11月11日凌晨2点，OpenAI发布了一个重磅功能Businesses in ChatGPT。

以后企业在ChatGPT里会有一个可认领、更新、看数据的官方身份。

并且符合条件的电商还能放一个AI智能体，让用户在对话里直接问产品、比价格、查库存、下商单。

简单来说，Businesses in ChatGPT相当于AI搜索版淘宝，把12亿周活用户全面开放，开始深度向电商发力了。

今天正好是中国双十一电商节，OpenAI选择在今天上线这个功能，不知道是巧合还是故意的，但目的性还挺强。

其实咱们已经有不少人经常用AI挑选商品、对比参数、打听哪家企业卖东西靠谱又便宜。

这就意味着，商品曝光、客户咨询、种草转化的主战场，正在往AI搜索中迁移。

功能展示

现在 OpenAI 愿意把这个周活12亿人的超大的流量池全面开放，帮助企业提升商业转化率。

如何抢占商户位置

用户可以去一个叫企业中心的地方认领自己的账号，审核过了就能上传商品定价、库存状态这些核心资料了。

以前用户在ChatGPT里问某款产品怎么样，AI只能从训练数据或者网页搜索里拼凑答案，信息可能过期也可能不准。

现在企业有了官方通道直接提交最新数据，用户问起来就能拿到更靠谱的回复。已经在用OpenAI企业版或者投广告的客户有专属对接通道。

Shopify平台的商户更省心，店铺能够直接打通绑定，商品目录一键接入，不用手动逐条录入。

其实这个设计挺聪明的，绕开了复杂的审核环节，直接借Shopify现成的商品目录体系把数据接进来。

这对电商企业来说可以先把位置占住，12亿周活的池子摆在那，谁先进去谁就能先吃到搜索结果的展示红利。

目前，这个功能先对美国企业、电商开放，OpenAI表示后续会向更多国家、地区开放用户认领。

AI对话式获客，拿下高意向买家

整套体系最核心的亮点就是通过AI智能体动态获客。完成认领、资质审核通过的商家，可以搭一个自己的AI智能体。

用户在大模型回答里看到某家企业时点进去，如果这家配了智能体就能直接发起对话问细节。

举个生活化的场景，你在对比两款吸尘器，想知道哪个更适合养猫的家庭，AI智能体可以基于企业自有资料帮你梳理差异。

或者当用户模糊向ChatGPT提问，我六岁的侄女喜欢画画，送什么礼物给她好呢?预算在30美元以下。就会优先展示认领企业的产品。

对消费者来说，筛选商品的过程变得更高效，不用翻几十页评价；

对商家来说，接住的是已经萌生购买想法、正在做抉择的高意向客户，这种高精准的商业转化，远高于普通泛曝光。

这里有个细节值得注意，智能体的对话有明确标识，独立于用户原本的ChatGPT会话，跟原生AI回答做了区分，不会让人分不清是在跟ChatGPT聊，还是在跟企业品牌的AI智能体聊。

