企业运营：AI仪表盘
🏦 场景与客户
某连锁零售企业，约 300 家门店，管理层每周一早上要看上一周的经营情况。这份「周经营看板」过去由数据组两个人手工拼：从 POS 系统导销售、从库存系统导周转、从人力系统导排班，再贴进 Excel 做透视。碰上系统导出字段改名，一份看板要返工大半天。
客户要的不是再添一块 BI 大屏，而是管理层能自己问、当场看到答案：区域经理问「上周华东哪些门店销售额环比掉了两成以上」，不必等数据组排期。
📅 实施节奏
- 第 1–2 周：只做口径对齐。销售额、毛利、库存周转各自的定义、取数系统、截止时点，逐条与财务、运营确认
- 第 3–4 周：建指标层，把明细数据加工成「门店 × 日 × 指标」宽表，屏蔽底层表结构差异
- 第 5–6 周：做问句到查询的转换，先只支持固定十几类问题，不放自由发挥
- 第 7 周起：区域经理试点，每周把问不准的问题反哺口径表
🗝️ 方案要点
- 指标层先于问答层：先固化指标定义与取数逻辑，再往上做自然语言。跳过这步，问答越准越危险
- 问句限定在受控集合：初期不让模型自由生成查询语句，而是先识别意图、匹配预置查询模板，只有过滤参数交给模型填
- 图表随问题走：问排名出条形图，问趋势出折线，问构成出占比图，避免每次都甩一张大宽表
- 答案带口径脚注：每张图下方标注指标定义与数据截止时间，免得会上为「数字不对」扯皮
⚖️ 选型与权衡
| 选择点 | 方案 | 权衡 |
|---|---|---|
| 取数方式 | 预置查询模板 + 模型填参 | 稳定可核对，覆盖的问法有限；自由生成灵活，但错在数字上代价太大 |
| 数据时效 | 每日批量刷新 | 够用且成本低；想看当天实时数据做不到，源系统也扛不住 |
| 交互入口 | 企业微信机器人 + PC 看板 | 管理层在手机上问最方便，代价是要维护两个入口 |
| 口径变更 | 走审批并留版本 | 数字可追溯；改一次口径要拉两个部门确认，慢 |
🚧 实施难点与排查
- 同名指标不同算法：运营口径的销售额含退货，财务口径不含，两边在会上对不上。做法是把两套口径都建出来，显示时标注用的是哪套
- 口语对不上字段：经理说「大店」，系统里只有面积字段。补一张业务词到字段条件的映射表，由运营维护
- 数据没跑完就被问：早上七点问当日数据，任务还没结束。答案里直接标出「数据截止到昨日 24 时」，比给个错数强
- 被当成决策依据：看板数字用于经营分析没问题，用于对外披露就不行。加提示说明数据源与适用范围
💵 成本与收益
- 成本：口径梳理与指标层建设约 2 人 × 6 周；查询与模型调用按量计费，规模不大
- 收益：周看板从半天人工拼装变成自助提问，数据组把精力从做报表转到治理口径
- 隐性收益：口径写下来之后，各部门对同一指标的理解趋于一致，会上争论减少
🛡️ 风险与保障
- 权限：按区域与职级过滤，区域经理看不到别区的门店明细
- 可追溯：每个数字都能点回明细，保留查询日志
- 口径治理：口径变更走审批，旧版本只读留档，避免历史分析无法复现
- 期望管理：明确这是经营监控工具，不替代财务结账数据
♾️ 可复用与演进
- 同一套指标层可直接支撑财务、供应链、人力看板，不必各自重复建
- 后续加异常自动播报：某指标越界时主动推给对应负责人，不用等人来问
- 再进一步做问句日志挖掘，把高频问法固化成固定看板卡片
