帮你快速理解、总结文档立即下载

数据分析最佳实践

最近更新时间:2026-11-13 11:43:32
本文档已由 AI 辅助审校
我的收藏

概述

本文总结在 DataBuddy 分析工作台中开展数据分析的推荐做法,覆盖从“准备分析智能体”到“提问分析”,再到“沉淀为 AI 看板并持续分发”的完整链路,帮助您让 AI 的回答更准确,并让分析结果被团队持续使用。
本文面向两类角色:
角色
主要职责
重点阅读
分析智能体创建者 / 维护者
为业务场景准备数据、创建和维护分析智能体
第三、四章
数据分析师 / 业务人员
通过对话提问、复核结论、生成和分发 AI 看板
第五、六章

一、核心理念

序号
原则
说明
1
准确率首先取决于数据准备
AI 是否选对数据、是否理解口径,取决于分析智能体的描述、元数据和业务语义是否完整。准备工作做扎实,比反复调整提问方式更有效
2
分析智能体少而精、边界清晰
一个分析智能体对应一个明确的业务场景。数据资产过多或多个智能体职责重叠,都会降低选数和使用的准确性
3
先复核结论,再沉淀分发
关键结论通过查看取数逻辑、溯源或申请数据复核确认无误后,再生成看板并对外分发,避免错误数据被持续传播
4
把一次性分析沉淀为持续消费的看板
常规关注的指标不必每次重新提问,发布为 AI 看板后,通过刷新、分享、嵌出和定时推送持续触达使用者

二、推荐链路总览

阶段
主要角色
关键动作
产出
1. 构建分析智能体
智能体创建者
按业务场景选择数据,写好描述与示例问题,补齐元数据和语义
边界清晰的分析智能体
2. 提问与分析
分析师 / 业务人员
选择合适的提问方式,把问题问清楚,校验结论
可信的分析结论
3. 沉淀与分发
分析师 / 看板管理者
生成 AI 看板,选择发布权限,配置分享、嵌出或定时推送
持续更新、按需触达的 AI 看板

三、构建分析智能体

分析智能体是面向具体业务场景的分析助手,例如“门店经营分析”“财务分析”。它把该场景所需的数据表、逻辑视图、语义模型和业务知识组织在一起,并通过描述说明“我能回答哪类问题”。

按业务场景划分智能体

一个智能体只服务一个业务场景 :例如将“门店经营”和“财务结算”拆为两个智能体,而不是把全公司的表放进一个智能体。
控制数据资产数量 :数据资产(数据表、逻辑视图、语义模型、本体)数量超过 30 个时,系统会提示可能增加模型幻觉,建议优先只放该场景真正需要的核心资产。
避免同一工作空间内的智能体职责重叠 :两个智能体描述高度相似时,使用者难以选择,容易把问题发给不匹配的智能体。

写好智能体描述与示例问题

智能体的名称和描述是使用者判断“该问谁”的主要依据,描述的质量直接决定了智能体能否被正确选用。
要素
建议
适用场景
说明服务于哪个业务、哪类用户,例如“面向区域运营,分析门店经营状况”
可回答的问题
列出典型问题类型,例如“门店销售额、客单价、坪效的趋势与排名”
数据范围
与实际配置的数据保持一致,不要声称可以回答智能体内没有数据支撑的问题
示例问题
配置贴合真实业务的示例问题,不要沿用默认示例,用于引导使用者快速开始提问
说明:
创建或编辑智能体时,可以单击 AI 一键生成描述,系统会根据名称、已选数据和语义生成推荐描述,您可以在此基础上补充业务信息后应用。

补齐元数据与业务语义

准备项
为什么重要
建议做法
表描述
表名无语义(如 t_01、tmp_x)且无描述时,AI 无法判断该不该使用这张表
为核心表补充业务含义描述
字段描述
状态码、枚举、金额类字段含义模糊,容易被误用
优先为高歧义字段写清口径,例如枚举值含义、金额单位、是否含税
语义模型
指标与维度的统一定义能显著提升取数准确率
智能体内资产较多(10 个及以上)时,建议配置语义模型,并在模型中声明表之间的关系
业务知识
业务规则、计算口径、内部术语无法从表结构中推断
沉淀到知识库或智能体的业务逻辑中
说明:
智能体内的表与指标模型详情为只读。表描述、字段描述请到数据目录中维护,指标与维度请到语义模型中维护,修改后所有引用该资产的智能体都会生效。

处理相似与重复的数据表

同一智能体内存在业务含义相近的多张表时,AI 可能选错表,导致数字不一致。可参考下表处理:
类型
典型例子
推荐处理
重复表
dwd_order 与 dwd_order_v2,业务相同且字段高度重合
保留一张,将另一张从智能体中移除
不同粒度
订单明细表与订单日汇总表
两张都保留,在业务逻辑中说明不同问题优先使用哪张表
同构拆分
按日期、地区、序号拆分的表,如 _202501、_cn、_01
不要删除或移除 ,每张表承载独立数据
疑似废弃
表名带 _bak、_tmp、_old、_test、_copy 等后缀
确认不再使用后,从智能体中移除
说明:
“从智能体移除”只影响当前智能体的配置,不会删除数据目录中的物理表。已在语义模型中声明关系的表,不会被判定为相似冲突。

