Analytics Agent 问答准确率提升最佳实践
回应大家最关心的问题：有哪些提升问答准确率的手段？什么场景适合什么方式？如何管理？
一、有哪些能力提升准确率？
Data Analytics Agent (DataGPT)提供 4 种核心能力来给模型更多业务信息输入，提高回答准确率：
1. 表列 Schema 说明
| 配置项 | 作用 | 示例 |
|---|---|---|
| 表描述 | 告诉模型这张表是什么 | "香港地区所有门店的每日经营流水数据" |
| 列别名（Alias） | 让模型理解同一字段的不同叫法 | 列名 rev_amt → 别名"营业额"、"收入" |
| 列描述（Description） | 解释列的业务含义和取值规则 | "payment_type: 支付方式，取值包括 cash/card/octopus" |
| 隐藏列 | 当数据表字段较多时，部分列对业务分析无意义（如系统主键、ETL 时间戳、内部编码等），开启隐藏后该列不会参与 AI 问答与分析，减少模型选错列的概率 | 适用场景： 表中有大量技术字段，干扰模型选列判断；或某些敏感字段不希望被AI引用 |
| 虚拟列 | 当变更schema需要AI适配理解时，不改动底层数据表，通过SQL表达式创建虚拟列即可 | 使用场景：原始字段需加工后方便AI理解业务含义 |
2. 知识（Knowledge Base / 分析文档）
以文件形式提供的业务背景知识，通过 RAG 检索注入对话上下文。
适合放入知识库的内容：
- 业务规则说明
- 数据字典 / 编码对照表
- 行业术语解释
- 分析方法论 / 计算口径说明
- FAQ 常见问答
- 仅在特定场景召回
核心价值：让模型理解"数据背后的业务逻辑"，而不仅仅是数据结构。
3. 指标（Metrics）/ 答案构建器
预定义的计算公式，支持别名匹配，确保指标口径统一。其中：
- 指标：用于定义聚合类计算（如 SUM、AVG）
- 答案构建器：用于定义涉及多表 JOIN、复杂过滤条件
| 要素 | 说明 | 截图demo |
|---|---|---|
| 指标名称 | 如"客单价" |  |
| 计算逻辑 | SUM(revenue) / COUNT(DISTINCT order_id) |  |
| 别名 | 让模型理解同一名词的不同叫法 |  |
| 指标自动生成 | 已支持针对选定数据表自动生成基础聚合指标（如 SUM、COUNT 等），后续将上线上下文感知的指标洞察与自动生成能力，实现更智能的指标推荐 |  |
核心价值：确保关键业务指标的计算口径统一、准确，不会每次问都生成不同的 SQL
4. 域提示词（Domain Prompt）
分析域级别的系统提示词，相当于给模型一个"角色设定"和"行为规范"。
- 角色设定："你是一个香港餐饮行业的数据分析师"
- 回答规范："金额单位默认为港币，日期格式用 YYYY-MM-DD"
- 业务约束："计算同店增长时，只包含开业满12个月的门店"
- 输出偏好："趋势类问题优先用折线图展示"
核心价值：设定全局规则，避免每次对话都要重复说明前提条件
二、什么场景用什么能力？（场景 → 能力映射）
| 场景/问题类型 | 推荐能力 | 为什么 |
|---|---|---|
| 模型选错了表或列 | 表列 Schema 说明 | 描述不清导致匹配错误 |
| 过滤条件的值写错（如用全称但数据存缩写） | 列值索引 | 建立模糊匹配 |
| 计算口径不对（如"毛利"算法错误） | 指标 | 预定义精确公式 |
| 复杂计算逻辑（多表 JOIN + 条件过滤） | 答案构建器（Answer Builder） | 提供 SQL 模板 |
| 模型不理解业务术语（如"翻台率"） | 知识库 | 提供术语解释文档 |
| 需要背景知识才能回答（如"为什么3月业绩下降"） | 知识库 | 提供业务背景文档 |
| 每次都要重复说明前提条件 | 域提示词 | 一次设定，全局生效 |
| 同一个指标有多种叫法 | 指标别名 / 列别名 | 支持多种表达匹配 |
决策流程图
三、怎么用？（知识库的管理方式）
3.1 知识库的组织结构
新版知识库采用层级文件夹结构（类似飞书知识库）：
3.2 内容创建方式
| 方式 | 适用场景 |
|---|---|
| 直接新建 | 手动编写业务规则、术语解释等 |
| 本地上传 | 已有 PDF/Word/Excel/Markdown 文档 |
| 云存储导入 | 从 OSS/S3 批量导入已有文档 |
3.3 关联分析域（关键！）
知识库内容必须关联到分析域后，该域下的对话才能检索到：
- 可以在文件夹级别关联 → 子文件自动继承
- 支持一个文件关联多个分析域
- 未关联的文件不会被任何对话检索到
最佳实践：
- 按业务主题建文件夹，文件夹级别关联分析域
- 通用知识（如公司术语表）关联所有分析域
- 特定业务知识只关联对应域
3.4 什么内容适合放知识库？
✅ 适合放入知识库的内容：
| 内容类型 | 举例 |
|---|---|
| 业务规则 | 翻台率 = 接待桌数 / 总桌数；客单价 = 营业额 / 来客数 |
| 编码对照 | 门店代码 A01 = 铜锣湾店，A02 = 旺角店 |
| 行业术语 | "堂食"、"外卖"、"翻台"、"出餐时间"的定义 |
| 数据口径 | "有效订单"不包含退款订单和测试订单 |
| 分析方法 | 同店增长只统计开业满12个月的门店 |
| 常见 FAQ | "为什么报表数据和财务对不上？" → 因为报表不含税 |
| 背景信息 | 2026年Q1公司做了门店调整，3家新开、2家关闭 |
❌ 不适合放知识库的内容：
| 内容类型 | 应该用什么 |
|---|---|
| 指标的精确计算公式 | → 用「指标」功能 |
| 复杂 SQL 模板 | → 用「回答构建器」 |
| 列的别名和描述 | → 用「Schema 说明」 |
| 全局回答规范 | → 用「域提示词」 |
3.5 管理建议
| 建议 | 说明 |
|---|---|
| 按主题分文件夹 | 便于管理和批量关联分析域 |
| 文档保持简洁 | 每个文件聚焦一个主题，避免大而全 |
| 定期更新 | 业务规则变化时同步更新知识库 |
| 命名规范 | 文件名体现内容，如"翻台率计算规则.md" |
| 先验证再推广 | 添加知识后测试几个问题，确认效果再大范围使用 |
四、总结：4 种能力的协同关系
一句话总结：
- Schema 说明让模型"找对数据"
- 指标让模型"算对数字"
- 知识库让模型"理解业务"
- 域提示词让模型"遵守规范"
四者配合使用，准确率最高。
联系我们