了最浅层的“找得到”。企业级 Agent 需要的是五个连续能力：可访问、可理解、可关联、可行动、可信任。尤其重要的是本体与业务语义。客户、合同、产品、订单、投诉、销售机会不是五份独立数据，而是同一个业务世界里的对象和关系。只有当 Agent 能理解“谁和谁是什么关系、什么指标代表什么、什么规则约束什么动作”，它才可能从信息检索器升级成业务执行者。

07｜数据能力的终点，不是数据，而是组织能力

最有价值的数据往往不只存在数据库里，还存在优秀员工脑中。高手为什么这样判断？面对异议如何处理？什么信号意味着客户要流失？这些隐性知识必须在真实工作中被捕获、验证、结构化，再通过 Agent 复制给更多人。个人经验 → 可验证数据 → 业务知识 → Agent 行为 → 团队标准作业 → 新的组织能力。这也是为什么 FDE 必须进入现场。数据工程师看到字段，算法工程师看到样本，业务人员看到工作；FDE 必须同时看到三者，并把它们连成价值闭环。

08｜用什么衡量一个 FDE 的数据能力？

不是看治理了多少 TB 数据，也不是看建了多少知识条目。我更愿意看五个结果：Agent 能稳定调用多少关键知识；关键结论有多少能够追溯；业务动作有多少能够安全闭环；失败能否沉淀为新的数据/Eval；最终业务 KPI 是否发生可测量变化。Artifact 不是结果，Evidence 才是结果。数据平台上线不是结果，知识库上线不是结果，Agent 上线甚至也不是结果。只有当真实工作方式和业务指标被改变，并且改变能够被证据证明，数据才真正完成了从资源到生产力的跃迁。

结语｜未来最贵的，是“把数据变成行动”的能力

模型会继续升级，Agent 框架会继续变化，但企业自己的业务事实、专业经验、对象关系、治理规则和真实反馈不会归零，反而会随着使用不断增值。Agent 时代真正的数据战略，是建立一套让数据持续变成知识、让知识持续驱动行动、让行动持续产生证据、再让证据反过来生产新数据的机制。