一定程度上规范的业务数据，可以提高 FineChatBI 的识别精度，获得更加准确的分析结果，所以在准备时就需要保证业务数据的规范性。

本文将介绍如何将业务数据导入到 FineBI 并作为 FineChatBI 的提问数据，以及业务数据的规范有哪些注意点。

2.1 将数据库数据添加到 FineBI 

1）连接 FineBI 与数据库，详细可参见：数据连接支持范围

2）点击「公共数据」，将数据库中的数据添加到 FineBI ，如下图所示：

2.2 创建分析主题

1）因为最终 FineChatBI 是对分析主题进行提问，新建分析主题，将业务数据表添加到主题中。

2）若是需要对多张数据表进行多表分析，多表提问，那么构建主题模型（详情请参见：主题模型简介即构建方法）。如下图所示：

3）补充用户需要使用的分析字段，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

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。