用察言观数AskTable 搭建对话式数据助手并生成分析看板

察言观数（AskTable）是一个面向企业的 AI 原生数据交互平台，核心用途是把结构化数据变成可以用日常语言对话的对象。使用者不需要写 SQL，只要用中文口语提问，例如「上季度华东区复购率下降最多的三个产品是什么」，系统会解析语义、生成查询、执行计算，再以统计摘要、表格、趋势图或榜单的形式返回结果。它适合三类人：手里有 Excel 台账但不会写查询的业务人员、需要快速给管理层出结论的分析师，以及希望把数据问答能力嵌进企业微信、飞书、钉钉或自有应用的团队。如果你只是想先看看这类工具能做什么，可以从 察言观数AskTable 的工具页了解概况，再按下面的步骤动手搭一个自己的数据助手。

需要先说明一点：本文讲的是搭建流程与配置思路，涉及具体价格、配额、表数量上限、模型版本等易变信息时，请以官网当前公布的信息为准，不要以本文描述为最终依据。

准备工作

在开始之前，把下面几件事准备好，后面的步骤会顺畅很多。

• 账号：在官网注册并进入控制台。注册后你会得到一个工作空间，数据源、知识库、数据助手都挂在这个空间下。
• 可访问的数据源：平台支持 MySQL、Oracle、PostgreSQL、Excel 等二十多种数据源类型。数据库类数据源需要提前准备好连接地址、端口、库名、账号与密码，并确认该账号对目标表有查询权限；Excel 类数据源则准备好文件本身。
• 业务知识材料：字段说明、指标口径定义、行业术语表、部门数据可见范围。这部分材料越完整，后续问答的准确率越高，建议在配置前就整理成文档。
• 部署方式的选择：平台提供 SaaS 公有云、本地单机版（轻量试用）、私有化集群三种模式。个人或小团队验证用 SaaS 或单机版即可；对数据出域有要求、需要等保合规交付的场景，需要走私有化集群，并提前与客户成功团队沟通。
• 权限规划：平台支持 RBAC 细粒度权限管控与敏感字段脱敏策略。建议在接入数据源之前就想清楚哪些角色能看哪些表、哪些字段需要脱敏，避免先开放再回收。

操作步骤

第一步：添加数据源并解析元数据

进入控制台后，第一件事是添加数据源。选择对应的数据源类型，填写连接信息，保存后系统会自动解析元数据，也就是把库里的表、字段、类型读出来，并允许你为字段标注业务含义。

这一步的关键不是「连上」，而是「标注」。自动解析出来的字段名往往是 order_amt、pay_dt 这类技术命名，业务人员提问时说的是「订单金额」「支付日期」。在元数据里把字段的业务名称、单位、取值范围补上，等于提前替 AI 做了一次翻译。

如果数据源是 Excel，上传后同样会走元数据解析流程。建议在 Excel 里保持表头单行、避免合并单元格、避免在数据区插入小计行，否则解析出来的字段会错位。

第二步：注入组织知识

数据源连好之后，进入业务知识库配置。这一层决定了 AI 能不能听懂你们公司自己的说法。需要配置的内容包括三类：

• 字段说明：每个字段的业务含义、单位、计算方式。例如「复购率」在本公司是按订单口径还是按用户口径计算。
• 指标口径：关键指标的逻辑定义。同一个「获客成本」，市场部和财务部可能算法不同，必须写清楚以哪个为准。
• 术语表：行业术语、内部简称、部门代号与数据字段之间的映射关系。

同时在这一步设定部门数据可见范围。权限配置与知识配置放在一起做，可以避免出现「知识库告诉 AI 有这张表，但用户没有权限查」的尴尬情况。

第三步：创建专属 AI 数据助手

知识配置完成后，创建一个数据助手。创建时通常需要指定这个助手面向哪些数据源、使用哪套知识库、服务哪些用户群体。建议按场景拆分，而不是做一个「什么都能问」的万能助手：

• 销售场景助手：绑定销售台账与渠道数据，知识库只放销售相关术语。
• 人力场景助手：绑定薪酬与人员数据，配合更严格的字段脱敏策略。
• 供应链场景助手：绑定库存与履约数据，用于库存预警类提问。

拆分的理由是上下文更聚焦，语义对齐更准，权限边界也更清晰。平台本身支持为技术团队低代码构建垂直场景的数据智能体，这类按场景拆分的助手就是最典型的用法。

第四步：用自然语言提问并验证结果

助手创建好后就可以开始对话。提问时尽量把时间范围、对象范围、比较维度说清楚。下面几类问法可以直接参考：

• 对比类：「对比 2024 年 Q1 与 Q2 各渠道获客成本变化」。
• 排名类：「上季度华东区复购率下降最多的三个产品是什么」。
• 趋势类：「近 12 个月每月新增客户数走势」。
• 异常类：「哪些门店本周销售额偏离过去四周均值超过两成」。

