Ucapkan selamat tinggal pada pekerjaan data manual yang membosankan. Data Agent, agen AI bawaan di DataWorks, dirancang untuk membebaskan Anda dari tugas-tugas berulang bernilai rendah sehingga memberi lebih banyak waktu untuk inovasi dan pemikiran strategis. Terintegrasi secara mendalam ke dalam setiap modul DataWorks, Data Agent memungkinkan Anda menggunakan perintah bahasa alami sepanjang siklus hidup data—mulai dari integrasi, pengembangan, operasi dan pemeliharaan (O&M), tata kelola, hingga analisis—untuk:
Mempercepat pengembangan kode: Hasilkan, optimalkan, dan jelaskan kode secara instan untuk mengubah ide menjadi kode berkualitas tinggi dan terstandarisasi.
Mengotomatiskan orkestrasi tugas: Buat dan orkestrasikan tugas secara cerdas untuk integrasi data, pengembangan, dan tata kelola guna mencapai otomatisasi proses end-to-end.
Mengonsolidasikan pengetahuan tim: Masukkan praktik terbaik dan pengetahuan bisnis sebagai konteks ke dalam setiap tugas.
Ikhtisar
Apa itu Data Agent?
Data Agent adalah agen AI satu atap dalam platform DataWorks yang memiliki kemampuan inti seperti Agent, asisten pengkodean, ChatBI, dan operasi AI cepat. Fitur ini mencakup seluruh siklus hidup data, mulai dari integrasi dan pengembangan hingga O&M, tata kelola, dan analisis. Didukung oleh penalaran AI canggih dan interaksi bahasa alami, Anda dapat mengotomatiskan tugas integrasi data, pengembangan dan O&M data, tata kelola Kualitas Data, serta analisis data hanya melalui percakapan. Hal ini memberikan pengalaman pengembangan data yang efisien, andal, dan cerdas bagi perusahaan Anda.
Nilai inti
Tingkatkan efisiensi: Perpendek secara signifikan siklus pengembangan dan analisis data dengan fitur seperti pembuatan kode otomatis, penyelesaian kode cerdas, dan interaksi bahasa alami.
Turunkan hambatan masuk: Pengguna yang tidak terbiasa dengan SQL kompleks atau operasi produk dapat menggunakan bahasa alami untuk segera memulai dan menyelesaikan tugas pengembangan dan tata kelola data.
Jamin kualitas: Tingkatkan kualitas dan kemudahan pemeliharaan kode dengan menggunakan AI untuk debugging, optimasi, dan pembuatan kasus uji.
Lestarikan pengetahuan: Bangun basis pengetahuan perusahaan khusus untuk mengintegrasikan standar perusahaan, definisi bisnis, dan panduan teknis ke dalam AI. Hal ini memungkinkan pengetahuan dilestarikan dan diterapkan secara konsisten.
Ketersediaan dan kebijakan
Tersedia untuk: Pelanggan yang menggunakan DataWorks Edisi Dasar atau edisi yang lebih tinggi. Beberapa fitur hanya tersedia di versi baru Data Studio.
Wilayah yang tersedia: Tiongkok (Zhangjiakou), Tiongkok (Beijing), Tiongkok (Ulanqab), Tiongkok (Hangzhou), Tiongkok (Shanghai), Tiongkok (Shenzhen), Tiongkok (Chengdu), Tiongkok (Hong Kong), Singapura, Malaysia (Kuala Lumpur), Indonesia (Jakarta), dan Jepang (Tokyo).
Penagihan: Mulai 28 Mei 2026, Data Agent akan menjadi layanan berbayar. Untuk informasi lebih lanjut tentang harga, lihat Harga Data Agent.
Memulai dengan cepat
Mengakses Data Agent
Anda dapat berinteraksi dengan Data Agent melalui cara-cara berikut:
Titik akses global: Di pojok kanan atas bilah navigasi atas pada halaman Data Studio, klik ikon
untuk membuka jendela obrolan Data Agent.Di editor: Di editor kode cerdas untuk node pengembangan data berbasis kode, buka Data Agent dari menu konteks atau dengan menggunakan pintasan keyboard.
Tertanam di modul: Di area fungsional modul produk tertentu, gunakan tombol aksi cepat yang ditandai dengan ikon Copilot.
