ARTICLE · 1356993
ChatGPT更新的Data插件:充分利用数据价值
ChatGPT更新的Data插件:充分利用数据价值销售为什么放缓？用户在哪一步流失？资源利用率很高，为什么任务还在排队？ 工作中，我们经常拥有大量数据，却仍要花不少时间整理表格、确认口径、等待分析。拿到报表之后，新的疑问又接踵而来。 ChatGPT 的 Data 插件，正在让这段过程变得更连贯：从提出问题，到查看分析、探索细节，再到带着证据继续追问。 
按照 OpenAI 的介绍，Data 可以连接获准使用的数据源，结合业务术语、指标定义和数据关系开展分析，并生成交互式仪表板。它还支持与 Power BI、Tableau 等商业智能工具协作，具体能力取决于账户权限和组织配置。 
用业务问题开启一次数据分析 Data 的入口展示了多种任务：搭建每日看板、理解日程安排、撰写业务回顾，以及开展业务表现、产品激活等分析。 
用户可以直接说：“比较本月收入与计划的差距“”分析新用户在哪个环节流失“，或者“帮我设计一组产品核心指标“。 这些入口体现了它的价值：让使用者围绕业务目标组织分析，通过对话逐步明确范围、补充背景、调整结果。 一张仪表板帮助我们追查问题 我们用虚构的算力集群数据，搭建了一张类似 Investigation dashboard 的容量调查仪表板。 页面上方汇总活跃需求、利用率、可用容量和排队工作负载；下方展示地区与资源池、需求走势、延迟曲线和事件列表。先看全局，再选择值得关注的部分，调查就有了起点。 
假设你想了解日本区域的 H200 资源池，可以先筛选地区和资源池，让指标与曲线同步聚焦；也可以直接点击对应单元格，下钻查看需求与计划、排队、P95 延迟和失败分类。 发现相关事件后，还能打开详情，查看状态和背景，再返回原视图继续比较。整个过程把“哪里有变化“和”需要查什么“自然连接起来。 看见结果也能检查结果的来路 分析中，一个数字是否有用，往往取决于我们是否理解它的口径。 在这张仪表板里，点击图表菜单中的“View data source”，可以查看指标说明、底层数据预览和计算依据。利用率采用什么定义？当前包含哪些地区？曲线覆盖哪段时间？这些问题都有了可检查的入口。 这种交互尤其适合团队讨论：大家可以围绕同一组数据和定义核对判断，减少因口径不同造成的误解。 让每一次发现都能接上下一问 看到 H200 的排队变化后，还可以通过右上角的 Ask ChatGPT 继续提问： “与其他地区相比，它的排队和 P95 延迟有什么不同？哪些解释还需要进一步验证？” 入口会携带当前视图和筛选条件返回对话，帮助后续分析延续眼前的问题。 本次案例使用固定模拟数据，主要展示交互方式；真实业务应用仍需要连接相应数据源、确认指标口径。 
Data 值得关注的地方是把提问、分析、可视化和证据检查放进一个连续的工作过程。业务人员可以更主动地探索问题，分析人员也能把方法与结果放进便于他人继续探索的视图。 第一次尝试，不妨从一个具体问题开始：“请分析这个指标最近的变化，保留筛选、下钻和来源说明，并告诉我下一步最值得核查什么。”
