业务域管理
按业务场景划分可查询的数据范围。
核心要点
- 先统一业务域、指标口径与时间规则。
- 自然语言查数据，返回图表和口径说明。
- 版本验证、问题纠偏与可信结果复用。
业务域与指标口径配置
语义配置
统一维护指标、字段含义和业务术语，明确数据范围、业务含义和计算口径。
时间规则
统一「上周」「本季度」「同比」等常用日期与周期表达。
问题模板
沉淀常见问法及参数规则。
结合时间规则与问题模板，发布面向业务的问数能力。
自然语言查询流程
自然语言提问
例如：上周各产线的停机时长。
识别业务域、指标与维度
按语义配置理解问题。
生成数据查询
应用时间规则和问题模板。
返回数据与图表
附口径说明，可按维度追问。
纠偏与复用
失败案例修正，确认结果复用。
版本、纠偏与结果复用
版本管理
语义配置验证后再切换上线。
问题纠偏
沉淀失败案例（Badcase）并持续修正。
可信结果
对已确认的结果设置复用规则。
运营分析
持续观察使用情况和问数效果。
设备运营与发运分析
设备运营分析助理
场景问题
- OEE、停机、能源等指标分散在多套系统，查一次要切换多个界面
- 指标波动后，要按设备、产线、班次逐层人工拆解
- 分析停在临时表格里，口径因人而异
做法
- 自然语言提问，AI 识别指标与维度，直查点位数据并返回图表
- 结论附口径说明，可按维度追因，一键导出、加看板、生成报告
- AI 负责查询与解释，业务确认口径与原因，不直接控制生产设备
装箱发运问数
场景问题
- 装箱发运的基础数据分散，查询效率低
- 统计分析要整合多维度数据，人工汇总耗时且易错
- 结果多为纯文字或表格，难以直观发现规律
做法
- NL2SQL：自然语言转 SQL
- 数据图表组件呈现结果
- 增强对数据结构的理解
智能问数常见问题
智能问数和 NL2SQL 是什么关系？
NL2SQL（自然语言转 SQL）是智能问数的技术环节之一。AgentCore 在生成查询之前，先通过业务域、语义配置、时间规则和问题模板理解问题和指标口径，生成查询后返回数据、图表和口径说明。
不同部门对同一个指标理解不同怎么办？
在语义配置中统一维护指标、字段含义和业务术语，明确计算口径；语义配置验证后才切换上线，所有人按同一口径查询。
问数结果不对怎么处理？
失败案例沉淀为 Badcase 持续修正；对已确认正确的结果可以设置复用规则；运营分析用来观察整体使用情况和问数效果。
员工能查到所有数据吗？
不能。数据访问受角色、数据密级和行级权限控制，密级规则可以落到库、表和字段，并可按用户身份预览实际可见的数据范围。