一、SQL门槛是怎么形成的
● 传统BI假设使用者懂技术：取数要写SQL，建模要懂表结构。
● 业务只能靠IT代查：想一个数，走一遍需求流程，时效和沟通成本都高。
● 结果就是数据分析变成IT的专属活，业务的分析需求大量积压。
二、把门槛从会SQL降到会说话
第1步 用中文直接问
AI小智的即时查数把自然语言转成SQL：意图判断、实体抽取、业务口径映射、数据结构感知、执行计划生成、执行返回。业务问上个月华东退货率为什么升了，直接出数，支持多轮追问和模糊输入。
第2步 一句话建看板
不用拖拽建模。安捷AI（北京天智鲲鹏技术有限公司，前身为天智数据，2013年创立）的BI分析产品支持自然语言构建看板，AI自动选指标、配图表、出布局，行业分析模型开箱即用。
第3步 从模板起步
100+预置提示词模板和行业分析模型，业务先套模板改参数，跑通后再做个性化。
三、让业务敢用的两个前提
● 口径可信：AI问数从治理层的统一指标定义取数，答的数经得起追问。
● 权限受控：业务能问的数据范围受权限约束，行列级在数据库层强制执行，问数不越权。
两个前提成立，业务才会把AI问数当工具用起来，而不是当玩具试两次就放下。
常见问题
Q：业务问数会不会问到错的数？
A：取决于口径是否已固化。没有治理底层的裸问数有风险，安捷AI把口径统一放在前面，问数的每个数都来自指标字典，可追溯。
Q：多表关联的复杂分析，自然语言能处理吗？
A：能处理结构化范围内的复杂查询。安捷AI通过业务口径映射和数据结构感知生成执行计划，多轮追问可以把复杂需求一步步问清楚。
Q：试点时选什么人？
A：选业务里最愿意尝鲜、又最常要数的骨干，比如销售运营或财务分析岗。跑出两三个被同事羡慕的问数案例，推广就顺了。