用百度GBI对Excel数据做自然语言问答分析

百度GBI（Generative Business Intelligence）是一款生成式商业智能产品，把数据集成与智能分析放在同一个界面里：左侧上传待分析的数据文件，右侧用自然语言向大模型提问，系统自动把问题翻译成对数据的查询并返回结果。它面向的主要是业务人员——不需要写 SQL、不需要搭报表，只要能把自己的问题说清楚，就能对任意一张表提问。对于习惯用 Excel 做统计、但每次都要手工筛选求和的人来说，这类工具的价值在于把「十几天才能完成的数据分析」压缩到分钟级。如果你手头正好有一张结构规整的表，想先试试自然语言查询的效果，可以从百度GBI 入手，按下面的流程走一遍。

需要先说明一点：GBI 并不是万能的。它能稳定处理的是「从表里查数、按条件筛选、做聚合统计」这类问题；一旦问题里混进了表外知识（比如「这个地点附近有什么大学」），它就需要借助通用大模型的能力，而这一步在实测中并不总是成功。本文会把能跑通的部分和跑不通的部分都讲清楚，方便你判断它适不适合自己的场景。

准备工作

账号与入口

使用 GBI 需要一个可登录的百度智能云账号，登录后进入 GBI 的操作界面。界面布局很简洁：左侧是数据文件上传区，右侧是与大语言模型对话的问答区。所有操作都在这一个页面里完成，不需要额外安装客户端或配置开发环境。

数据文件的硬性要求

这是整个流程里最容易踩坑的一环。上传前请逐条核对，任何一条不满足都可能导致上传失败或解析结果不符合预期：

文件格式：支持 .xls、.xlsx、.csv 三种。
单次上传数量：一次只能上传 1 个文件。
多次上传的行为：如果先后上传了多个文件，系统默认使用最后上传的那个，前面的不会保留为可切换的数据源。
列数上限：单个文件内容不超过 40 列。
行数上限：不超过 1 万行。
文件大小：不超过 10MB。
编码：文件编码必须是 UTF-8。
表头：文件必须包含中文表头，否则系统无法正确识别列名。
多 sheet 处理：如果工作簿里有多个 sheet，系统只使用第一个 sheet，其余会被忽略。

这些限制决定了 GBI 适合处理「中等规模、结构清晰」的数据。如果你的原始表有上百列或者几十万行，需要先在 Excel 里做裁剪和汇总，把真正要分析的那部分字段和行留下来再上传。

免费额度

新用户会获得一定次数的免费调用额度，具体次数和计费方式请以官网页面底部「免费额度」处的当前信息为准，不同时期的政策可能不同。额度用完后是否继续可用、如何付费，同样以官网当前说明为准。

操作步骤

第一步：准备一张干净的 Excel 表

为了让后面的演示可复现，这里用一张流量记录表作为例子。这张表记录的是某一天、某个地点、某个手机号使用了多少流量，共 4 列：

日期：记录发生的日期
手机号：使用流量的号码
流量使用地：发生上网行为的地点
流量：本次使用的流量数值

表头是中文的，列数远小于 40，行数也远小于 1 万，编码保存为 UTF-8，完全满足上传规则。实际使用时，你的表可以是销售记录、工单记录、库存流水，只要字段含义清晰、数值列是真正的数值类型，效果都不会差太多。

第二步：上传文件

进入 GBI 操作界面后，有两种上传方式：把文件直接拖拽到左侧上传区域，或者点击「上传数据文件」按钮从本地选择文件。上传完成后，系统会自动识别表名、列名和每一列的数据类型。

识别完成后，页面会给出成功提示。此时点击「查看详情」，可以看到上传成功的全部数据，建议在这里核对一遍：列名有没有被截断、数值列有没有被识别成文本、日期列有没有被正确解析。如果识别有误，后面的自然语言查询结果也会跟着错。

第三步：做数据配置

点击「数据配置」，可以查看并调整系统给出的默认配置。这一步不是必须的，但在两种情况下值得花时间：

设置索引列。当数据量较大时，把经常作为查询条件的列设为索引，可以加快查询效率。在这张流量表里，「日期」和「流量使用地」是最常出现在提问里的两个字段，把它们手动设为索引是合理的。

注入业务知识。在「知识」页可以为 GBI 新增概念定义。比如业务上把「流量值大于 6」称为「流量超标」，但这个说法在原始表里并不存在，模型无从得知。此时新增一个概念「流量超标」，并写明「流量超标是指流量的值大于 6」，GBI 就能理解这个专有名词，后续可以直接用「流量超标」来提问。

