01
降低门槛
自然语言交互，无需技术背景。
降低数据分析门槛的
智能交互工具
普元 AI 问数定位为面向企业内部数据分析场景的智能交互产品，让业务、管理与技术角色都能以自然语言获取数据洞察。
产品目标
- 让业务人员以自然语言发起分析需求
- 缩短从提出问题到获得结果的周期
- 统一编排指标、分析数据资产、知识库与分析规则
- 实现从"查询结果"到"解释结果、归因结果、形成报告"的闭环分析
- 在保障数据安全、权限隔离和可解释性的前提下提升数据使用效率
02
提升效率
从需求到结果，周期从"天"缩短到"秒"。
03
赋能业务
业务人员自主完成指标查询、归因与报告生成。
04
加速开发
自动生成 SQL / DSL，减少人工编码。
05
安全合规
行级 / 列级权限、数据脱敏与审计日志。
企业数据分析，
常常卡在"最后一公里"
企业在数据分析过程中普遍面临协同断层、响应慢、数据基础薄弱与工具门槛高等问题，导致数据价值难以真正释放。
01
业务与技术协同断层
业务人员不懂技术，技术人员不懂业务，需求传递容易失真。
02
数据分析效率低
需求交付周期长，突发分析任务难以快速响应。
03
数据基础差
数据孤岛、质量不稳定、指标口径不统一，影响分析结果可信度。
04
工具与管理不足
传统 BI 门槛高，低代码工具落地效果有限，安全与合规风险仍突出。
覆盖从临时查询到深度分析
再到知识沉淀的完整闭环
普元 AI 问数面向企业数据分析全链路，构建六大核心场景。
快速获取指标数据，支持深度分析。
自动生成完整分析报告。
在逻辑不明确时进行结构化探索。
自然语言生成 SQL，加速取数。
复用已有结果资产，避免重复开发。
沉淀与复用分析经验。
五大核心业务场景，
面向企业数据分析全链路
指标问数
围绕企业已有指标资产，快速回答业务问题。
支持单/多指标查询、趋势对比、维度切换、下钻分析、归因分析、指标预测，并可基于指标自动生成分析报告。
典型能力
- 单指标 / 多指标查询
- 趋势、对比、排行、筛选
- 维度切换与维度分析
- 下钻分析
- 归因分析
- 指标预测
- 报告生成
典型路径
提出问题 → 召回候选指标 → 选择指标 → 生成查询表达式 → 返回结果与分析建议 → 深度分析
报告生成
从问题到结论，自动生成结构化分析报告。
系统围绕问题生成业务分析方案，自动拆解步骤并执行查询与计算，最终产出包含关键发现、结论建议和分析过程的完整报告。
典型能力
- 多指标融合分析
- 基于知识库理解业务目标
- 分析步骤自动编排
- 过程结果汇总与报告生成
- 支持 Markdown、HTML、PDF 输出
探索式分析
适合"目标明确、逻辑未明"的复杂分析任务。
系统先结构化定义问题，再自动生成分析方案，由用户确认与调整后执行，并基于结果持续迭代优化。
典型能力
- 问题结构化定义
- 分析方案自动生成
- 用户可修改分析规则、指标口径与过滤条件
- 数据资产匹配
- 结果解释与迭代优化
数据表问数
基于自然语言快速生成查询语句，加速取数。
适用于对事实表或数据表字段有一定认知的场景，可自动生成 SQL、执行查询、解读结果，并支持将规则固化为结果集或指标配置。
典型能力
- 自动生成查询语句
- 明细结果生成
- 查询结果自动解读
- 批量推荐候选指标
- 规则沉淀为结果集或指标配置
结果集问数
复用沉淀结果资产，减少重复开发。
用户可通过自然语言检索结果数据资产，并对结果进行筛选、排序、统计和结论生成。
典型能力
- 自然语言检索结果集
- 统计、筛选、排序、对比
- 自动生成结果说明与结论
把一次分析经验，
沉淀为可复用的组织能力
Skill 能力是对各类分析场景的经验沉淀与复用机制，支持将分析方案、指标组合与分析步骤固化为可复用的 Skill，供个人或团队共享。
Skill 版本管理
清晰的版本演进、回滚与差异对比。
Skill 集市
个人 Skill 与公共 Skill 双层体系。
审核发布流程
提交、审核、发布、下线的完整治理。
个人 Skill 创建
支持创建、编辑、提交审核全流程。
团队共享
跨成员 / 跨部门检索复用，沉淀组织资产。
权限继承
Skill 复用自动继承底层数据权限。
让数据可用，
更让数据可控
权限控制策略
- 步骤锁定机制：关键步骤确认后方可执行
