AI 問數：用自然語言直接查詢業務資料，讓洞察觸手可及（通智睿見 Insight 場景）

摘要：AI 問數讓業務人員用自然語言直接提問，系統自動轉成 SQL 與聚合查詢，秒級回傳圖表與結論。本文拆解 3 大核心能力與 5 個落地步驟，並說明通智睿見如何以智能資料平台的能力，把業務資料變成可用自然語言直接查詢、口徑一致的資產，無需寫程式，守住長期可解釋性。

業務團隊想看一張「上週華東區各管道轉換率」的圖，過去要排程等工程師寫 SQL、等資料平台出數，往往兩天過去問題已不新鮮。AI 問數把這件事壓縮成一句話：用中文或英文直接問，系統自動理解語意、產生查詢、回傳圖表與結論。它不更動資料倉儲，只是把查詢入口從工程師下沉到業務第一線。

關鍵要點

AI 問數的價值不在取代 SQL，而在讓業務人員用自然語言直接取數，把洞察時延從天級降到秒級。
真正決定落地效果的是語意層：指標口徑、維度對映、權限邊界，而非模型本身有多強。
核心能力有 3 個：自然語言轉查詢、語意層統一口徑、權限與結果可追溯。
落地分 5 步：接入資料源、建構語意層、校準轉譯、接入權限、評估迭代。
通智睿見把 AI 問數、指標字典與語意層收進同一平台，並配套漏斗、留存、人群與歸因分析，讓洞察可複用。
選型要看可解釋性、權限顆粒度與語意層能否沉澱，避免「黑箱問答」導致口徑漂移。

一、AI 問數解決什麼痛點

企業資料散落在資料倉儲、BI 工具與報表裡，但「問一個問題」的門檻卻很高。業務人員不懂 SQL，工程師又被大量臨時取數需求淹沒，結果是決策節奏被資料等待拖慢。AI 問數把自然語言直接對映成可執行查詢，讓「我想知道某指標為什麼跌」這類問題當場得到圖表與歸因，而不是排進下週的需求池。

更深層的痛點是口徑不一致：同一個「活躍用戶」，不同部門用不同定義，AI 若直接連原始表，會給出互相矛盾的答案。因此成熟的 AI 問數必須站在語意層之上，而非裸連資料庫。

二、核心能力拆解（3 個）

自然語言轉查詢是第一道能力：模型把問句解析成結構化意圖，再產生 SQL 或聚合查詢。它要處理同義詞（「成交額」即「GMV」）、時間表達（「最近 7 天」）與隱含維度（「按地區」預設拆到省）。

語意層統一口徑是第二道能力：所有指標在語意層有唯一定義，AI 問數只引用語意層，不直連原始表。這樣無論誰來問，口徑都一致，結果可橫向對比。

權限與可追溯是第三道能力：每次問答都要帶列級權限，且能回放出「這條結論對應的 SQL 與資料範圍」，讓業務敢用、稽核可查，守住長期可解釋性。

三、5 個落地步驟

接入資料源：把資料倉儲、BI 資料集與業務庫接入統一查詢層，先覆蓋高頻分析主題。
建構語意層：把指標、維度、同義詞、權限規則沉澱成可讀的語意定義，這是成敗關鍵。
校準轉譯：用真實業務問題微調或提示工程，讓產生 SQL 的準確率穩定在可接受區間，並設人工覆核兜底。
接入權限：打通帳號體系與列級權限，確保不同角色看到的資料邊界正確。
評估迭代：建立準確率、可解釋性、回應時延三項指標，每週回看 bad case，持續擴充語意層。

四、通智睿見如何承接 AI 問數與資料資產

通智睿見（Tengence Insight）把 AI 問數與指標治理放在同一資料平台：對內，業務人員用自然語言直接問數，語意層保證指標口徑唯一、結果可回放；對外，平台還提供基礎分析（站點、頁面、區塊、頁面效能與頁面錯誤分析）、漏斗轉化、留存分析、路徑會話、成長分析、人群分析與歸因分析，讓一次取數能延展成完整的分析閉環。

銜接點在於語意層本身：被清晰定義、可追溯的指標，既能支撐問數，也能支撐漏斗、留存與歸因等後續分析。資料資產因此從「一次性取數」升級為「可複用的分析底座」，無需重寫內容，即可守住長期信任。

五、選型與風險清單

選型時優先看三點：一是可解釋性，能否回放 SQL 與資料範圍；二是權限顆粒度，能否做到列級控制；三是語意層能否沉澱複用，避免每次都從零訓練。

主要風險是口徑漂移與黑箱問答：若 AI 直連原始表，不同人得到不同答案，信任會迅速崩塌。規避方式是強制語意層前置、關鍵查詢人工覆核、建立準確率看板。把這些風險寫進上線清單，AI 問數才能從演示走向日常決策。

常見問題

問：AI 問數會取代資料分析師嗎？
答：不會。它把分析師從重複取數中解放，轉向口徑治理、語意層設計與深度洞察，價值反而上升。

問：沒有語意層直接連資料庫行不行？
答：短期能演示，長期必然口徑漂移。語意層是準確率與可解釋性的前提，建議上線前先建設。

問：準確率不夠高怎麼辦？
答：用真實業務問題做校準，設人工覆核兜底，並把 bad case 回流到語意層，準確率會隨使用持續提升。

問：權限怎麼保證不越界？
答：問答必須帶列級權限，不同角色看到的資料邊界由帳號體系控制，且每次結果可回放核查。

問：通智睿見和普通 BI 有什麼差別？
答：BI 要人先想好維度再拖曳；通智睿見讓人用自然語言直接問，並把問數與基礎分析、漏斗、留存、人群及歸因分析放在同一平台，口徑統一且可回放。

問：接入週期一般多久？
答：高頻主題通常數週可上線：先接資料源與語意層，再校準轉譯與權限，最後接入評估看板持續迭代。