2026 年 9 月 10 日，OpenAI 在 ChatGPT Work 中正式上线 Data Agent（数据智能体）。它的核心能力是：连接企业已授权的数据库和文件，用自然语言提问，自动完成数据查询、分析、图表生成和交互式 Dashboard 搭建，整个过程不需要用户写一行 SQL。
但有一个前提必须先说清楚：Data Agent 并不是所有 ChatGPT 用户都能立刻用上的功能。 它只存在于 ChatGPT Work 模式下，需要你的账户具备 ChatGPT Work 访问权限，并且由工作区管理员在后台启用 Data 插件。个人版 ChatGPT 的“高级数据分析”功能是另一个东西。
【快速答案】
- 它是什么：ChatGPT Work 中的一个插件式 Agent，连接企业数据源后用自然语言做数据分析和可视化，不需要写 SQL。
- 谁能用：需要 ChatGPT Work 访问权限。ChatGPT Work 面向付费订阅用户开放，Plus（约 20 美元/月）、Pro、Business、Enterprise 等层级均可使用，但 Pro、Enterprise、Edu 用户优先获得访问。
- 普通用户第一步做什么：确认你的 ChatGPT 账户是否已开通 ChatGPT Work。打开 ChatGPT 桌面版或网页版，在模式选择中查看是否有“Work”选项。如果有，进入 Work 模式后找到 Plugins 目录，搜索并安装 Data 插件。
- 管理员需要做什么：在 Workspace settings > Plugins 中启用 Data 插件，配置数据源插件（如 Snowflake、Databricks），并按角色分配使用权限。
- 最大限制：OpenAI 没有公布面向外部客户的公开准确率基准；数据查询遵循连接账户的现有权限，但当前没有公开的审计日志来追踪 Agent 具体执行了哪些查询。
- 和“高级数据分析”的区别：Data Agent 连接的是你的实时企业数据库；高级数据分析处理的是你手动上传的 CSV/Excel 文件。两者不是同一个功能。
Data Agent 和 ChatGPT 已有的“高级数据分析”有什么区别？
这是目前最容易混淆的地方。ChatGPT 此前已经有“高级数据分析”（Advanced Data Analysis，原名代码解释器），可以上传 CSV、Excel 文件后做统计分析、画图。Data Agent 看起来做的也是类似的事情，但底层逻辑完全不同。
高级数据分析处理的是你手动上传的静态文件。你把一个 CSV 拖进对话框，ChatGPT 在这个文件范围内做分析。文件不更新，分析结果就不会变。
Data Agent 连接的是你公司的实时数据仓库或数据库。它通过插件连接 Snowflake、BigQuery、Databricks 等数据平台，查询的是当前时刻的数据。分析结果可以随着数据更新而刷新，Dashboard 可以设置定期更新并在团队内共享。
另一个关键区别是业务上下文。高级数据分析只看文件里的列名和数据，它不知道你公司“收入”这个指标的定义是什么。Data Agent 可以接入企业的语义层（semantic layer），读取已经定义好的业务指标、计算方式和数据关系，比如从 dbt、Snowflake Horizon 或 Databricks Genie Ontology 中获取这些定义。
简单说：高级数据分析是一个“文件分析工具”，Data Agent 是一个“企业数据查询与可视化 Agent”。
使用 Data Agent 需要满足什么条件？
订阅和模式要求
Data Agent 的运行环境是 ChatGPT Work，这是 OpenAI 在 2026 年 7 月推出的面向知识工作的 Agent 模式。ChatGPT Work 本身不单独收费，包含在 ChatGPT 付费订阅中。
根据 OpenAI 帮助中心的说明，ChatGPT Work 面向所有付费订阅开放，但 Pro、Pro Lite、Enterprise 和 Edu 用户优先获得访问权限，Plus 和 Business 用户随后逐步开放。如果你使用的是免费版 ChatGPT，目前无法使用 Data Agent。
一个容易忽略的细节：即使你的订阅支持 ChatGPT Work，Data Agent 本身也需要管理员在 Workspace settings 中启用。如果你用的是个人 Plus 账户，理论上你就是自己工作区的管理员，可以在设置中自行安装 Data 插件。但如果你所在的组织使用 Business 或 Enterprise 方案，Data 插件是否可用、能连接哪些数据源，由组织管理员决定。
数据源插件配置
Data Agent 本身不直接连接数据库。它需要通过“数据源插件”来建立连接。目前支持的数据平台包括：