Dari titik akses global, Data Agent menyediakan contoh skenario preset untuk tugas seperti sinkronisasi data, pencarian tabel cerdas, pengembangan data, dan tata kelola data. Anda dapat mengklik kartu untuk langsung mendapatkan prompt contoh untuk skenario tersebut. Hal ini membantu menurunkan hambatan masuk dan meningkatkan efisiensi interaksi.
Fitur inti
Agent: Otomatiskan tugas kompleks
Ikhtisar
Layanan DataWorks Agent mengubah pengembangan dan tata kelola data melalui otomatisasi. Fitur ini melampaui tanya jawab sederhana dan bertindak sebagai agen cerdas yang secara otonom menyelesaikan tugas kompleks.
Agent memanfaatkan kemampuan penalaran dan perencanaan mendalam dari model bahasa besar untuk memahami sepenuhnya tugas Anda, memecahnya menjadi langkah-langkah, membuat rencana eksekusi, dan memanggil tool terkait di MCP Server guna mengotomatiskan eksekusi tugas. DataWorks akan terus memperkaya dan mengiterasi kumpulan tool di DataWorks MCP Server untuk memberikan pengalaman pengembangan dan tata kelola data yang lebih cerdas dan efisien.
Sorotan utama
Pemahaman mendalam dan perencanaan otonom: Berdasarkan kesadaran konteks dan percakapan multi-putaran, Agent secara akurat mengidentifikasi maksud pengguna yang kompleks dan secara otonom memecah tugas menjadi rencana multi-langkah yang dapat dieksekusi.
Pengembangan dan tata kelola data otomatis: Agent terintegrasi secara mendalam dengan kemampuan dan proses produk inti DataWorks, menyediakan konektivitas data konteks komprehensif dan kumpulan tool DataWorks bawaan.
Mengakses fitur
Di jendela obrolan Data Agent, beralih dari Ask mode ke Agent mode.
Berdasarkan jenis tugas Anda, masukkan
/untuk memilih jenis Agent yang sesuai.Berikan instruksi kepada Agent dengan mengajukan pertanyaan.
Kasus penggunaan
Kasus penggunaan 1: Data Integration Agent
Deskripsi: Anda dapat menjelaskan kebutuhan sinkronisasi data dalam bahasa alami, seperti Bahasa Mandarin atau Inggris. Sistem secara otomatis mengurai semantik dan menghasilkan konfigurasi tugas sinkronisasi data yang sesuai. Ini mencakup jenis sumber data untuk sumber dan tujuan, pemetaan struktur tabel, kondisi filter kolom, kebijakan partisi, dan parameter penjadwalan.
Kasus penggunaan 2: Data Development Agent
Deskripsi: Menyediakan pengalaman pengembangan ETL berbasis bahasa alami yang mencakup seluruh proses mulai dari analisis kebutuhan dan pembuatan kode hingga pembuatan dan penerapan alur kerja.
Kasus penggunaan 3: Data O&M Agent
Deskripsi: Agent ini menyediakan penilaian kesehatan komprehensif dan diagnosis masalah untuk instans tugas. Agent menggabungkan analisis multidimensi rantai dependensi, pemanfaatan resource, tren historis eksekusi, dampak perubahan, anomali log, dan kualitas data untuk secara otomatis menghasilkan laporan diagnostik terstruktur.
Untuk informasi lebih lanjut tentang Data O&M Agent, lihat O&M berbasis AI.
Kasus penggunaan 4: Data Map Agent
Deskripsi: Agent ini berfokus pada peningkatan efisiensi penemuan dan pemahaman data. Melalui interaksi bahasa alami berbasis AI, Anda dapat dengan cepat menjelajahi metadata dalam berbagai skenario di dataset besar.
Kemampuan inti:
Pencarian bahasa alami: Mendukung tanya jawab bahasa alami tanpa memerlukan kata kunci eksak. Anda dapat dengan cepat menemukan data target berdasarkan maksud bisnis. Misalnya, "Temukan tabel ringkasan yang terkait dengan aktivitas pengguna."
Penyesuaian cakupan otomatis: Mendukung penentuan cakupan dalam percakapan. Agent secara otomatis memahami semantik dan dengan cepat menemukan data dalam cakupan tersebut. Misalnya, "Di proyek adm_bi, temukan tabel yang terkait dengan operasi bisnis."
