Orbit 自然语言驾驶舱

数据离业务太远了

很多公司的数据基础设施并不差，差的是一句「帮我看看这个月哪个渠道转化最高」要经过多少人。业务同学提需求、数据同学排期、出报表、再讲解，一次查数往往要等上几天。

结果就是业务团队形成习惯：不确定的事就先不看了。数据仓库里躺着大量指标，真正被决策使用的却只有几块固定报表。

把高频问题变成产品功能

我们收集了业务团队过去三个月提给数据团队的问题，发现超过一半是重复模式：某指标是多少、某指标为什么变、和上周/上月比怎么样、哪个渠道最好。

这些问题的共性是有固定的数据来源和固定的比较逻辑，非常适合用自然语言直接表达，而不是每次重新写 SQL。

• 50%+ 的数据需求属于「查询 + 对比 + 结论」三类高频模式
• 业务同学要的不是 SQL 能力，而是说出问题就能得到答案
• 趋势和结论散落在不同报表，是决策慢的真正原因

一句话完成一次查数

Orbit 提供统一的自然语言入口：用户输入「本月哪个渠道转化最高」，系统自动理解指标、维度和时间范围，生成查询并返回可视化结果，同时用一句话给出结论。

界面不是聊天机器人，而是「查询 + 图表 + 结论」三合一的工作台。用户可以追问「为什么下降」，也可以一键把结果分享到团队群，让数据成为讨论的一部分。

• 自然语言转查询：指标、维度、时间范围自动解析
• 结论生成：不仅给图表，还给「所以呢」
• 追问与下钻：支持连续对话式探查

让模型先学会「说数据」

核心是把业务指标字典交给模型：每个指标的名称、口径、可用维度和常见问法先定义清楚，模型生成查询时按字典约束，避免把「成交额」理解成「订单数」。

我们还在生成层做了校验：查询必须命中已授权数据源，结果必须能追溯到指标定义。查不到时，系统会告诉用户缺少什么条件，而不是编一个数字。

• 指标字典约束口径，避免同词不同义
• 查询生成后自动校验数据源与权限
• 结果可追溯，结论可下钻验证

业务团队开始自己看数据

上线后，平均查数时间从 12 秒降到 3 秒，业务团队开始主动使用数据做判断。过去「数据看不懂、不会问」的门槛被自然语言对话消解，数据团队则从写重复 SQL 中解放出来。

最有价值的改变是讨论方式：周会上大家可以直接对着同一个查询结果讨论，而不是各自拿一张口径不同的报表。