ChatGPT Work 的 Data agent 是 OpenAI 于 2026-09-10 发布的数据分析代理。它能从工作区批准的数据源中调查指标变化，再把结果整理成可编辑、可刷新的交互式仪表盘。用户确认后，它还可以把后续动作发送到 Slack 或邮件。
接入这项能力，难点不在 prompt，而在团队能否说清楚三件事：指标怎么算、数据由谁负责、不同账号能看到哪些表、行和列。任一项没有明确答案，Data agent 生成的数字就不应直接用于业务决策。
如果工作区已经显示 Data，先选一个低风险指标做试点：管理员确认插件和数据源权限，使用者连接自己的账号，再用 @Data 提出带有指标、时间范围和对照区间的问题，并用现有报表复核结果。若 Plugins 中找不到 Data，请管理员按官方安装说明检查 Workspace settings > Plugins 中的可用范围和角色设置。
接入前先确认三项条件
接入前，把三项条件落实到具体负责人和可验证的设置。只要有一项仍停留在口头约定，就先处理数据源或指标定义。
| 条件 | 接入前要确认什么 | 不满足时怎么处理 |
|---|---|---|
| 数据负责人 | 谁批准数据源、解释指标、处理错误 | 先指定每个数据域的负责人 |
| 访问控制 | 测试账号只能看到获准的表、行和列 | 在源系统收紧权限后再连接 |
| 指标口径 | 核心指标有名称、公式、时区和去重规则 | 先在语义层或受信文档中固定定义 |
截至 2026-09-11，Data agent 发布公告列出的数据源包括 Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB 和 Snowflake；Google Drive 和 SharePoint 中的文件也可以参与分析。
Data agent 还可从 dbt、GitHub、Snowflake Horizon、Databricks Genie Ontology 和现有 BI 仪表盘获取业务术语、计算方式及数据关系。这是官方公布的连接范围，不等于这些连接器都已在当前工作区启用。
管理员安装 Data 并限定连接范围
在受管理的工作区里，“能打开 Data”和“能读取某个数据源”是两层权限。管理员负责开放插件，源系统仍按使用者自己的账号决定可读范围。按照 Data agent 官方安装说明，实际设置顺序是：
- 在 ChatGPT 打开 Plugins 标签页，搜索 Data，进入详情页后选择 Install plugin；如果当前账号没有安装权限，交给工作区管理员处理。
- 管理员在 Workspace settings > Plugins 核对 Data 的可用范围，并确认目标角色可以使用它依赖的插件或应用。
- 确认需要的数据源连接对目标角色可用，例如 Databricks 或 Snowflake；开放插件不会自动授予源系统权限。
- 让实际使用者以自己的数据源账号完成授权，不共用管理员连接。
- 用权限受限的测试账号验收，不用管理员账号代替普通使用者。
Data agent 发布公告称，查询会遵守连接账号已有的数据库、表、行和列权限。OpenAI 的工作区权限文档也把边界分得很清楚：工作区决定插件能否使用，源系统决定登录账号能读哪些数据。
验收时不要只确认“连得上”。准备两个问题：一个应当返回结果，另一个必须被拒绝。如果第二个问题仍返回明细、汇总值或足以推断敏感信息的结果，暂停试点，检查源系统权限、语义层和连接器配置。
用一个窄问题完成首次分析
第一个任务选一个已经出现在正式报表中的指标，不要从“分析整个公司”开始。问题里写清指标、时间范围、对照区间、拆分维度和证据要求。OpenAI Docs 的 KPI 根因分析工作流同样要求先固定指标定义、比较窗口和权威数据源，再区分已确认的驱动因素与待验证假设。
例如，要调查周活跃用户下降，可以这样写；方括号中的内容应替换为团队已经确认的定义：
@Data 分析 [周活跃用户] 在 [2026-08-24 至 2026-08-30] 相比前四周均值的变化。
要求：
1. 使用工作区中已批准的 [产品分析] 数据源和指标定义。
2. 按 [平台、地区、新老用户] 拆分，列出对总变化贡献最大的因素。