企业还可以把赞助版代理设成广告落地页，当然广告内容也会清晰标注。

其实ChatGPT周活已经超过12亿了，这么多人拿它查信息做消费决策，企业不可能无视这个入口。

而OpenAI主动开放这个入口给商家，就是想一起做大AI搜索电商这个蛋糕。

这就像早期的淘宝电商开铺一样，谁能先把好位置占住，谁就能吃到第一波流量红利。

说到底，平台给不给入口是一回事，企业自己接不接得住是另一回事。

数据分析

企业入驻之后，如何查看数据、提升商业转化效率，OpenAI也给用户准备了全面的数据分析功能。

企业中心会给你聚合统计，比如品牌在对话里被提到多少次、官网链接被点了多少下。

还有一个叫发现主题的东西，能看到引用你官网的对话里高频出现哪些话题。

这就有点像以前在淘宝电商里做SEO看关键词报告，只不过现在战场挪到了AI对话里。

现在，AI已经可以帮助我们自动处理数据、编写SQL、生成可视化图表，甚至完成财务建模、经营分析和业务预测。

当AI能够完成越来越多的数据分析工作时，人还需要具备什么能力？

答案是：业务理解、数据分析思维，以及对AI结果的判断和验证能力。未来职场的竞争力，不只是会不会使用AI，而是能不能利用AI解决真实的业务问题。

那么，你现在的数据分析能力处于什么水平？能否借助AI独立完成一次业务分析？扫码CDA认证小程序测一测，你的数据分析能力处于什么水平？

AI时代，如果你想提升自己的AI+数据分析能力，向您推荐CDA最新推出《数智化数据分析与AI应用实践营》。

这门实践营，就是围绕这条企业对数据分析师的能力要求设计的。

（一）课程的核心，不是教更多工具，而是建立五项能力

第一，定义问题。

面对“销售下降”“客户流失”等模糊需求，知道怎样明确分析对象、拆解指标、设计验证路径。

第二，处理数据。

使用Excel、SQL、BI和Python完成数据查询、清洗、关联、计算与可视化。

第三，分析与验证。

通过统计检验、回归、聚类和机器学习，研究业务差异、影响因素以及分类与预测问题。

第四，应用AI。

从AI辅助公式、代码和报告，进一步学习大模型API、Agent、Skill、MCP及知识检索问答。

第五，交付成果。

能够通过看板、业务分析报告、模型说明或AI应用原型，展示自己完成了什么，以及结果如何验证。

从数据处理，到业务分析，再到AI应用，能力不再是一堆孤立的工具名称。

（二）38章完整课程：从Excel、Python到AI智能体开发

CDA数据分析师《数智化数据分析与AI应用实践营》共设置38章课程。

课程从数据分析基础出发，经过商业分析、统计建模与机器学习，进一步进入大模型与AI智能体应用。

整个课程分为八大模块。

最终，将分析、技术与业务需求连接起来，理解一个AI应用从想法到落地的过程。

（三）38章学完，到底能拿出什么？学完可以获得的知识和技能

1. 工具能力：让数据处理更有条理

学习 Excel 函数、数据透视表与图表；MySQL 多表连接、子查询与窗口函数；BI 的 Power Query、多维建模、函数与制图；Python 的 Pandas 数据清洗和可视化。同时了解 JSON 数据、企业数据架构与 ETL 基本流程，建立对数据来源和处理过程的理解。

2. 分析方法：选择适合问题的思路

学习指标体系、描述统计、趋势分析、RFM 客户价值分群、标签与用户画像、漏斗和同期群分析，以及 A/B 测试的基本思路。例如，会员运营可以研究不同客户群的消费特点；销售分析可以定位线索转化中的流失环节；产品运营可以比较不同注册批次的留存表现。

3. AI 能力：将辅助工具放进具体工作步骤

学习提示词与任务拆解，使用 AI 辅助公式选择、SQL 编写、Python 调试和报告撰写；进一步使用 Agent 操作 Excel／BI、生成 HTML 交互看板，并学习可复用技能、工具接入与权限管理。训练重点包括检查数据、计算逻辑和结论，形成可以复用的工作流程。

4. 综合成果：从零散操作到完整项目

在库存综合项目中，练习需求拆解、多源数据探查、数据关联、指标设计、看板制作、问题诊断和报告撰写。课纲中的部分大项目可整理为个人作品，例如库存看板与分析报告，展示你如何把数据转成业务判断。Python 清洗与可视化练习也帮助形成可复用的分析过程。

（四）学完课程又能对应哪些工作？

学习一门课程，最终还要回到现实。

能否与实际工作联系起来？

从常见的企业数据任务来看，这套课程内容可以对应多个岗位方向。

当然，不同岗位有不同的专业要求。

比如财务BP需要财务与经营管理知识，算法岗位需要更深入的数学与工程能力，AI应用开发也可能涉及软件工程、系统部署与安全管理。

课程能够帮助建立相关技能基础，并不意味着学完就能胜任所有岗位。

真正合理的学习方式，是结合自己的专业背景和发展目标，选择重点方向。

（五）哪些人适合参加这次实践营？

学习对象和基础

接受零基础，无需提前掌握编程。 会进行基本电脑操作，并能安排时间完成练习，即可从基础内容开始。

运营、营销、销售、产品人员：经常接触订单、用户、活动与渠道数据，希望提升分析和复盘能力。
财务、人力及经营支持人员：希望更有条理地整理多表数据、跟踪指标、制作管理报表。
学生与转行者：希望系统学习常用分析工具、业务方法，并通过项目积累实践成果。
已有单项工具基础的人：希望把 Excel、SQL、BI、Python 和 AI 串成完整的分析流程。

文科、商科背景均可学习；编程部分从基础展开，学习效果需要通过练习和项目逐步巩固。

（六）师资团队实战经验丰富

CDA实践营专业师资团队，汇聚行业实战经验。 CDA讲师团队由徐杨、张彦存、柯家媛、李众等资深讲师组成，拥有中国人民大学、英国格拉斯哥大学等教育背景，以及银行、金融保险、互联网等行业项目经验。团队深耕数据分析、统计建模、机器学习、SQL及AI应用等领域，兼具扎实的理论功底与丰富的企业实战经验，注重将专业方法与真实业务场景相结合。