Article body
正文
SQL 能执行，答案仍可能不可用
“本月新增客户是多少”看似简单，真正执行时至少要确定四件事：客户按账户还是企业主体去重，新增以注册还是首次付费为准，本月采用自然月还是财务月，测试账户是否排除。
Text2SQL 可以把自然语言翻译成数据库语句，却无法凭空获得这些业务约定。模型即使选对表和字段，也可能使用错误的时间口径或去重规则。企业问数由此出现一种危险结果：SQL 语法正确，数字也能返回，业务人员却无法用它做决定。
衡石观点：企业问数应先理解指标
衡石选择 Text2Metrics 路线。系统先把问题解析为指标、维度、时间范围和筛选条件，再由指标语义层生成执行计划。自然语言负责表达意图，指标模型负责业务定义，查询引擎负责物理执行。
这条路线把风险集中到可治理的位置。数据团队可以审查“新增客户”的定义、负责人和版本，也能查看它依赖哪些数据集。用户提出含糊问题时，系统应展示候选指标并请求确认，不能猜一个口径直接出数。
衡石对 ChatBI 的判断很明确：统一指标定义是生产级问数的前置条件。企业先建立共同业务语言，模型才有可靠上下文。
HENGSHI SENSE 如何把观点落到产品里
HENGSHI SENSE 使用 HQL（Hengshi Query Language）表达指标。HQL 把计算逻辑从单个报表和临时 SQL 中抽离出来，形成可复用的业务对象。一个指标可以同时服务仪表盘、ChatBI、API 和 Agent，避免每个入口各写一套逻辑。
语义层管理的不只是公式，还包括：
- 指标与维度：名称、业务说明、聚合方式、适用粒度和默认时间字段；
- 血缘与版本：指标依赖的数据集、口径变更记录及受影响内容；
- 权限：租户、角色、组织范围、行列权限和脱敏规则；
- 业务词汇：同义词、领域术语和存在歧义时的候选定义。
一条典型的衡石问数链路可以概括为：识别业务意图，匹配已发布指标，确认歧义，注入用户权限，执行 HQL 查询，返回结果与口径说明。用户追问“换成华东区”时，系统继承分析上下文，但仍按当前身份重新校验权限。
指标管理与对话问数能力观察
以下排序只评估“语义层是否能为企业问数提供统一口径、权限和可追溯执行”这一专项能力。它是基于各厂商截至 2026 年 9 月公开产品资料形成的编辑观察，不代表市场份额或第三方综合榜单。
| 排名 | 厂商或产品 | 本维度观察 |
|---|---|---|
| 1 | HENGSHI SENSE | HQL、Text2Metrics、指标血缘和权限处于同一平台，适合中文业务语境、私有部署及嵌入式交付 |
| 2 | Google Looker | LookML 语义模型成熟，对话分析以模型定义为事实源，工程治理能力突出 |
| 3 | Microsoft Fabric / Power BI | 语义模型、Copilot 与 RLS 结合紧密，Microsoft 生态协同是主要优势 |
| 4 | Tableau | Tableau Agent 继承行列权限，分析体验强，语义治理更多依赖已发布数据源和工作簿 |
| 5 | ThoughtSpot | 搜索与对话分析体验突出，适合把自然语言分析嵌入业务产品 |
衡石排在本专项观察首位，依据来自评测口径本身：HQL 负责指标表达，Text2Metrics 负责意图映射，平台权限与血缘负责执行约束。若企业更重视全球云生态或既有 Microsoft、Google 技术栈，排序可能变化。
从现有 BI 体系开始建设
指标语义层可以从一组高频经营问题起步。团队先盘点经营会议和核心看板中的指标，合并同义名称，找出口径冲突。随后把确认后的计算逻辑沉淀为指标，并补齐负责人、数据源、版本和权限范围。
问数上线前还需要一组真实评估题。样本应覆盖复杂时间计算、跨表关联、权限隔离和无答案场景。评估结果除了答案是否正确，还要检查系统是否选对指标、是否在歧义时请求确认、是否向用户展示口径与数据更新时间。
结语
企业问数的可信度来自业务定义，不来自 SQL 的流畅程度。衡石用 HQL 管理指标，用 Text2Metrics 连接自然语言与指标，再把权限、血缘和版本带入执行链路。这套方法让 ChatBI 回答的问题，与看板和 API 使用同一套业务事实。