同一个问题可以同步得到多种结果形态：统计摘要、趋势折线图、TOP 榜单、异常标注。平台具备多轮上下文理解能力，所以可以接着上一轮结果继续追问，例如先问整体趋势，再问「其中哪个渠道贡献最大」。

验证环节很重要。第一次使用某个助手时，建议挑几个你已知答案的问题去问，确认口径与数字对得上，再交给业务同事使用。如果结果不对，优先回头检查第二步的指标口径与字段说明，而不是反复改提问方式。

第五步：导出结果与嵌入工作流

分析结果可以直接一键导出为 PPT 或 Excel，也可以生成周报 PDF。如果团队日常在协作工具里工作，可以把数据助手嵌入企业微信、飞书或钉钉，在消息内直接唤起提问；也可以嵌入 BI 看板、OA 审批流，或接入 Dify 应用生态。分析结果还能一键嵌入飞书多维表格，或推送到指定群组。

嵌入的价值在于缩短路径：业务人员不需要切换到另一个系统，在平时工作的界面里就能问数、看数。

一个完整示例

下面用一个销售分析场景，把上面的步骤串一遍。假设你手上有一份销售明细表，需要回答「各渠道获客成本的变化」这类问题。

场景目标：让销售负责人能自己用中文提问，看到渠道获客成本对比与趋势，并导出成周报。

步骤一，准备数据。销售明细表至少包含这些列：订单日期、渠道名称、客户标识、订单金额、投放费用。表头保持单行，数据区不要有合并单元格与小计行。

步骤二，接入数据源。在控制台添加数据源，选择 Excel 类型并上传文件，等待系统解析出字段列表。

步骤三，标注字段。为每个字段补上业务名称与单位，例如把 channel 标注为「渠道名称」，把 cost 标注为「投放费用（元）」。

步骤四，定义指标。在知识库里写清楚「获客成本 = 投放费用 / 新增客户数」，并说明「新增客户」按客户标识首次下单计算。这一步决定了后续所有提问的口径一致性。

步骤五，创建助手。新建一个销售场景助手，绑定这份数据源与刚配置的知识库，可见范围设为销售部门。

步骤六，提问验证。先问一个已知答案的问题，例如「2024 年 6 月各渠道投放费用合计是多少」，与手工核算结果比对。确认无误后，再问「对比 2024 年 Q1 与 Q2 各渠道获客成本变化」。

步骤七，取用结果。系统会返回带归因分析的交互式看板，包含摘要、趋势图与渠道排名。确认口径后导出为 PPT 用于周会，或生成周报 PDF 推送至群组。

步骤八，嵌入日常入口。把助手接入飞书或企业微信，销售负责人在群里就能直接提问，不必再登录控制台。

整个流程里最花时间的不是点击操作，而是第三步和第四步的知识整理。数据接入是分钟级的事，口径对齐往往需要和业务方来回确认几轮。

注意事项

关于计费与版本。平台提供单机体验版、SaaS 标准版、企业定制版等不同档位，各档位在账号数、表数量、算力计费方式、协作功能、私有化部署与 API 调用能力上存在差异。这些内容会调整，具体价格、包含的账号数与表数量、算力计费单价，一律以官网当前信息为准。选型时建议先用体验档位跑通一个真实场景，再决定升级到哪一档。

关于部署模式。SaaS 公有云适合快速验证；本地单机版定位是轻量试用；私有化集群面向有合规交付要求的组织。如果数据不能出内网，不要用公有云版本做验证，直接走私有化路线，否则验证完还要重来一遍。

关于权限与脱敏。RBAC 权限与敏感字段脱敏需要在接入阶段就配置好。常见坑是先给所有人开放全部表，等出问题再收紧，此时已经产生了查询记录。薪酬、客户手机号、合同金额这类字段，建议默认脱敏，按角色单独放开。

关于问答准确率。平台通过业务知识库持续优化对组织语境的理解，但这不意味着可以跳过知识配置。字段别名、指标口径、术语表缺失时，AI 只能按字面猜测，结果偏差会很明显。准确率是配置出来的，不是模型自带的。

关于数据源解析。Excel 类数据源对表结构比较敏感，合并单元格、多行表头、数据区小计行都会导致字段错位。数据库类数据源则要注意连接账号的权限范围，只给需要查询的库表授权，不要用高权限账号直连。

关于定位。这类工具放大的是业务人员自己查数、看数的能力，它不替代数据工程师做数据建模与治理。底层表结构混乱、口径没有统一定义时，先把数据基础理顺，再上对话式分析，效果会好得多。