Pemahaman data mendalam: Mendukung pertanyaan lanjutan tentang data target untuk dengan cepat memperoleh informasi detail seperti alur data, pemilik, dan definisi bidang. Misalnya, "Apa saja dependensi downstream langsung dari tabel @dws_bi_metric_di? Jika dimodifikasi, pemilik mana yang akan terdampak?"
Kasus penggunaan 5: Data Governance Agent
Deskripsi: Data Governance Agent DataWorks mengubah tata kelola data perusahaan dari model proaktif menjadi model otonom. Tata kelola data tidak lagi bergantung pada analisis data kompleks dan perubahan konfigurasi yang luas. Kini, Anda dapat menggunakan perintah bahasa alami untuk melakukan tindakan tata kelola yang tepat, menyiapkan operasi dengan kemampuan tingkat ahli, dan mengaktifkan eksekusi otomatis.
Kemampuan inti:
Konfigurasi aturan kualitas: Gunakan bahasa alami untuk secara otomatis mengonfigurasi aturan pemantauan untuk tabel kunci tertentu. Data Governance Agent dapat menganalisis secara cerdas jenis bidang, semantik bisnis, dan tingkat kepentingan tabel untuk merekomendasikan dan mengonfigurasi aturan pemantauan yang sesuai secara otomatis. Aturan ini dapat mencakup keunikan primary key, batasan non-null, dan pemeriksaan rentang nilai enumerasi, yang secara efisien menyelesaikan tugas yang sebelumnya memerlukan eksplorasi data dan konfigurasi aturan yang luas.
Contoh: Secara otomatis menghasilkan aturan kualitas untuk tabel dimensi pengguna inti
dim_user_info.Contoh: Secara otomatis mengonfigurasi aturan kualitas terkait jumlah baris tabel untuk tabel yang diawali dengan
ods_.
Perbaikan masalah kualitas: Untuk masalah kualitas yang secara otomatis diidentifikasi oleh sistem di modul tata kelola aset data, seperti "Tabel yang sering diakses tidak memiliki aturan kualitas yang dikonfigurasi" atau "Tabel yang dihasilkan oleh tugas garis dasar prioritas tinggi tidak memiliki aturan kualitas yang dikonfigurasi", Anda dapat memberikan persyaratan perbaikan dalam bahasa alami. Sistem kemudian secara otomatis menganalisis masalah dan melakukan perbaikan yang sesuai.
Contoh: Temukan tabel yang sering diakses tetapi tidak memiliki aturan kualitas yang dikonfigurasi, lalu rekomendasikan dan konfigurasikan aturan kualitas.
Contoh: Bantu saya menyelesaikan masalah pada dimensi kualitas.
Asisten pengkodean
Ikhtisar
Asisten pengkodean Data Agent, yang didukung oleh model bahasa besar canggih, menggunakan interaksi bahasa alami untuk secara efisien melakukan tugas seperti menghasilkan, mengoptimalkan, menjelaskan, dan menguji kode SQL dan Python. Untuk memastikan hasil terbaik, Anda dapat bebas beralih antar berbagai model, termasuk model default DataWorks, Qwen, dan DeepSeek, guna meningkatkan efisiensi pengembangan ETL dan analisis data secara signifikan.
Sorotan utama
Beberapa model dengan pergantian bebas: Mendukung model seperti model default dan Qwen3-235B-A22B.
Dukungan siklus hidup ETL lengkap: Mendukung pembuatan kode, tanya jawab, refactoring, optimasi, debugging, pemberian komentar, pembuatan kasus uji, dan penjelasan untuk SQL dan Python.
Kesadaran konteks: Memahami konten percakapan, kode, struktur tabel, alur data, basis pengetahuan khusus, dan lainnya.
Mengakses fitur
Editor kode cerdas
Kasus penggunaan 1: Penyelesaian kode cerdas
Cara menggunakan: Saat Anda mengembangkan node berbasis kode, Data Agent secara cerdas memprediksi dan merekomendasikan potongan kode berikutnya berdasarkan konteks, seperti kode yang telah Anda masukkan dan struktur tabel yang direferensikan. Saran penyelesaian muncul secara otomatis. Tekan tombol Tab untuk menerimanya.
Kasus penggunaan 2: Menu klik kanan untuk operasi cepat
Cara menggunakan: Di editor kode cerdas, pilih sepotong kode, klik kanan, lalu pilih Copilot dari menu konteks.
