Article body
正文
自然语言正在成为企业使用数据的新入口。但真正可用的 AI 问数，不是把一句问题直接交给模型，而是让问题落在准备充分的数据、清晰的业务口径和正确的权限范围内。衡石 Data Agent 基于对话式交互，帮助用户完成业务数据分析、指标创建和仪表盘生成等工作。本文从能力边界、数据与指标准备、权限管理和落地步骤出发，说明企业如何把“问得自然”落到“答得可靠”。
1 为什么“问数”需要新的交互方式
传统分析往往从报表、筛选器或临时取数需求开始。对业务人员来说，理解数据集、字段和图表配置需要时间；对分析团队来说，大量重复问题也会挤占用于口径建设和深入分析的精力。
自然语言交互降低了提出问题的门槛：用户可以从“本周各区域销售额如何变化”“哪些门店的客单价下降明显”这类业务问题开始，再通过追问调整时间范围、维度或比较方式。它并不替代仪表盘和专业分析，而是提供一个更贴近日常表达的入口。
2 衡石 Data Agent 能做什么
在 HENGSHI SENSE 中，Data Agent 借助大模型能力提供对话式数据分析体验，可用于即时分析业务数据、创建指标、生成可视化或仪表盘等任务。具体可用范围取决于产品版本、AI 服务配置、数据准备情况以及用户已获得的权限。
2.1 从问题到分析结果
当用户提出分析问题时，Data Agent 会结合可访问的数据资产、字段、指标和相关说明理解意图，并生成相应的分析结果。对于“销售趋势”“区域对比”这类常见需求，用户可继续围绕时间、维度、筛选条件和呈现方式展开多轮交互。结果可以作为继续分析的起点，而不是一次性结论。
2.2 把复杂口径沉淀为可复用指标
复杂计算不应主要依赖对话中的临时表达。对复购率、毛利率、ROI 等重要口径，更稳妥的做法是在数据侧定义并验证可复用指标，补充计算范围、时间口径和业务说明。Data Agent 在问数时优先引用已验证指标，能够减少字段自由组合带来的理解偏差，也便于业务与数据团队对同一口径达成一致。
3 高质量问数，始于数据与知识准备
Data Agent 的回答质量与数据准备直接相关。数据集名称、字段类型、字段与指标描述、同义词以及分析规则越清晰，模型越容易理解企业内部的术语和业务语境。对不参与问答的字段，可根据实际需要进行隐藏或整理，减少干扰。
企业还可以在 Data Agent 的提示词和数据集知识管理中补充行业术语、业务规则和分析约束。例如明确“财年”的起止日期，或说明“GMV”是否包含退款、优惠和运费。对于问题量大、数据资产多的场景，可结合产品提供的数据向量化等能力提升相关信息的检索与召回；这些配置仍需要以业务验证为准。
实践建议：先从少量高频、口径稳定的问题开始验证。将业务术语、已验证指标和典型问法一起整理，再逐步扩展数据范围，比一开始覆盖所有数据资产更容易获得可靠结果。
4 权限管理是问数的前提
自然语言不会改变企业原有的数据访问边界。上线前，应先确认用户在连接、数据集、应用等层面的既有授权，并在真实身份下验证问数结果。衡石的连接权限和应用数据权限体系可用于配置不同角色的数据访问范围；行级、列级权限是否适用，取决于授权模式、部署配置和产品版本。
因此，权限设计应回到可验证的场景：谁可以访问哪些数据集、哪些字段对哪些角色可见、同一应用在不同用户下应呈现哪些数据。涉及敏感数据时，建议由业务、数据和安全相关人员共同完成授权规则、测试样例和上线验收。Data Agent 应在既有权限范围内使用数据，不能被视为绕过授权或替代企业权限管理的机制。
5 从试点到稳定使用的落地步骤
- 选择场景：优先选择指标口径较清晰、问数频率较高且结果可人工核验的业务场景。
- 准备数据：梳理数据集、时间字段、维度和指标，补齐描述与同义词；将复杂逻辑沉淀为已验证的指标。
- 配置边界：完成 AI 服务、Data Agent 相关配置及用户权限检查，明确可用于问答的数据范围。
- 设计测试问题：用真实业务问题验证常见问法、模糊表达和多轮追问，并与既有报表或人工计算交叉核对关键数字。
- 逐步推广：收集用户反馈，持续完善指标、数据集说明和提示配置；重要结论仍保留人工复核与发布流程。
如果需要将问数能力嵌入业务系统或协作环境，可根据部署版本选择产品支持的接入方式，例如原生入口、iframe、JS SDK、ChatBot 或部分企业协作工具集成。接入前应重点验证身份映射、权限继承、数据范围和交互体验，而非假设任意环境都可直接复用。
6 适用边界：让 AI 协助分析，而非替代判断
AI 的输出具有非确定性：相同问题不一定每次都得到完全相同的表达或结果。数据缺失、口径不清、权限不足或问题含义模糊时，回答也可能偏离预期。对于经营、财务、风控等重要场景，应以已验证指标和原始数据为依据，复核关键数字、筛选条件和分析结论。
Data Agent 的定位是帮助用户更高效地理解和使用数据，而不是自动修改业务系统、自动执行经营决策或替代专业人员的判断。企业应将其纳入既有的数据管理、指标管理和权限管理流程，通过小范围试点、持续优化和人工校验，逐步建立适合自身的使用方式。
7 结语
对话式分析的价值，不在于让 AI 替人做决定，而在于让更多业务人员能够以自然语言更快地接近可信的数据。衡石 Data Agent 将问数、分析、指标和可视化连接起来；而数据准备、指标口径、权限边界和结果核验，决定了这条链路能否长期稳定地服务业务。