智能体生态观察 · 第 66 篇|数据分析智能体:从 NL2SQL 到洞察生成流水线

周一例会,业务负责人抛出一个问题:「上个月华东的转化率为什么掉了?」这句话没有现成的报表可查,也没有标准答案——要人先猜口径、再探数据、再验证猜想,最后可能还得承认查不出来。十年前 NL2SQL 就能生成一句能跑的 SQL,十年后它依然没有取代数据分析师,原因从来不在 SQL 本身:难在理解业务、验证结论,以及有勇气说出「数据不支持这个猜想」。数据分析智能体要做的,是把这三件手艺活变成一条工程流水线。

手绘信息图:数据分析智能体的五步流水线——理解问题、探查数据、生成查询、执行自愈与洞察呈现,最难的一步是问对人

从查询到分析:取数、验证、解释的三段跃迁

第一段是取数,看起来是翻译题,其实是消歧题。「查上个月华东的订单量」这句话里,「华东」指哪几个省、「订单」含不含已取消的单、「上个月」按自然月还是财月,每个模糊点都对应一种错误的可能。取数的真实难度是把模糊的业务语言对齐到唯一的字段与口径,行业实践是把指标定义收敛进语义层(semantic layer),让「销售额」在系统里只有一种算法。基准数据恰好印证了难点的位置:截至 2026-11,公开学术基准 Spider 上智能体系统的执行准确率已过九成,贴近真实脏库的 BIRD 停在八成上下,而模拟真实企业环境的 Spider 2.0 长期只有两成左右的成绩——差距主要不在语法,在消歧;另有评测显示,接入语义层后整体准确率能抬升到翻倍附近。语义层之所以成了企业路线的标配,就是因为它把「问对人」这件事从每次对话的运气,变成了预先定义好的资产。澄清本身也要设计:好的智能体不会一上来就追问三个问题把用户问烦,而是先把可推断的口径按惯例填上、只把无法推断的留成唯一追问——把澄清成本压到一次交互,是消歧体验的分水岭。

第二段是验证。查询跑通只说明语法成立,不说明结论成立——这是新手分析师和老手分析师的分水岭,如今也是智能体与好智能体的分水岭。一个数字要经得起三连问:分母对不对,转化的基数是访客还是会话;样本全不全,数据管道当天有没有断流;异常点是不是数据问题,那笔天价订单是真实销售还是测试数据。人类分析师的下单动作是先看行数、量纲与分布再下结论,还要做交叉对账——总收入与分渠道收入加总对不上,就说明有口径裂缝。智能体要学的正是这套体检流程,而不是「跑出数就报数」;没有体检动作的分析智能体,本质上是一个更快的错误发生器。实践里的体检清单包括:行数与昨日环比是否在合理带宽、金额字段是否带单位与币种、去重键是否唯一、跨表加总是否对得上总账;其中对账是最容易被忽略也最有效的一招——口径裂缝几乎总会在加总不等处现形。

第三段是解释,从数字到结论需要业务因果。「转化率下降」可能是渠道结构变化而不是产品退化——子渠道各自都在涨、整体却在跌的辛普森式陷阱,在多渠道业务数据里并不罕见。解释的难度在于把统计现象翻译成业务语言,同时诚实标注这是相关还是因果、置信几何;更进一步,还要有「下钻验证」的动作——把结论拆到子集上看是否依然成立,经不起下钻的结论就该降级为猜想。归因还要克制:数据能回答「什么发生了、何时何地」,回答不了「为什么」的全部——把相关性说成因果,是分析报告里最常见也最昂贵的一类错误,业务决策跟着走偏的代价远高于一次查询的成本。三段难度递增:取数靠工程,验证靠统计素养,解释靠业务理解,流水线必须为最难的一段留出人工接口。