| 类型 | 支持的数据源 |
|---|---|
| 数据仓库 | Amazon Redshift、Google BigQuery、Snowflake、ClickHouse、Databricks |
| 数据库 | MongoDB |
| 监控与可观测性 | Datadog |
| 文件存储 | Google Drive、SharePoint |
此外，Data Agent 可以与 Omni、Oracle BI、Power BI、Sigma、Tableau 和 ThoughtSpot 等 BI 工具协同工作，在这些工具中创建或更新 Dashboard。
每个数据源插件需要单独配置。以 ClickHouse 为例，管理员需要在 ClickHouse Cloud 控制台中启用 MCP 服务器，然后在 ChatGPT Work 的 Plugins 目录中安装 ClickHouse 插件并完成 OAuth 授权。Snowflake 和 Databricks 也有各自的 app template 配置流程。
普通用户怎么用 Data Agent？操作步骤
以下步骤基于 OpenAI 官方帮助中心的说明整理。
第一步：确认 ChatGPT Work 是否可用
打开 ChatGPT 桌面应用或网页版。在模式选择器中查看是否有“Work”选项。如果没有，说明你的账户尚未获得 ChatGPT Work 访问权限。对于 Plus 用户，权限是逐步开放的，需要等待。对于 Enterprise 或 Edu 用户，可以联系组织管理员确认。
成功标志：你能在对话模式中切换到 Work。
第二步：安装 Data 插件
进入 ChatGPT Work 模式后，打开 Plugins 目录（桌面版在设置中，网页版在左侧栏或设置菜单中）。搜索“Data”，选择安装。
如果你所在的工作区管理员已经预装了 Data 插件，这一步可以跳过。
第三步：连接数据源
安装 Data 插件后，你需要连接至少一个数据源才能开始使用。在插件目录中找到对应的数据源插件（比如 Snowflake、BigQuery），按照提示完成账户授权。
这一步通常需要你有对应数据平台的账号和访问权限。如果数据平台设置了 IP 白名单或 SSO 限制，可能需要在数据平台侧做额外配置。
成功标志：在 Data 插件的设置页面中，能看到至少一个已连接的数据源显示“已连接”状态。
第四步：用 @Data 开始提问
在 ChatGPT Work 的对话输入框中，输入 @Data 来唤起数据 Agent，然后直接用中文描述你想分析的问题。
官方建议在提问时尽量包含以下信息：数据源、指标名称、时间范围、对比维度。例如：
@Data 比较本季度和上季度的收入，解释变化最大的部分。
@Data 调查上个月客户留存率下降的原因，展示你使用的数据和定义。
@Data 创建一个显示各区域销售管道的 Dashboard，并标注最大的变化。
不需要使用 SQL 语法，不需要了解表结构，直接用业务语言提问即可。
Data Agent 在企业里能做什么？三个实际场景
场景一：运营人员排查指标异常
假设你是某电商平台的运营人员，发现本周的转化率突然下降了。以前的做法是给数据团队提需求，等对方拉数据、做分析、出报告，可能需要一两天。
使用 Data Agent 的做法：在 ChatGPT Work 中 @Data，提问“本周转化率相比上周下降了多少？按渠道拆解，看哪个渠道的降幅最大”。Data Agent 会连接你的数据仓库，执行查询，返回分渠道的对比数据和图表。
人工检查点：确认 Data Agent 使用的指标定义和你的业务口径一致。如果你公司的“转化率”有多个计算方式，确保 Agent 读取的是正确的语义层定义。
场景二：市场人员做竞品对比 Dashboard
假设你需要做一个季度市场表现 Dashboard，包含各产品线的收入、获客成本和 ROI。以前需要导出多个 Excel 表格手动合并，或者让 BI 团队帮忙搭建。
使用 Data Agent：在 ChatGPT Work 中描述你想要的 Dashboard 结构，Data Agent 会从已连接的数据源中提取数据，生成包含图表和指标卡片的交互式 Dashboard。你可以继续追问和调整，比如“把 ROI 低于 1 的产品线标红”。
生成的 Dashboard 可以直接分享给团队，团队成员可以查看、刷新和继续编辑。
人工检查点：Dashboard 生成后，抽查几个关键数字是否与你在数据平台中直接查询的结果一致。Data Agent 的查询逻辑可能与你预期的不同，尤其是在涉及多表 JOIN 或复杂计算时。
场景三：销售负责人查看管道健康度
假设你想了解各区域的销售管道情况，找出哪些大客户有流失风险。以前需要登录 CRM 或让销售运营团队出一份报告。
