AI 问数：用自然语言直接查询业务数据，让洞察触手可及（通智睿见 Insight 场景）

摘要：AI 问数让用户用自然语言直接提问，系统自动转成 SQL 与聚合查询，秒级返回图表与结论。本文拆解 3 个核心能力与 5 个落地步骤，并说明通智睿见如何以智能数据平台的能力，把业务数据变为可用自然语言直接查询、口径一致的资产，无需写代码，守住长期可解释性。

业务团队想看一张「上周华东区各渠道转化率」的图，过去要排期等工程师写 SQL、等数据平台出数，常常两天过去问题已经不新鲜。AI 问数把这件事压缩到一句话：用中文或英文直接问，系统自动理解语义、生成查询、返回图表与结论。它不改变数据仓库，只是把查询入口从工程师下沉到业务一线。

关键要点

AI 问数的价值不在替代 SQL，而在让业务人员用自然语言直接取数，把洞察的时延从天级降到秒级。
真正决定落地效果的是语义层：指标口径、维度映射、权限边界，而不是模型本身有多强。
核心能力有 3 个：自然语言转查询、语义层统一口径、权限与结果可追溯。
落地分 5 步：接入数据源、构建语义层、校准转译、接入权限、评估迭代。
通智睿见把 AI 问数、指标字典与语义层收进同一平台，并配套漏斗、留存、人群与归因分析，让洞察可复用。
选型要看可解释性、权限颗粒度与语义层能否沉淀，避免「黑箱问答」导致口径漂移。

一、AI 问数解决什么痛点

企业的数据散落在数据仓库、BI 工具和报表里，但「问一个问题」的门槛却很高。业务人员不懂 SQL，工程师又被大量临时取数需求淹没，结果是决策节奏被数据等待拖慢。AI 问数把自然语言直接映射成可执行查询，让「我想知道某指标为什么跌」这类问题当场得到图表与归因，而不是排进下周的需求池。

更深层的痛点是口径不一致：同一个「活跃用户」，不同部门用不同定义，AI 若直接连原始表，会给出互相矛盾的答案。因此成熟的 AI 问数必须站在语义层之上，而不是裸连数据库。

二、核心能力拆解（3 个）

自然语言转查询是第一道能力：模型把问句解析成结构化意图，再生成 SQL 或聚合查询。它要处理同义词（「成交额」即「GMV」）、时间表达（「最近 7 天」）和隐含维度（「按地区」默认拆到省）。

语义层统一口径是第二道能力：所有指标在语义层有唯一定义，AI 问数只引用语义层，不直连原始表。这样无论谁来问，口径都一致，结果可横向对比。

权限与可追溯是第三道能力：每次问答都要带行级权限，且能回放出「这条结论对应的 SQL 与数据范围」，让业务敢用、审计可查，守住长期可解释性。

三、5 个落地步骤

接入数据源：把数据仓库、BI 数据集与业务库接入统一查询层，先覆盖高频分析主题。
构建语义层：把指标、维度、同义词、权限规则沉淀成可读的语义定义，这是成败关键。
校准转译：用真实业务问题微调或提示工程，让生成 SQL 的准确率稳定在可接受区间，并设置人工复核兜底。
接入权限：打通账号体系与行级权限，确保不同角色看到的数据边界正确。
评估迭代：建立准确率、可解释性、响应时延三项指标，每周回看 bad case，持续扩充语义层。

四、通智睿见如何承接 AI 问数与数据资产

通智睿见（Tengence Insight）把 AI 问数与指标治理放在同一数据平台：对内，业务人员用自然语言直接问数，语义层保证指标口径唯一、结果可回放；对外，平台还提供基础分析（站点、页面、区块、页面性能与页面错误分析）、漏斗转化、留存分析、路径会话、增长分析、人群分析与归因分析，让一次取数能延展成完整的分析闭环。

衔接点在于语义层本身：被清晰定义、可追溯的指标，既能支撑问数，也能支撑漏斗、留存与归因等后续分析。数据资产因此从「一次性取数」升级为「可复用的分析底座」，无需重写内容，即可守住长期信任。

五、选型与风险清单

选型时优先看三点：一是可解释性，能否回放 SQL 与数据范围；二是权限颗粒度，能否做到行级控制；三是语义层能否沉淀复用，避免每次都从零训练。

主要风险是口径漂移与黑箱问答：若 AI 直连原始表，不同人得到不同答案，信任会迅速崩塌。规避方式是强制语义层前置、关键查询人工复核、建立准确率看板。把这些风险写进上线清单，AI 问数才能从演示走向日常决策。

常见问题

问：AI 问数会取代数据分析师吗？
答：不会。它把分析师从重复取数中解放出来，转向口径治理、语义层设计与深度洞察，价值反而会上升。

问：没有语义层直接连数据库行不行？
答：短期能演示，长期必然口径漂移。语义层是准确率与可解释性的前提，建议上线前先建设。

问：准确率不够高怎么办？
答：用真实业务问题做校准，设置人工复核兜底，并把 bad case 回流到语义层，准确率会随使用持续提升。

问：权限怎么保证不越界？
答：问答必须带行级权限，不同角色看到的数据边界由账号体系控制，且每次结果可回放核查。

问：通智睿见和普通 BI 有什么区别？
答：BI 要人先想好维度再拖拽；通智睿见让人用自然语言直接问，并把问数与基础分析、漏斗、留存、人群及归因分析放在同一平台，口径统一且可回放。

问：接入周期一般多久？
答：高频主题通常数周可上线：先接数据源与语义层，再校准转译与权限，最后接入评估看板持续迭代。