小结:三段跃迁决定架构——消歧靠语义层,验证靠体检动作,解释靠人机混合,三件事不能压成一件事。

流水线工程:探查、自愈、校验与呈现

schema 探查是流水线的第一步,也是被低估最狠的一步。真实数据库的列名是缩写黑话,注释常年缺失,把裸表结构直接喂给模型注定幻觉。探查要做三件事:拿到列名与注释,抽样几行真实数据——几行样例胜过千字文档,因为模型能从样例值里读出「这个字段到底存什么」;生成统计摘要,行数、空值率、取值基数,样例太小会误导,统计摘要补上全局视角。工程上把探查结果缓存并随库变更失效,更进一步把「表意」固化成语义层资产——探查从「猜库」退化成「查文档」,生成查询的准确率随之上抬,探查成本从每次会话摊销到一次建设。缓存失效要绑定 schema 版本与数据刷新事件——表加了一列而探查缓存没失效,生成的查询就会引用不存在的字段;自愈环会接手这类报错,但每一次都白白烧掉三轮重试的预算,失效钩子比自愈便宜。

查询自愈处理的是高频执行错误:列名拼错、类型不匹配、方言差异、权限不足。自愈循环的机制是把报错原文与出错 SQL 一起回喂给模型重新生成,限定轮数;仍失败则带着已尝试的路径升级人工。限轮是纪律不是保守——自愈的每一次重试都消耗真实算力,无限重试的成本会沿着调用链放大。下面是一个查询自愈循环的最小实现:

def answer(question: str, max_fix: int = 3) -> Report:
    plan = clarify(question)             # 澄清:口径、时间窗、粒度
    schema = probe(plan.tables)          # 探查:列名、样例值、统计摘要
    sql = generate(plan, schema)         # 首次生成
    for _ in range(max_fix):
        try:
            rows = execute(sql)
            break
        except DBError as err:
            sql = repair(sql, str(err))  # 报错原文回喂,重新生成
    else:
        return escalate(question, sql)   # 自愈失败,连同上下文转人工
    if not sanity_check(rows, plan):     # 行数、量纲、空值合理性
        sql = regenerate(plan, schema, why="结果可疑")
        rows = execute(sql)
    return present(rows, plan)           # 图表加结论,附 SQL 卷宗

结果校验与呈现守住最后一公里。执行成功后先做合理性检查:行数是否落在预期区间、金额量纲是否正常、主键是否被连接放大;校验不过就回到生成步重构查询,而不是把可疑数字直接端上桌。呈现的纪律是「图表 + 结论 + 查询附卷」:结论旁能点开看 SQL 与时间窗,图表类型跟着数据形态走——趋势用折线、构成用堆叠、分布用直方,而不是一律画个柱状图了事。附卷既是信任设计,也是错误被发现的最快通道:用户里总有人懂 SQL,给他们一个抓手。图表生成另有一处容易翻车:把分类变量排成折线、把时间序列画成饼图,数据没错但表达误导——呈现层需要一套「数据形态到图表类型」的映射纪律,拿不准时给两种视角,让读者自己校准。

小结:流水线每一步都在替下游省力——探查喂生成,自愈保执行,校验守语义,附卷托信任。

正确性危机:SQL 跑通了,但语义错了

最危险的错误不是报错,是静默的语义错误——查询成功返回了一个错答案,下游照单全收,还带着图表的权威感。五类高频语义错误与防御如下:

错误类型 典型案例 防御手段
口径错位 「销售额」含不含退款各行其是 指标定义进语义层,单一权威
时间窗错位 自然周与运营周混用 澄清阶段显式确认并回显
维度陷阱 单店额上涨掩盖门店数锐减 结论强制附分母与样本量
连接放大 一对多连接重复计金额 行数对账与关键抽样核对
静默空结果 无数据被当成零增长 空结果必须标注原因

口径、时间窗与维度是三大重灾区。「GMV 增长 20%」可能只是把退款口径改了;「周环比下滑」可能只是周起点定义错位;「A 渠道转化更高」在用户量级悬殊时可能是辛普森悖论的假象。防御思路是把语义检查做成硬闸门:指标口径只许查语义层、时间窗在澄清阶段回显确认、结论模板强制携带分母与样本量。有企业实践观察指出,公开基准上的高分落到真实环境后普遍折价一二十个百分点——折价的大头正是语义错误而非执行错误,这也解释了为什么企业采购开始把「口径治理能力」当成评测项,而不只看演示的流畅度。