使用 Data Agent：提问“按区域展示销售管道，标注超过 30 天没有推进的商机，并列出涉及金额最大的前 10 个客户”。Data Agent 会查询连接的数据源，生成可视化结果。
Data Agent 还可以根据分析结果建议下一步行动，比如指出哪些客户需要优先联系，并通过 Slack 或邮件分享分析结果。
人工检查点：Data Agent 的建议基于数据模式，不包含人际关系、客户情绪等非结构化信息。在采取实际客户沟通行动前，建议结合销售团队的一线判断。
Data Agent 目前有哪些限制和风险？
官方未公布准确率基准
这是目前最值得关注的信息缺口。OpenAI 在发布 Data Agent 时没有公布任何面向外部客户的公开准确率或检索准确率基准数据。VentureBeat 的报道指出，OpenAI 内部确实进行了对比测试，但没有公开具体成绩。
这意味着企业在评估 Data Agent 是否适合用于关键决策时，缺少一个可横向比较的量化指标。Data Agent 的回答“看起来合理”不等于“结果准确”。建议在实际使用中建立一套简单的抽查机制：对 Data Agent 给出的关键数字，至少在初期手动在数据平台中验证一次。
审计日志和操作可追溯性
一个被多家技术媒体报道的细节是：目前企业合规日志不记录 Data Agent 的具体操作。也就是说，管理员可以看到谁启用了 Data 插件、连接了哪些数据源，但无法查看 Agent 具体执行了哪些查询、访问了哪些表。
对于有严格合规要求的行业（金融、医疗等），这个限制可能影响 Data Agent 的采用决策。如果你的组织需要完整的查询审计能力，建议在评估阶段与数据治理团队确认这一点。
权限遵循但不等于无风险
Data Agent 在设计上遵循连接账户的现有权限，包括表级、行级和列级限制。这是一个重要的安全设计：如果用户的数据库账户只能看到某个区域的销售数据，Data Agent 也只能查询到这个范围的数据。
但需要注意：权限是“连接账户”的权限，不是“提问用户”的权限。如果管理员用一个权限较高的服务账户来配置数据源连接，那么所有使用这个连接的用户都可能通过 Data Agent 访问到该账户权限范围内的数据。在配置数据源时，建议使用权限最小化的专用账户，而不是管理员账户。
当前不支持的能力
根据官方文档，Data Agent 目前不支持以下场景：
- 写入数据到数据库（只读查询）
- 直接修改数据源中的表结构
- 连接非上述列表中的数据平台（截至最后核查日期）
- 在免费版 ChatGPT 中使用
哪些人适合现在尝试，哪些建议再等等
适合现在尝试的情况：
- 你在使用 ChatGPT Plus 或更高订阅，且已开通 ChatGPT Work
- 你的数据已经在 Snowflake、BigQuery、Databricks 等支持的数据平台中，且已有基本的权限管理
- 你的分析需求以“查看数据、生成图表、分享发现”为主，不涉及写入或修改数据
- 你愿意在初期对 Data Agent 的输出做人工抽查，把它当作“加速器”而不是“决策替代品”
建议谨慎或等待的情况：
- 你的组织对数据审计有硬性合规要求，需要完整记录每一次数据访问
- 你需要 Data Agent 连接的数据库不在当前支持列表中
- 你的业务决策对数据准确率要求极高（如财务报告、合规报表），且当前没有可靠的验证机制
- 你使用免费版 ChatGPT，或所在的 Business/Enterprise 工作区尚未启用 Data 插件
- 你只需要分析手动上传的 CSV/Excel 文件——这种情况下已有的“高级数据分析”功能就够了，不需要 Data Agent
FAQ
Data Agent 需要额外付费吗？
不需要额外付费。Data Agent 本身包含在 ChatGPT Work 中，不单独收费。你只需要支付 ChatGPT 的订阅费用。ChatGPT Work 面向 Plus（约 20 美元/月）及以上订阅层级开放，Enterprise 方案为定制定价。
Data Agent 和 ChatGPT 的高级数据分析有什么区别？
高级数据分析处理你手动上传的静态文件（CSV、Excel）。Data Agent 连接你的实时企业数据源（Snowflake、BigQuery 等），查询的是当前数据，并能读取企业的业务指标定义。前者是文件分析，后者是企业数据查询。
免费版 ChatGPT 能用 Data Agent 吗？
不能。Data Agent 需要 ChatGPT Work，而 ChatGPT Work 面向付费订阅用户开放。免费版 ChatGPT 无法使用这个功能。
Data Agent 的分析结果准确吗？
OpenAI 没有公布公开的准确率基准。实际准确率取决于多个因素：数据源的查询权限是否正确配置、企业语义层中的指标定义是否清晰、用户提问的精确程度。建议在关键决策场景中，对 Data Agent 的输出进行人工抽查验证。
