点击返回主目录：【目录】FineChatBI1. 概述
问答BI 以自然语言对话的方式简化数据分析流程，使得用户能够以自然语言提问并获取数据洞察，本文以IT部门的视角，提供了一系列正式使用问答BI的最佳实践：
使用前调研：了解业务用户对问答AI的实际需求，以便准备合适的数据和制定推广/赋能内容
业务数据梳理：数据的规范对于 AI 理解用户提问的语义至关重要，需要保证数据规范
问答配置：通过配置同义词、推荐问题、近似问题等，提升问答相关性和准确性
用户培训：教授业务用户如何有效使用问答BI工具
问答优化：针对问答效果不好的点调整数据和系统配置，持续进行优化
2. 调研业务用户做准备
了解业务用户对问答AI的实际需求，以便准备合适的数据和制定推广/赋能内容。
可以参考下表设计调研问题：
| 类别 | 描述 |
|---|---|
| 目标 | 您在 FineBI 上最近半年经常访问的页面是哪些？ 这些页面一般提供了怎样的信息，与您的目标有何关联？ |
| 现状 | 您通常会关注哪些具体指标？您对这些指标的关注有何原因？ 它们在您的工作中扮演了怎样的角色？ |
| 选择 | 对于未来可能嵌入的 AI 问答功能，您期望它提供哪些服务和帮助？ 您认为它能够怎样提高您的工作效率和成果？ |
| 意愿 | 如果意愿按照1到10分打分 这些问题你给几分？ （低于5分的重点标注一下和讨论） |
了解到用户的实际需求后，就可以为业务人员准备问答BI需要使用的数据了。
3. 准备问答数据
新建分析主题，IT用户 将业务数据表添加到主题中，如下图所示：
数据的规范对于 AI 理解用户提问的语义至关重要，接下来，将详细介绍数据表规范。IT 人员可以使用 FineBI 中的数据编辑功能对数据进行处理。
3.1 表结构规范
3.1.1 避免数据冗余
需要避免数据表中有业务数据冗余。多表分析时，比起使用 左右合并 制作宽表，更推荐直接使用 主题模型 建立模型关系。
比如，「销售额表」与「销售目标表」通过左右合并后获得的宽表如下图所示，当用户问“销售总目标是多少”时：
问答 BI 回复销售总目标：1600
实际销售总目标：1100
解决方案：将「销售额表」与「销售目标表」拆分在两张表中，使用 主题模型 建立多表之间的模型关系可避免出现数据冗余。
3.1.2 调整正确的字段类型
添加到 FineBI 中的字段类型系统会自动进行判断，IT 人员需检查字段是否都调整成了正确的字段类型。例如：
销售额字段若为文本类型，则无法顺利进行相加统计
销售日期若为文本类型，则不能顺利计算同比环比
3.2 表头表值规范
3.2.1 表头应避免语义交叉
在同一个数据表或同一个模型，应避免表头之间的语义重叠或混淆。例如：
有一个员工信息表格，原始表头可能包含“员工职位”和“员工级别”。用户询问“高级职位的员工有哪些”时，由于者两个表头语义混淆，系统就无法准确召回对应的表头。为了避免这种情况，可以将表头重新命名为“职位名称”和“职位等级”，这样就能清晰的区分员工等级高低。
3.2.2 表头表值应规整精炼
1）若表头或表值需要参与到用户的提问，则长度应该尽量短和简洁明了（少于10个字），有助于提高系统的试别能力。
2）并且表值内容需要规整，例如：
对于「支付方式」表头，可能列出“银行转账（工商银行等）”、“信用卡在线支付”、“移动支付（如支付宝）”，这种表述方式包含了不必要的细节。可以统一为“转账”、“信用卡”、“移动支付”，以提高筛选和报告生成的效率。
对于「省份」表头，可能列出“广东省(粤)”、“江苏省(苏)”、“辽宁省(辽)”，这种表述方式混合了省份的全称和简称，可能导致检索时混肴。统一格式，仅显示标准名称：“广东省”、“江苏省”、“辽宁省”，帮助系统准确识别信息。
