最近，智能问数很火。很多人想象的画面是：老板问「这个月销售额怎么样？」，系统马上返回答案、生成图表，还能继续追问哪个产品增长最快、利润为什么下降、回款风险集中在哪里。听起来很先进。但真正动手搭一遍会发现：智能问数最难的，不是让 AI 回答问题，而是让它基于正确的数据、正确的口径、正确的分析路径回答问题。
所以不必一上来做复杂系统。更务实的做法是：花较短时间搭一个可演示、可验证的 Demo——让业务不用翻一堆报表，也能通过提问快速看到指标、图表和分析结果。用 VeryReport Vera 时，应先把企业数据接进来，完成数据准备、字段关联、指标口径与可视化分析，再让 AI 在这些已整理好的数据资产上理解问题、生成分析、解释结果并支持追问。智能问数不是让 AI 凭空猜答案，而是站在已经搭好的数据分析底座上回答——这才是企业级智能问数真正该验证的东西。
配套：Vera AI 主题、Vera 问数教程、Vera 智能体概述、仪表板入门、数据中心。
导航：Vera AI · BI 自助分析 · ETL · 定价 · 30 天试用 · 帮助文档 · 产品社区
一、先别碰 AI，先整理数据
很多人做智能问数，第一步就想接大模型。但企业数据分析不是聊天——底层不清楚，再强的模型也只能基于混乱数据生成答案。第一步应整理核心经营数据：销售订单、客户、产品、区域、回款、费用、目标。看起来普通，但已足够支撑经营分析类问数 Demo。
例如可问：本月销售额？目标完成率？哪个区域最好？哪个产品贡献最高？哪些客户回款风险大？费用率有没有上升？关键点是：智能问数不是数据越多越好，而是先把核心业务问题需要的数据准备好。否则接了一堆表，问起来还是答不准。数据源接入见 数据源文档。
二、用 VeryReport 先搭出分析底座
Demo 要跑起来，不能只靠 Excel。需要一个地方把数据接进来、整理好，形成指标、图表和可追问的分析资产。用 VeryReport 搭简单底座，大致四步：
1. 接入数据
把订单、客户、产品、区域、回款、费用、目标接入分析环境。重点不是炫技，而是把分散数据集中；否则问数时系统很难知道从哪取数。可用数据源直连或 ETL 清洗后再进数据集。
2. 建立字段关系
订单关联客户、产品、回款；客户关联区域；区域关联销售目标等。相当于告诉系统数据之间的关系——没有关系，就答不好「哪个区域最好」「哪个客户回款风险最高」。
3. 固化指标计算
把销售额、回款金额、回款率、目标完成率、费用率等在数据集/度量中配置好，后续看板与问数都不用每次重算。VeryReport 适合承接问数场景的原因，不只是出图，更是能沉淀连接、字段指标、语义口径、计算、可视化与权限。直接面对一堆原始表容易答偏；基于整理好的数据资产回答，稳定性高得多。见 数据集概述。
4. 做一个基础经营看板
含销售额趋势、目标完成率、区域排名、产品结构、客户贡献、回款风险、费用率变化。为什么先做看板？因为智能问数不是完全替代看板——看板负责稳定展示核心指标，问数负责快速追问与下钻；看板解决「常规怎么看」，问数解决「临时怎么问」，两者结合效率更高。教程：BI 自助分析、仪表板入门。
三、把高频问题整理成问数清单
Demo 阶段不能追求「什么都能问」，否则容易什么都答不好。先整理高频、指标明确、数据能支撑的问题：本月销售额/目标完成率、区域销售额与目标差距、产品增长、客户贡献与逾期、费用率环比等。好处是 Demo 不停留在概念，能真正跑通典型场景。落地最怕一上来大而全；有效做法是从高频、清晰、可验证的问题开始。
四、把「问一句」变成「看结果、追原因」