3. 每个结论注明数据源、查询时间范围、过滤条件和计算口径。
4. 把事实、推测和下一步检查分开；证据不足时明确写“无法确认”。
5. 先返回分析表，不执行消息发送、工单创建或其他外部动作。
拿到分析表后，先复核贡献最大的异常项：
@Data 对贡献最大的两个因素做复核：检查数据延迟、埋点变化、缺失值和重复记录。
把复核前后的数值并排展示，并列出仍无法排除的解释。
以上 prompt 仅作写法示例，未在本站运行。
逐项验收答案和证据
回答写得顺，不代表数字算对了。发布结论前，分析人员和数据负责人应逐项检查：
- 范围：日期、时区、业务实体和过滤条件与问题一致。
- 口径：指标公式、去重方式和分母来自团队认可的定义。
- 权限：输出没有包含当前账号不应看到的明细或可反推数据。
- 证据：关键结论能回到数据源、查询条件或现有报表。
- 新鲜度：数据更新时间足以支持本次判断，没有把延迟写成下降。
- 异常处理：空值、重复记录、埋点变更和样本过小已经说明。
- 复算：至少一个关键数字能用现有 SQL、BI 报表或人工抽样独立复核。
Data agent 与现有报表冲突时，先比较两边的时间范围、过滤条件和指标版本。不要挑选更符合预期的结果；暂时找不到差异来源，就保留两份结果及其查询条件，交给数据负责人处理。
仪表盘发布前锁定口径和动作
关键数字核对无误后，再让 Data agent 生成仪表盘。Data agent 发布公告称，仪表盘可以编辑、分享和刷新，也可与 Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpot 等工具交互。具体能用哪些工具，取决于管理员启用的插件和连接账号权限。
做图前还要确定谁会看、多久刷新、由谁处理异常，以及哪些指标已经通过质量检查。OpenAI Docs 的仪表盘规划工作流也把这些信息列为前置条件，而不只是要求选择图表类型。
给产品负责人生成周报时，可以这样约束受众、刷新方式和异常提示：
@Data 把已复核的分析生成面向产品负责人的周报仪表盘。
保留指标定义、数据更新时间和过滤条件；每张图显示对照区间。
不要新增未经复核的指标。刷新失败或数据延迟时，在页面顶部显示警告。
发布前，用接收者账号再做一次权限测试。仪表盘能在创建者账号下打开，不代表每位接收者都应该看到同样的数据。如果还要让 Data 向 Slack、邮件或外部工具发送后续动作，应逐次审批。ChatGPT Work 文档建议在任务中明确停止点、复核步骤和重要动作的批准条件。
出现这些情况就停止上线
遇到以下任一问题，暂停扩大试点范围：
- 低权限测试账号能看到受限数据或推断出敏感汇总值。
- 同一指标在 Data agent、语义层和正式报表中定义不一致。
- 关键结论无法回到数据源、时间范围和过滤条件。
- 刷新后数字变化，但系统没有显示数据版本或更新时间。
- 使用者把相关性写成因果关系，且没有额外证据支持。
- 外发消息或工具动作无法保持逐次审批和审计记录。
常见问题
为什么 ChatGPT Work 里看不到 Data？
先检查 Plugins 标签页；受管理的账号再请管理员检查 Workspace settings > Plugins 中的可用范围和角色设置。官方安装说明要求管理员在这里开放 Data 及其相关数据源插件，使用者还需完成自己的账号连接。如果管理员确认当前角色暂时无法使用 Data，就继续以现有 SQL 或 BI 报表作为正式分析路径，等工作区开放后再开始试点。
管理员启用 Data 后，使用者会自动获得 Snowflake 等数据源的权限吗？
不会。管理员开放的是 Data 插件，源系统仍按使用者登录账号的权限返回内容。应让每位使用者连接自己的账号，并用低权限账号测试允许查询和拒绝查询。
Data agent 可以替代现有 SQL 或 BI 报表吗？
不建议直接替代。试点阶段应保留现有 SQL 或 BI 报表作为对照，并至少独立复核一个关键数字。两边结果冲突且暂时无法解释时，不发布结论。
Data agent 可以直接向 Slack 或邮件发送后续动作吗？
OpenAI 的发布公告称，Data agent 可以在用户批准后发送后续动作。实际使用时仍应逐次确认接收者、内容和数据权限，不要把分析完成等同于获得外发批准。