四、提问与分析

选择合适的提问方式

场景
推荐方式
说明
明确属于某个业务场景
手动选择分析智能体
选择后锁定该智能体回答,不会自动切换。若该智能体无法回答,会询问您是否切换
需要指定具体数据
@ 数据表或指标模型
可与分析智能体同时使用。数据范围冲突时,优先使用 @ 指定的数据
产品功能等非数据问题
直接提问
无需指定智能体或数据
多轮对话中的切换规则:
纯文字追问 :延续上一轮的智能体继续回答。
手动切换到其他智能体 :切换后锁定新的智能体,不再自动切回。
注意:
在某个分析智能体的对话页中提问时,可选择的数据表和语义范围仅限于该智能体已配置的范围。

把问题问清楚

AI 只能基于您给出的信息理解需求,信息不完整时会自行假设。建议一次讲明以下要素:
要素
示例
指标
销售额、订单量、客单价
维度
按区域、按门店、按品类
时间范围
2025 年 Q3、近 30 天、同比去年同期
筛选条件
仅统计已支付订单,剔除测试门店
输出形式
表格、趋势图、分析报告、看板
说明:
示例 Prompt:统计近 30 天各区域已支付订单的销售额和客单价,按销售额降序排列,并对比上一个 30 天的变化。
需要深入分析时,可直接描述分析目标,例如“分析上周华东区销售额下降的原因”,Buddy 支持异常检测、归因分析、预测分析和相关性分析,详见 复杂数据分析能力。
常用的口径、输出偏好会被记忆复用,详见 记忆。

校验分析结论

查看取数逻辑 :关注回答中使用了哪张表、哪些筛选条件,与业务预期是否一致。
申请数据复核 :对需要对外汇报或用于决策的结论,将对话回答或产物提交给智能体管理员、编辑者人工校验,详见 数据复核。
沉淀纠正经验 :发现口径理解偏差时,除了在对话中纠正,还应回到智能体补充字段描述、业务逻辑或知识,避免同类问题重复出现。

五、沉淀为 AI 看板

生成与调整看板

基于分析结论生成 :在完成分析的对话中输入“根据前文的分析生成一个总结看板”,看板会沿用已确认的分析口径。
优先使用指标模型 :智能体中纳入指标模型后,看板组件会优先复用平台统一口径,避免与其他报表数字不一致。
按组件逐步调整 :对结果不满意时直接描述修改点,例如“把品类销售占比改成柱状图”,Buddy 只更新目标组件,不会重新生成整个看板。
检查多端效果 :看板需要在手机端查看时,通过 多端效果 切换到手机端预览,确认布局可读后再发布。
用溯源模式核对数据 :发布前开启溯源模式,检查关键组件的指标口径和 SQL。
详细操作见 AI 看板能力。

发布时选对数据权限

看板发布后才能进行嵌出和定时推送。发布时需要选择看板的数据权限模式,这决定了不同查看者看到的数据范围:
发布权限
查看者看到的数据
适用场景
对分发方式的影响
共享发布者的数据权限(敬请期待)
所有查看者看到与发布者一致的数据
面向管理层的统一经营看板,查看者本身无底层数据权限
定时推送可发送截图、HTML 正文和 PDF 附件
遵循查看者自有数据权限
每位查看者按自己的数据权限看到对应数据
区域、门店等需要行级隔离的看板
定时推送仅支持发送链接;公开分享链接不可用
注意:
公开分享和公开嵌出无法校验访问者身份,始终按“共享发布者的数据权限”展示数据。包含敏感数据的看板请谨慎开启公开访问。
发布后再次编辑看板,需要重新发布才会更新已发布版本。分享链接、嵌出和定时推送使用的都是最新已发布版本,未发布的编辑内容不会对外展示。

选择分发方式

分发方式
适用场景
建议
刷新策略
看板数据需要保持最新
按业务数据产出时间设置定时刷新;只需保留某一时刻结果时选择不刷新
权限分享
工作空间内的同事查看
按需授予可查看、可编辑、可管理等角色
公开分享
无账号的外部人员查看
建议同时开启访问密码或链接有效期
嵌出
在业务系统、门户中展示
需要工作空间管理员开启嵌出并配置允许的域名;公开嵌出建议设置有效期
定时推送(敬请期待)
日报、周报等周期性分发
推送到 Email、Webhook、Teams 或 Slack

六、常见误区

误区
后果
建议
把大量表放进一个智能体
选错表、幻觉增加
按业务场景拆分,只保留核心资产
智能体描述只写名称或一句话
使用者难以判断适用范围
写清适用场景、可回答的问题和数据范围
删除按月、按地区拆分的表
造成数据缺口
保留每张表,确认需要的数据都已纳入智能体
只在对话中纠正口径
下次提问仍然出错
将纠正内容补充到元数据、业务逻辑或知识库
结论未复核就发布看板并推送
错误数据被持续分发
关键结论先复核,发布前用溯源模式核对
敏感看板开启公开分享
数据泄露风险
使用权限分享;确需公开时开启密码与有效期

相关文档