- 指标权限控制：仅访问授权范围内指标
- 数据源权限区分：个人 / 部门数据源分级管理
数据授权体系
- 原始数据集授权
- 结果数据集授权（个人）
- 结果数据集授权（部门）
- Skill 复用继承原数据集权限
- 查询执行支持行级 / 列级过滤
通过权限隔离、授权继承与步骤控制，保障企业在智能问数场景下的数据安全与合规使用。
融合分析为中枢、
双引擎为核心的功能架构
产品采用四层分层设计，以"融合分析为中枢、双引擎为核心、多能力为支撑、数据基座为底座"，构建完整的智能问数体系。
上层业务场景层
面向用户提供指标分析、图表展示、归因分析、SQL 开发、指标配置等核心场景。
核心引擎层
以融合分析为调度中枢，通过意图路由、步骤编排与结果融合，将请求分发至 Chat2API 与 Chat2SQL 双引擎并行处理。
能力支撑层
提供数据能力、权限能力与 AI 能力，为上层引擎提供基础保障。
数据基座层
依托数据集成、数据分析与大模型基座，提供稳定的数据与模型底座。
分层解耦、敏捷适配的
产品技术架构
整体划分为五大层级，构建集自然语言处理、智能数据分析与大模型应用于一体的技术体系。
用户交互层
基于 Vue.js、TypeScript、ECharts、PM-UI，提供轻量化高交互前端体验。
AI Agent 层
集成 NL2SQL、NL2DSL 引擎，并依托 RAG 技术实现业务意图向数据指令的精准映射。
数据分析层
提供查询引擎、BI 可视化、计算引擎、动态脚本与权限引擎，统一数据计算与展示逻辑。
AI 能力层
整合智能开发平台、知识库、大模型服务、Workflow、多模态解析与向量存储等能力。
数据接入 / 平台层
依托 Hadoop、StarRocks、对象存储、关系数据库与缓存系统，构建稳定高质量数据底座。
统一技术体系
从前端交互 → 智能体推理 → 分析引擎 → AI 中台 → 数据底座，五层解耦协同。
经过验证的
产品质量与性能表现
覆盖会话管理、指标功能、数据集功能、智能对话等核心模块，共 41 个测试用例。综合得分 86.25（良好）。
质量评分
-
功能完整性95
-
性能表现88
-
模型可靠性92
-
数据偏见控制70
-
决策可解释性65
-
内容合规性95
综合得分
86.25
良好
关键性能指标
简单查询
1.2秒
目标 ≤ 3 秒
复杂查询
6.5秒
目标 ≤ 10 秒
数据解析生成
8秒
目标 ≤ 15 秒
数据预测计算
12秒
目标 ≤ 20 秒
50 用户并发
97%
成功率 ≥ 95%
面向生产环境的
部署与安全设计
部署架构
平台采用分层解耦、多域分布式部署架构，整体分为五层：
- 用户接入层
- 负载均衡层
- 业务服务层
- 数据缓存与存储层
- 基础环境层
支持开发、测试、生产多环境隔离部署。建议生产环境采用双节点高可用部署，核心服务对称部署，大语言模型与向量服务独立部署。
安全设计
- 统一接入认证，支持 OAuth、LDAP、SAML
- 接入层、应用层、数据层分区部署
- HTTPS / TLS 传输加密
- 敏感字段脱敏或加密存储
- 密钥加密保存
- 堡垒机统一管控
- 访问、应用、模型调用、安全审计日志全链路记录
- 白名单、签名校验与网关鉴权
高可用与容灾
应用双节点
核心服务双节点对称部署，故障即时切换。
数据库主从 / 集群
核心数据多副本存储，保障数据可用性。
Redis 持久化
支持哨兵 / 集群模式，缓存层高可用。
模型降级策略
模型不可用时自动降级，保障关键业务连续。
把数据能力，
从少数人手里交还给每一位业务人员
对话式分析
用户无需掌握 SQL 或 BI 工具操作技能，通过自然语言即可完成数据查询与分析。
开发效率加速器
自动完成 SQL 生成、指标定义、报表开发等数据工程工作，大幅提升开发效率。
分析思路导航仪
不仅返回数据结果，还提供分析方向建议、异常识别、趋势解读与决策建议。
层层递进的探索
支持下钻、归因、预测与报告生成，从"是什么"走向"为什么"和"怎么办"。
客户收益
- 降本减少对专业数据团队的依赖
- 增效从需求到结果，周期从天缩短到秒
- 精准深度分析与归因支撑更准确决策
- 普惠让每位员工都能使用数据能力
- 沉淀把个人经验转化为组织知识资产