合格 Demo 不能只回一个数。用户问「本月销售额怎么样？」，若只答「860 万」，价值有限。更好的回答应包含：目标完成率、环比变化、下降集中在哪些区域/产品线、建议继续看哪些明细。Demo 逻辑可以是：先答结果 → 展示图表 → 提示可追问方向。
- 问销售额 → 趋势与目标完成；
- 问区域 → 排名与目标差距；
- 问客户 → 销售额与回款；
- 问回款风险 → 逾期客户、金额与账龄；
- 问费用 → 费用率趋势与结构。
智能问数不是查数工具，而是分析入口——价值在于带着用户继续追原因。Vera 支持多轮追问，并可展开 SQL/过程审计，见 问数教程；解读与报告模式见 解读、报告。
五、Demo 跑通后：智能问数的三个前提
- 数据要可用：接得进、对得上、更新及时、质量稳定。缺字段、不规范、延迟未维护，结果必不准。问数不是跳过数据建设，反而更依赖建设。
- 指标要统一：销售额、利润、费用率、回款率等必须提前定义。否则返回越快，争议越快——过去会上争口径，现在可能被系统自动放大。
- 分析路径要沉淀：业务不只要结果，还要为什么、谁影响、哪一环、下一步看哪。销售下降要能从区域→产品→客户→渠道→订单→回款继续拆。没有路径，问数只是更快的查询框。
更深讨论见主题 Vera AI 与社区 Data Agent / 智能问数相关文（产品社区）。
六、为什么 VeryReport 更适合搭这类 Demo
从零开发太重：接入、建模、指标、图表、权限、联动、下钻都要大量时间。VeryReport 已具备较完整的企业级分析能力，把连接、准备、分析、仪表板与应用串成链路。
对智能问数 Demo 的价值主要三点：
- 先整理数据资产：在同一分析环境形成数据集、字段、指标、图表与路径；
- 沉淀核心指标与逻辑：销售额、回款率、目标完成率先在 BI 固化，问数基于资产回答，而不是临时猜口径；
- 让 AI 结果进入 BI 体系：Vera 基于已有资产做问题理解、路径拆解、出图解释、连续追问；生成内容可在 BI 中查看、编辑、发布复用——企业要的不是「会聊天的机器人」，而是能继承资产、遵守口径、受控于权限、支持复核沉淀的分析助手。
市面上 FineBI Next 等也走「先 BI 底座再问数」路线。若 Demo 还要兼顾复杂报表、大屏、填报、私有化大模型与过程可审计，VeryReport 一体方案通常更省后续扩展成本。试用：30 天试用 · 定价 · www.veryreport.com/product/ai。
七、一个智能问数 Demo，最少应该包含什么
- 一套样例数据：先选销售/库存/费用等一个场景，覆盖核心问题即可；
- 一套指标口径：先定义 5～10 个核心指标；
- 一个基础看板：总览、趋势、区域、产品、客户、回款风险等；
- 一组高频问题：先保证稳定回答，再放开自由提问；
- 一条追问链路：销售额下降→区域→产品→客户；
- 一个可解释结果：用了什么指标、时间范围、维度、结论来源、下一步看什么。
这才是企业级问数 Demo 应有的样子。
八、小结
短时间搭完智能问数 Demo，最大体会是：智能问数不是把 AI 接到数据库上，而是接到企业已经整理好的数据资产上。不一定一开始就做大平台——更实际的是：选高频场景 → 整理核心数据 → 定义指标口径 → 用 VeryReport 搭分析底座 → 围绕高频问题做问数与追问。成本不高，却能快速验证：数据能不能支撑、口径能不能统一、业务问题能不能被稳定回答。
真正有价值的，不是让系统显得很聪明，而是让业务少翻几张表、少等几轮取数、少开几次口径会——这才是 Demo 最该验证的东西。
开始动手：免费试用 · 了解 Vera · 了解 BI · 问数文档 · 联系售前 · www.veryreport.com。
—— VeryReport 产品团队 · 2026年7月