Obrolan Data Agent (Ask mode)
Ask mode adalah mode default untuk Obrolan Data Agent dan cocok untuk menyelesaikan masalah pengkodean spesifik dalam format tanya jawab. Fitur ini mendukung pembuatan kode, refactoring kode, debugging kode, pembuatan komentar, penjelasan kode, optimasi kode, pembuatan kasus uji, tanya jawab kode, pembuatan Cell Notebook cerdas, dan pencarian tabel cepat. Saat menggunakan Obrolan Data Agent dalam Ask mode, Anda dapat memilih kode di editor untuk digunakan sebagai konteks guna operasi yang ditargetkan.
Operasi AI Cepat
DataWorks memanfaatkan kemampuan model bahasa besar di seluruh modul pengembangan data, O&M, dan kualitas untuk menyediakan operasi produk yang nyaman dan cerdas.
Visualisasi hasil kueri cerdas
Deskripsi: Di pengembangan data dan analisis data DataWorks, Anda dapat menggunakan asisten grafik cerdas Data Agent untuk menghasilkan visualisasi dan wawasan data dari hasil kueri hanya dengan satu klik.
Mengakses fitur: Di hasil eksekusi node atau kueri SQL, beralih ke tab Visualization.
Pembuatan tabel berbasis AI
Deskripsi: Di katalog data Data Studio, Anda dapat menggunakan asisten pembuatan tabel Data Agent untuk membuat tabel hanya dengan memasukkan kata kunci untuk nama tabel. Anda juga dapat memicu rekomendasi cerdas untuk nama dan deskripsi bidang hanya dengan satu klik.
Mengakses fitur: Saat membuat tabel di Data Studio, klik tombol Copilot table creation di pojok kiri atas halaman. Masukkan deskripsi kebutuhan pembuatan tabel Anda, dan Copilot akan secara otomatis menghasilkan rencana pembuatan tabel yang mencakup definisi bidang dan DDL-nya.
Pembuatan deskripsi penerapan
Deskripsi: Di Data Studio, selama fase penerapan, Anda dapat menggunakan asisten penerapan untuk menghasilkan deskripsi penerapan hanya dengan satu klik, yang meningkatkan efisiensi penerapan.
Mengakses fitur: Di Data Studio, selama fase penerapan, klik tombol Copilot generation description di sebelah kanan kotak input deskripsi penerapan untuk secara otomatis menghasilkan deskripsi penerapan.
Diagnosis anomali tugas
Deskripsi: Fitur diagnosis cerdas di Pusat Operasi DataWorks kini terintegrasi dengan model Qwen dan DeepSeek-R1 (671B). Saat tugas berjalan tidak normal, Anda dapat mengklik Run Diagnosis. Model bahasa besar langsung mengekstraksi informasi penting dari log, memberikan analisis error dan saran resolusi, serta merekomendasikan tindakan cepat untuk memperbaiki error tersebut.
Mengakses fitur: Di halaman Pusat Operasi, klik di panel navigasi kiri untuk membuka halaman instans siklik. Klik instans yang gagal, pilih node yang gagal, lalu klik Run Diagnosis di pojok kanan bawah untuk melakukan diagnosis cerdas pada tugas tersebut.
Rekomendasi aturan kualitas data
Deskripsi: Anda dapat menggunakan Data Agent hanya dengan satu klik untuk dengan cepat menghasilkan aturan kualitas data untuk tabel atau skenario bisnis tertentu berdasarkan metadata lengkap di DataWorks. Fitur ini mendukung berbagai jenis sumber data dan pemeriksaan kualitas multidimensi.
Mengakses fitur: Di halaman Kualitas Data, klik di panel navigasi kiri. Pilih tabel target dan klik Create Monitor di sebelah kanan untuk mengonfigurasi aturan kualitas untuk tabel tersebut.
API Data Service
Deskripsi: Data Service DataWorks dapat menggunakan asisten cerdas Data Agent untuk pengemasan API cepat. Fitur ini menghasilkan skrip SQL berdasarkan kebutuhan bisnis hanya dengan satu klik dan secara otomatis mengurai skrip tersebut menjadi parameter permintaan dan respons API.
Mengakses fitur: Di modul Data Service, buat API dan pilih mode skrip.