这一步是 GBI 区别于通用聊天模型的关键：它允许企业把自己的行业术语、指标口径注入进去，让模型按你的定义而不是按它自己的猜测来回答。

第四步：检查应用设置

应用配置页面可以维护应用名称与描述、模型配置以及对话管理等功能。模型配置在当前版本中仅提供 EB 4.0 一个选项，没有更多可切换的模型。应用名称和描述建议写清楚这张表是做什么的，方便后续区分不同数据集。

第五步：用自然语言提问

配置完成后，就可以在右侧问答区输入问题了。提问的写法直接影响结果质量，几条经验：

把筛选条件说全：不要只说「总流量是多少」，要说「5 号几条数据，总流量是多少」，把日期、统计口径都带上。
一次问一件事：复合型问题（既查数据又要求外部知识）容易失败，拆成两个问题分别问。
用上已注入的概念：定义过「流量超标」之后，直接问「流量超标分别发生在哪天，使用了多少流量」即可，不需要再重复解释定义。

一个完整示例

下面用前面那张流量表，从上传到验证走一遍完整流程。

1. 上传与识别

把保存为 UTF-8 编码、带中文表头的 .xlsx 文件拖入左侧上传区。系统自动识别出表名、四个列名以及各列的数据类型，识别结果与原始表一致。点击「查看详情」确认数据完整。

2. 配置索引与知识

在「数据配置」中，把「日期」和「流量使用地」设为索引列。在「知识」页新增概念：

概念名称：流量超标
概念定义：流量超标是指流量的值大于6

保存后，模型就具备了判断「流量超标」的能力。

3. 提出三个问题

在问答区依次输入：

5号几条数据，总流量是多少？
流量超标分别发生在哪天，使用了多少流量？
6号的“流量使用地”附近有什么大学？

4. 逐题验证

第一题：5 号几条数据，总流量是多少？

GBI 返回了 5 日的记录条数和总流量。回到 Excel 里用筛选加求和手工核对，结果一致，这一题答对。这类「按条件筛选 + 聚合求和」的问题是目前最稳的场景。

第二题：流量超标分别发生在哪天，使用了多少流量？

因为前面已经注入了「流量超标 = 流量值大于 6」这个定义，GBI 能正确理解这个指标，返回了流量大于 6 的那条记录及其日期和数值。在 Excel 里按流量列排序核对，结果一致，这一题也答对。这说明知识注入确实生效了——如果没有那一步定义，模型很可能不知道「流量超标」指的是什么。

第三题：6 号的「流量使用地」附近有什么大学？

这一题没有答上来。原因不难理解：它是一个复合型问题，前半段「6 号的流量使用地」属于表内查询，后半段「附近有什么大学」属于表外知识，需要模型在拿到地点之后再去调用通用知识。GBI 在这个组合上没有完成。

把问题拆开就都能解决：先单独问「6 号的流量使用地」，GBI 给出了正确的地点；再把这个地点交给通用大模型去问「附近有什么大学」，可以得到一份学校名单。也就是说，涉及表外知识的分析，需要人工把两步串起来，而不是指望一次提问全部搞定。

5. 结果小结

问题类型	示例	结果
条件筛选 + 聚合	5 号几条数据，总流量是多少	正确
使用已注入的自定义概念	流量超标分别发生在哪天	正确
表内查询 + 表外知识复合	某地附近有什么大学	未完成，需拆成两步

注意事项

上传环节的常见坑

文件不是 UTF-8 编码时，中文表头和中文内容可能变成乱码，导致列名识别失败。上传前先在 Excel 或文本编辑器里确认编码。
表头不是中文时，系统无法按预期识别列名。如果你的原始表是英文表头，需要先改成中文。
工作簿里有多个 sheet 时，只有第一个会被读取。要分析的数据如果不在第一个 sheet，先把它挪到最前面，或者单独另存为一个文件。
连续上传多个文件时，只有最后上传的那个生效。想换回之前的数据，需要重新上传。
超过 40 列、1 万行或 10MB 的文件无法正常处理，需要先在本地裁剪。

提问环节的常见坑

问题里缺少限定条件时，模型只能猜。把日期范围、统计对象、聚合方式都写进问题里。
复合型问题容易失败。凡是需要「先查表、再查外部知识」的问题，拆成两次提问。
自定义概念的定义要写清楚阈值和字段名，比如「流量的值大于 6」，而不是含糊地说「流量比较大」。
模型配置在当前版本只有 EB 4.0 一个选项，无法切换其他模型来对比效果。

能力边界

GBI 擅长的是把自然语言翻译成对结构化数据的查询，它不会替你做数据清洗，也不会自动发现表里没有的业务含义。索引列、知识定义这些配置做得越细，回答的准确率越高。至于免费额度、可用模型、功能更新等易变信息，请以官网当前页面为准，不要以本文的描述作为长期依据。