Data Agent 会记录我的查询历史吗？
目前的数据查询记录遵循你的 OpenAI 账户和连接数据平台各自的日志策略。但根据多家技术媒体的报道，当前企业合规日志中不包含 Data Agent 的具体操作记录。如果你需要审计能力，建议在评估阶段向 OpenAI 或你的数据平台提供商确认当前的日志支持范围。
我的数据会用于训练 OpenAI 模型吗？
这取决于你的订阅类型和账户设置。Enterprise 和 Business 方案默认不使用客户数据训练模型。个人 Plus 和 Pro 账户的数据使用政策需要通过你的账户隐私设置确认。对于敏感的企业数据，建议在连接数据源前与组织的数据治理团队确认合规要求。
【资料来源 / 信息核查】
以下为本文实际参考的信息来源：
- OpenAI 官方公告“Now everyone can put data to work”（2026-09-10）：https://openai.com/index/put-data-to-work/
用于确认 Data Agent 的核心功能、支持的数据源列表、BI 工具集成范围，以及 OpenAI 内部使用规模（3500+ 用户，600PB 数据，7 万数据集）。 - OpenAI 帮助中心“Using the Data plugin in ChatGPT Work and Codex”：https://help.openai.com/zh-hans-cn/articles/20001518
用于确认插件安装步骤、工作区管理员配置要求、RBAC 权限管理方式，以及官方推荐的数据源配置组合（数据仓库 + 语义层 + ChatGPT Sites）。 - OpenAI 开发者社区“Introducing the Data Agent for ChatGPT Work”（2026-09-10）：https://community.openai.com/t/introducing-the-data-agent-for-chatgpt-work/1396488
用于交叉验证功能描述和使用示例。 - VentureBeat“OpenAI’s new data agent skips the one thing rivals like Databricks are racing to publish: a benchmark”（2026-09-10）：https://venturebeat.com/data/openais-new-data-agent-skips-the-one-thing-rivals-like-databricks-are-racing-to-publish-a-benchmark
用于确认 OpenAI 未公布公开准确率基准、内部数据 Agent 的起源背景，以及 Arpan Shah 的采访内容。 - ITmedia“ChatGPT Work、質問するだけで社内データ分析・グラフやダッシュボードも作る「Data agent」”（2026-09-11）：https://www.itmedia.co.jp/aiplus/article/2609/11/2000001391/
用于确认支持的数据源列表、BI 工具集成和语义层来源。 - 华尔街见闻“OpenAI推出数据智能体，一句话把企业数据变成分析和Dashboard，但未公布准确率基准”（2026-09-11）：https://awtmt.com/articles/3781517
用于确认准确率基准缺失、内部使用规模数据和业务场景示例。 - ic.work“ChatGPT能连你的Snowflake了，但没人能查它做了什么”（2026-09-10）：https://www.ic.work
用于了解审计日志缺失和权限体系的社区关注点。 - ClickHouse 官方博客“ClickHouse is a launch partner for the Data agent in ChatGPT Work”（2026-09-10）：https://clickhouse.com
用于确认 ClickHouse 作为数据源插件的接入方式和配置流程。 - MongoDB 官方博客“Analyze MongoDB Atlas Data in OpenAI ChatGPT Work”（2026-09-10）：https://www.mongodb.com
用于确认 MongoDB Atlas 通过 Managed MCP Server 接入 Data Agent 的方式。 - ChatGPT Work 定价参考（2026-07）：https://chatgpt.com/pricing
用于确认 ChatGPT Work 的订阅层级和 Enterprise 定价模式。