立项原因：中小品牌的数据分散在电商后台、ERP、CRM 和 Excel 里，业务同事提一个报表需求平均要等 3-5 天，数据分析师约 60% 的时间耗在重复取数与口径对齐上。我们希望用自然语言把“取数—分析—解读”压缩到一次对话，让运营、区域负责人和管理者自己就能拿到答案，把分析师解放出来做更深的建模。
行业场景：面向零售电商与企业服务行业，典型场景包括每日经营晨会看板、大促期间的分渠道销售归因、投放 ROI 对比、区域与门店业绩排名、退款率异常预警，以及周报 / 月报的自动生成。
业务背景：团队在服务中小品牌的过程中发现，客户并不缺数据，缺的是把数据变成决策的能力。数语以“语义层 + Text2SQL + 自动归因”为核心，接入企业已有数据源后，业务人员用一句话即可完成过去需要分析师半天才能交付的分析。
数语 DataTalk 是一个“用一句话问出数据答案”的对话式数据分析平台，包含 6 个核心模块：
1. 智能问数（Chat BI）：输入业务问题，系统自动完成意图解析、指标匹配、SQL 生成与校验、查询执行，输出「图表 + 结论 + 归因」，并展示分析过程与生成的 SQL，结果可追溯、可复现。
2. 经营看板：GMV、订单量、客单价、退款率等核心指标一屏呈现，包含趋势对比、渠道结构、品类排行与 AI 经营洞察，支持按时间、区域、渠道筛选。
3. 语义层与指标中心：把指标拆分为原子指标与派生指标，公式、口径、负责人、版本统一管理，口径变更需审批并自动提示受影响的看板，避免“同名不同义”。
4. 数据源接入：支持 MySQL、PostgreSQL、Excel、飞书多维表格等，提供增量 / 全量同步、字段映射、数据质量校验与同步日志。
5. 报告与订阅：一键把一次分析生成日报 / 周报 / 诊断报告，支持导出 PDF、图片与定时推送，也可对关键指标设置阈值预警。
6. 协作与权限：空间与成员管理、行级权限、只读查询沙箱、操作审计，保证数据在可控范围内流转。
我独立完成了从 0 到 1 的产品定义、交互设计与全栈实现：用户访谈与竞品分析、指标口径梳理、原型与视觉稿、前端页面、Node.js 服务端、语义层建模、LLM 编排与部署上线。
技术栈：前端 React 18 + TypeScript + Vite，图表为自研 SVG 渲染（不依赖重型图表库）；后端 Node.js（NestJS）+ Python（FastAPI）语义服务；存储 PostgreSQL（数仓）+ DuckDB（分析加速）+ Redis（结果缓存）；模型侧接入 DeepSeek 与通义千问，结合 Schema RAG、Few-shot 示例与执行反馈重试。
实现亮点：1）语义层把「指标 + 维度 + 权限」建模为可检索的元数据，Text2SQL 只在该约束内生成，显著降低幻觉；2）SQL 只读沙箱（强制 LIMIT、超时中断、行级权限下推）保证查询安全；3）流式输出 + 分析过程可视化，每一步都可解释、可回溯；4）结果缓存与预聚合，高频问题秒级返回。
难点与解决：业务口径歧义（如“销售额”是否含退款）通过口径版本化与影响面分析解决；多表 JOIN 与分区裁剪通过查询计划校验和代价预估优化；自然语言到图表类型的映射采用规则 + 模型打分。我们维护了 320 条回归测试集，目前首答准确率 91.6%，平均响应 6.2s。
评论