ChatBI
ChatBI adalah tool analisis cerdas percakapan yang didukung oleh model bahasa besar. Anda cukup menjelaskan kebutuhan analisis Anda dalam bahasa alami, dan ChatBI secara otomatis mengidentifikasi tabel target, menghasilkan dan mengeksekusi SQL, membuat visualisasi, serta mengekstraksi kesimpulan analisis. Hal ini membantu Anda dengan cepat memperoleh laporan analisis data profesional tanpa menulis kode apa pun. Untuk informasi lebih lanjut, lihat Ikhtisar ChatBI.
Fitur lanjutan dan praktik terbaik
Meningkatkan akurasi dengan konteks
Untuk memastikan respons Data Agent selaras dengan standar perusahaan dan skenario bisnis Anda, berikan pengetahuan yang tepat kepadanya.
Pengetahuan khusus (Rules)
Deskripsi: Rules adalah standar dan pengetahuan latar belakang yang Anda definisikan untuk Data Agent. Rules ini membimbing cara Data Agent berpikir dan merespons.
Mengakses fitur: Di pojok kanan atas jendela Obrolan Data Agent, klik ikon
untuk membuka halaman konfigurasi Rules.Rules tingkat perusahaan dan Rules tingkat pribadi:
Rules tingkat perusahaan: Rules ini dikonfigurasi oleh administrator dan mendukung cakupan efek yang dapat dikonfigurasi. Cocok untuk mendefinisikan istilah bisnis tingkat perusahaan, standar pengkodean, dan lainnya.
Rules tingkat pribadi: Rules ini dikonfigurasi oleh pengguna individu dan hanya berlaku untuk mereka. Cocok untuk mendefinisikan preferensi pribadi, potongan kode yang sering digunakan, dan lainnya.
Menentukan konteks dalam percakapan
Deskripsi: Dalam setiap percakapan, Anda dapat secara manual menentukan konteks yang relevan dengan tugas saat ini. Hal ini memungkinkan Data Agent fokus pada informasi ini saat merespons dan membantu menghasilkan hasil yang lebih tepat.
Jenis konteks yang didukung:
Tabel: Referensikan metadata satu atau beberapa tabel.
Node/file kode: Referensikan kode dari node tertentu.
Data Collection: Referensikan Data Collection dari Data Map.
Rules: Tentukan sementara satu atau beberapa Rules untuk diterapkan pada percakapan saat ini.
File lokal: Unggah dokumen lokal untuk digunakan sebagai informasi latar belakang.
Cara mereferensikan konteks: Di kotak input Obrolan Data Agent, ketik
@atau klik+untuk membuka pemilih konteks dan menambahkan konteks.
Mengelola percakapan
Riwayat percakapan
Data Agent secara otomatis mencatat percakapan terbaru Anda.
Cakupan catatan: Anda dapat melihat hingga 100 catatan percakapan dari 7 hari terakhir.
Mengakses fitur: Di pojok kanan atas jendela Obrolan Data Agent, klik Chat History.
Percakapan baru per tugas
Kami sangat menyarankan agar Anda memulai percakapan baru (New Chat) untuk setiap tugas independen.
Alasan: Praktik ini mencegah konteks tugas yang berbeda saling mengganggu. Hal ini memungkinkan Data Agent fokus pada tugas saat ini, yang membantu memastikan akurasi dan relevansi responsnya.
FAQ
T: Mengapa respons dari Data Agent tidak akurat atau tidak sesuai harapan saya?
J: Hal ini mungkin disebabkan oleh konteks yang tidak mencukupi. Coba berikan Data Agent informasi latar belakang yang lebih tepat sebagaimana dijelaskan dalam Menentukan konteks dalam percakapan.
T: Apa perbedaan antara Ask mode dan Agent mode? Bagaimana cara memilihnya?
J: Ask mode digunakan untuk tugas sederhana berupa satu pertanyaan, seperti menghasilkan potongan kode atau menjelaskan fungsi. Agent mode digunakan untuk tugas kompleks yang memerlukan beberapa langkah dan tool.
T: Bagaimana cara membuat Data Agent memprioritaskan respons dalam bahasa Inggris?
J: Anda dapat mengarahkan Data Agent untuk merespons dalam bahasa Inggris dengan cara berikut:
Saat mengajukan pertanyaan, tambahkan instruksi secara eksplisit, seperti
Please respond in English,Respond in English, atauExplain in English.Beralih ke antarmuka DataWorks berbahasa Inggris untuk meningkatkan konsistensi dan akurasi output bahasa Inggris model.