流水线全貌如下图:自愈环对付执行错误,校验环对付语义可疑,两环各司其职,共同把「跑通」升级为「可信」。

flowchart LR
  Q["业务问题"] --> C["歧义澄清:口径与时间窗"]
  C --> E["schema 探查与抽样"]
  E --> G["生成 SQL 与代码"]
  G --> X{"执行成功?"}
  X -->|"报错"| F["报错原文回喂修正"]
  F -->|"限三轮"| G
  X -->|"成功"| V["结果合理性校验"]
  V -->|"可疑,重构"| G
  V -->|"通过"| P["图表与结论,附卷"]

还有一类特殊能力值得单独说:承认数据不支持。「华东掉量是因为新竞品上线」这个假设,查完渠道与人群分布后发现数据撑不起来,正确的输出是「假设未获支持,已排除 A 与 B,剩余可能需要埋点数据」——而不是硬编一个故事。这一步恰恰是当前多数产品最弱的:生成模型被训练来给出答案,很少被训练来给出「无答案」。

小结:正确性危机的本质是「执行正确」与「语义正确」之间的断层——语义层、澄清回显、附卷追溯,加上敢说「不支持」的出口,是四道闸。

生态观察:BI 厂商的 Agent 化与数据团队的角色迁移

厂商侧的路线在 2024 年之后快速趋同:主流 BI 平台陆续内置对话式分析入口,形态大同小异——对话框、语义层、看板生成。竞争焦点已从「能不能对话」转移到「口径治理」:谁的指标定义管理更严格、谁的语义层更权威,谁的分析智能体就更可信,因为对话能力迟早商品化,口径资产不会。创业公司则绕开存量看板,直接做「问一句、还一份带图表的分析报告」的长流程形态。两条路线的分野清晰:厂商守工作流存量,创业公司抢自服务分析的增量场景——后者赌的是「大部分业务用户要的是答案,不是看板」。买方视角的变化同样值得记录:企业评测数据智能体时,问题清单从「支持哪些图表」转向「口径错了怎么发现、错了谁负责」,验收重心从演示转向事故演练。

数据团队的角色随之迁移。取数需求被自助化吸收后,团队价值上移:从「人肉 SQL 接口」变成语义层的建设者与智能体结论的质检员,时间花在定义指标、审计可疑结论、处理升级上来的疑难杂症。岗位叙事也在变——分析师的产出从「交报表」变成「维护指标体系与审结论」,听起来像是被替代了,实际是把重复劳动交出去、把判断责任收回来。阻力同样真实:口径定义本质上是权力,「销售额怎么算」背后是考核逻辑,把口径交给语义层等于把解释权交给系统;不少组织在这最后一步磨磨蹭蹭,智能体也因此长期停在「辅助取数」的位置上,进不了决策链。数据栈上游也在跟进:数仓与湖仓平台把语义能力往自家平台里收,语义层从独立产品变成平台内的一个功能位;数据团队选型因此要多问一句——指标定义能不能导出、能不能跨平台迁移,语义资产的可携带性正在成为新的议价点。

小结:BI 的 Agent 化把行业推向「语义层为王」——谁定义口径,谁就是分析智能体的事实标准;数据团队不退场,是换岗。

小结

数据分析智能体的上限,是「统计素养 + 业务理解」的上限,不是模型写 SQL 的上限。给建设者的清单:探查先行、自愈限轮、校验做硬、结论附卷、口径进语义层;给使用者的提醒:把智能体的每个结论当成实习生的报告——敢用,但要抽查分母。十年前难的就不是 SQL,十年后也一样:问对问题、验住数字、说清局限,这三件事被工程化到哪一步,数据分析智能体就成长到哪一步;而「数据不支持」说得出口的那一天,才是它真正可以进决策室的那一天。

← 返回资讯列表

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?