3.3 新增计算字段
若缺失用户需要使用的分析字段，而缺失的字段可以通过已有字段计算获得：
在编辑数据中添加字段补充
在组件中添加计算字段补充
4. 智能问答配置
IT人员可以提前为业务人员配置同义词、推荐问题、近似问题等，可以优化业务用户的提问体验。
注：IT 人员需要有智能问答配置的使用权限
4.1 设置同义词
添加分析主题，可以对主题中的数据表进行「表别名配置」和「近义词配置」。当用户的查询包含这些同义词时，系统能够智能地将查询请求映射到正确的数据表头。如下图所示：
4.2 推荐问题配置
对业务业务调研，确定哪些问题是业务用户经常询问的。基于常见查询和业务需求，可以在「推荐问题配置」中创建推荐问题列表。如下图所示：
5. 业务人员培训
将准备好的问答数据，通过「主题协作」的编辑权限分享给业务用户，接下来用户就可以对你准备的数据进行提问了。
5.1 如何使用问答 BI
参考 FineChatBI 使用说明 对用户进行培训。
5.2 如何进行提问
| 场景 | 二级分类 | 用户问法示例 |
|---|---|---|
| 基本数据查询 | 指标查询 |
支持求和、最大值、最小值、平均值、方差、标准差、标准差、环比、同比、占比 |
| 指标复杂计算查询 |
| |
| 过滤查询 | 普通过滤：
过滤+计数：
过滤+占比：
明细过滤：
指标的过滤条件：大于、小于、大于等于、小于等于、前X、后X 维度的过滤条件：为空、不为空、开头是、开头不是、结尾是、结尾不是、包含、不包含 | |
| 可视化询问 | 可视化方式查询 |
|
| 做对比 | 不同指标对比 |
|
| 同比、环比查询 |
| |
| 枚举值对比 |
| |
| 看趋势变化 | 指标趋势 |
|
| 维度枚举值趋势 |
| |
| 时间趋势 |
| |
| 问排名 | top问法 |
|
| 排名问法 |
| |
| 排行榜问法 |
| |
| 抓典型 | 时间问法 |
|
| 预测问法 |
| |
| 头尾问法 |
| |
| 做计算 | 四则运算 |
|
| 多轮问答 | 时间切换 |
|
| 排序 |
| |
| limit |
| |
| 递进的高级计算 |
| |
| 替换维度 |
| |
| 替换枚举值 |
| |
| 递进查询 |
| |
| 可视化切换 |
| |
| 增加指标 |
| |
| 归因分析 | 时间点归因 |
|
| 时间区间归因 |
| |
| 非时间归因 |
|
5.3 项目计划表（参考）
1阶段：环境准备+调研 | 2阶段：数据准备 | 3阶段：试用+调整 | 4阶段：上线宣传 | |
|---|---|---|---|---|
| 运维管理人员 | 完成 FineChatBI 部署 | 保证业务数据接入FineBI，提供可测试的环境 | 为首批用户开放使用权限；提供客服资源与响应支持业务用户测试 | 提供客服资源响应 |
| IT人员 |
|
| 开放首批业务用户进行测试，同步收集用户反馈； 根据反馈进行问答优化 | 对业务人员进行宣传与赋能：
|
| 业务分析师 | 参与用户调研，提供分析场景与需求 | - | 参与测试，并提供使用反馈 | 使用问答BI解决业务问题，进行长期反馈 |
6. 问答优化
为确保问答 BI 工具能持续提供高质量的服务，IT 人员需积极监控并优化系统。若问答效果不好，可提供一下两个关键措施优化：
数据表优化：检查数据表是否符合规范并优化，规范的数据表更有利于AI理解，从而提升问答效果。操作步骤参考本文第 3 节。
调整问答配置：调整问答配置中的同义词、推荐问题、近似问题的配置，提升问答相关性和准确性。
