某连锁超市的运营主管李姐曾陷入这样的困境：每周一需要 “各门店生鲜损耗率排名”，但她不会写 SQL，只能发消息给 IT 同事。IT 忙的时候，数据要等 3 小时才能拿到，错过早会的决策窗口。
而引入观远
BI 的
智能问数功能后，李姐打开系统输入：“各门店生鲜损耗率排名，按从高到低”，3 秒后就收到了带柱状图的答案，图表自动标注 “门店 A 损耗率 12%（远超平均 5%）”，还附带建议：“建议优先检查门店 A 的冷链设备”。这就是智能问数的核心价值 —— 让业务人员用日常话说需求，系统直接给数据答案，不用学报表操作，不用等 IT 支持。
智能问数是 BI 系统中 “自然语言驱动的数据查询与分析功能”，它能理解用户用日常语言提出的业务问题（如 “北京地区近 30 天的客单价”“哪些商品的复购率超过 20%”），自动关联企业数据仓库，通过算法解析问题、计算结果，并以 “文字 + 图表 + 分析建议” 的形式呈现答案。
在观远 BI 中，智能问数不只是 “数据查询工具”，更是 “
业务分析助手”。比如用户问 “本周销售额为什么下降”，它不会只给数字，还会自动拆解：“主要因华东区流量下降 15%（对应暴雨天气）、商品 B 缺货导致损失 3 万元”，并推荐 “查看华东区各门店明细”“检查商品 B 补货进度”。
传统
数据分析中，“80% 的时间花在取数上，20% 的时间做分析”，而智能问数能颠覆这一现状，创造三大核心价值：
某服饰品牌有 200 + 门店店长，其中 70% 不会用 Excel 数据透视表，以往 “门店销售数据分析” 全靠总部报表。引入智能问数后，店长只需输入 “本店今天的畅销款尺码分布”，系统会自动返回 “尺码 M 占比 42%、L 占比 31%”，并生成饼图。3 个月内，门店主动发起的数据分析次数从每月 50 次增至 155 次，滞销品处理效率提升 60%。
某互联网公司的 “双 11” 筹备会上，CEO 突然问：“近 7 天新用户的次日留存率是多少？” 以往需要暂停会议等 IT 取数，现在通过智能问数实时获取 “留存率 35.2%，环比下降 4%”，当场决定调整新用户引导页，2 小时后留存率回升至 38.7%，单日新增用户留存增加 1200 人。
某制造企业的 IT 团队曾被 “取数请求” 淹没 —— 每天处理 80 + 条 “查上个月的设备故障率”“统计各车间能耗” 等需求，占工作时间的 60%。智能问数上线后，这些简单查询被系统自动响应，IT 人员得以专注数据模型优化，数据仓库的查询效率提升 45%，报表生成速度加快 30%。
观远 BI 的智能问数不是简单的 “关键词匹配”，而是一套完整的 “理解 - 计算 - 呈现” 系统：
- 自然语言理解（NLU）：能解析复杂问题，比如用户问 “北京地区近 30 天客单价高于 200 元的订单中，复购用户占比”，系统会拆分为 “地区 = 北京”“时间 = 近 30 天”“客单价 > 200 元”“复购用户” 等条件，精准匹配数据字段。
- 业务知识图谱：内置 12 个行业的术语库，自动识别 “坪效”“损耗率”“LTV” 等专业词汇。比如零售行业用户说 “坪效”，系统知道是 “销售额 / 经营面积”，无需手动解释。
- 智能计算引擎：对接企业数据仓库，实时计算结果，自动选择最优可视化形式 —— 趋势用折线图、占比用饼图、排名用柱状图，无需用户手动设置。
- 答案优化：不仅给结果，还做解读。比如返回 “门店 B 销售额增长 15%” 时，会补充 “主要因周末促销，环比上周增长显著”，并推荐 “查看促销活动的 ROI”。
哪怕是次用的业务人员，也能快速掌握：
- 打开智能问数入口：在观远 BI 首页点击 “问数据” 按钮，弹出对话框（支持 PC 端和手机端）；
- 输入问题：用日常语言描述需求，比如 “上海门店本周的外卖订单占比”“新老用户的客单价差异”；
- 获取答案与深入分析：系统 3 秒内返回 “文字 + 图表” 的答案，点击 “下钻” 可看明细（如 “上海门店 A 的外卖订单占比 45%”），也能追问 “和上周比有什么变化”。
对比传统 BI 的 “关键词搜索”，观远 BI 的智能问数更懂业务、更精准、更灵活：
| 对比维度 |
观远 BI 智能问数 |
传统 BI 搜索功能 |
| 理解复杂问题 |
支持多层条件（如 “北京地区近 30 天客单价> 200 元的复购用户占比”） |
仅支持简单关键词（如 “北京 客单价”） |
| 行业适配性 |
内置零售、制造、电商等行业术语库，自动识别 “损耗率”“产能利用率” |
需用户使用系统字段名（如 “客户生命周期价值”） |
| 答案呈现 |
自动生成分析结论 + 可视化图表 + 相关问题推荐（如 “是否需要按支付方式拆分”） |
仅返回数据列表，需手动整理分析 |
背景：该电商有 100 + 前置仓，运营团队需要实时监控 “库存周转、损耗率、配送时效”，但 80% 的运营人员不懂报表操作，IT 团队每天被 50 + 取数请求占用大量时间。
引入观远 BI 智能问数后：
- 前置仓店长自主分析：输入 “本店今天的水果损耗率”，系统返回 “苹果损耗率 8%（预警值 5%）”，并提示 “可能因冷藏温度过高（实测 8℃，标准 5℃）”，店长立即调整设备，次日损耗率降至 4%。
- 区域经理巡仓：在手机端问 “华北区各前置仓的库存周转天数”，3 秒获取排名，发现 “前置仓 C 周转天数 12 天（远超平均 7 天）”，当场安排滞销品促销，3 天周转天数降至 9 天。
- 总部决策会：CEO 问 “近 7 天的订单取消原因分布”，系统自动分析文本数据，得出 “35% 因配送延迟，25% 因商品质量”，当场决定 “增加配送车辆 + 强化入库质检”，订单取消率从 8% 降至 5%。
效果：
- 业务人员的数据分析频率从每周 3 次增至每天 12 次；
- IT 团队的取数请求减少 70%，数据模型迭代速度提升 50%；
- 运营问题的平均解决时间从 24 小时缩短至 3 小时，用户投诉率下降 32%。
智能问数的本质，是打破 “数据孤岛” 与 “技术壁垒” 的桥梁。它让 “不会 SQL、不懂报表” 的业务人员也能自由探索数据，让 IT 人员从重复劳动中解放，更让企业的每一个决策都有数据支撑。
观远 BI 的智能问数正在重新定义 “人与数据的关系”—— 不是人适应系统，而是系统理解人。正如某零售企业的 CIO 所说：“以前数据像锁在保险柜里的黄金，只有少数人能拿到；现在智能问数像配了无数把钥匙，人人都能打开保险柜，让黄金真正创造价值。”
-
能处理多语言问题吗？
观远 BI 目前支持中文（含方言词汇如 “晓得不”“啥子”）和英文，未来将增加日语、韩语等多语言支持。
-
复杂问题会出错吗？
系统会自动校验逻辑，比如用户问 “同一订单的支付金额 + 未支付金额”，会提示 “逻辑矛盾，同一订单状态唯一”，并建议修改问题。
-
数据安全如何保障？支持按角色设置权限，比如店长只能查询本门店数据，CEO 可查看全量数据，确保敏感信息不泄露。
