万字拆解！主流BI+AI产品：如何用功能与体验“收拢”不确定性
北京/UI设计师/110天前/930浏览
版权
万字拆解！主流BI+AI产品：如何用功能与体验“收拢”不确定性
拆解帆软、阿里、网易、腾讯等产品，是如何构建可信AI分析体验。
全文1w+字，建议先收藏哦～
👋嗨，我是范米花儿，好久不见。先说说为什么写这篇文章？前几天有小伙伴来咨询我BI作品集，其中提到希望在作品集内展示ChatBI可信度相关的内容。所以我提出了几个疑问，从设计角度你打算如何讲？结果是否可信真的是设计师能决定的吗？细究起来，现在的工具真的有完全可信的吗？当然，AI该放还是要放，现在作品集里确实要加AI才有竞争力，但别去负责技术结果，多讲讲设计过程。那么从这个角度要如何去讲，如何把不确定性，落地到每一个界面、体验细节上。所以就想借着这个思路，去梳理一篇BI+AI产品文章。开始吧～
本文大纲
图片由NoteBook LLM 生成
现在各行各业都在加速渗透AI，但在BI领域 “一直赶鸭子上架”，落地到企业里很难成为真正的“日常入口”。
其实最底层的原因是：企业的数据世界并不具备“可自然、对等沟通的条件”。
常见于指标命名不统一、数据资产分散、维度层级不一致、权限与数据范围复杂……提问者说的是“业务语言”，系统需要理解并执行的是“数据语言”。
所以很多 ChatBI 呈现出一种典型状态——看起来能聊，但聊着聊着就发现：
聊不稳、聊不准。
当然，近 1–2 年技术路线也在不断进化：从 Text-to-SQL 逐步走向“先对齐语义再取数”，通过语义/指标层 Text-to-Metric、Text-to-DSL 降低歧义，再配合 RAG 知识库与工具调用/Agent 工作流把查询与校验串成链路，减少幻觉。
那么为什么会聊崩呢？
ChatBI 往往不是“某一次算错了”才失败，而是
用户在交互过程中逐渐“信任滑坡”（持续暴露的不确定性）。
本篇文章不展开技术细节（我也讲不明白），想从产品与交互视角盘点：各家 BI+AI 产品是如何用功能与交互把不确定性收拢成“可用体验”的。
本文会从
AI 在 BI 的三种落地形态
讲起，再拆解常见产品如何做
入口分层与用户目标匹配
，最后沿着
用户旅程把“交互引导—过程透明—结果可信—探索复用—沉淀治理”
这一整套串起来。
还有哦～ 为了让大家不局限于本文，能更系统的学习和了解，在文章的附件，我总结了3样内容:
常见产品及资料、产品界面截图（花瓣链接）、ChatBI相关的文章（Ima知识库链接）
AI 在 BI 的三种落地形态
在讲三种落地形态前，想先补一个现实前提：
企业的底座能力会直接决定 AI 落地能做到什么深度。
如果有完整的数据与 BI 底座，会具备做独立分析入口/平台的能力，支持从选域到验证再到沉淀；如果底座较薄或只是局部业务场景，但又想加AI，更务实的方式是做嵌入式（图表/看板就地解读），把上下文锁在当前范围内降低歧义。
形态 1：图表级「洞察摘要」
范围与目标 ：单图范围 + 一次性总结
适用场景 ：
- 单张图的查询范围是明确的
- 目标是提升“看懂图”的效率，而不是做深度分析协作
- 场景更偏轻量：日报看板、运营概览、管理驾驶舱
怎么落到界面里 ：
入口按钮 ：
图表工具栏 / 右键 / 异常点旁
容器 ：
浮层 / 侧边小卡，重点是“不打断”
结构化内容 ：
故事线通常固定为四段
- 结论（发生了什么）
- 证据（对应图上哪段/哪几个值）
- 解释（可能原因）
- 建议（下一步看什么）
常见构成元素/组件 ：
- 「智能分析/AI解读」按钮
- 「概要模式/详细模式」切换（可选）
- 「引用范围」提示
- 「复制/插入到报告」动作按钮
- 「反馈/评价」按钮+ 原因输入框
- 「内容由AI 生成说明」提示说明
形态 2：嵌入式「解读助手」
范围与目标 ：可选范围 + 多轮对话
适用场景 ：
- 页面有可读的“上下文”，全局筛选器、页面状态等，系统能继承并锁定这些范围
- 用户需要跨图综合判断，把多张图串成一段结论（汇报/复盘/诊断/归因）
- 需要多一步操作：先“选范围”，再“解读”，再围绕同一范围追问
怎么落到界面里 ：
入口 ：
看板右上角/工具栏、图表卡片触发+侧边栏补充勾选
容器 ：
常驻侧边栏、浮层弹窗
界面构成 ：
范围与状态区 ：
- 解读范围选择：本图 / 多图 / 全看板
- 已选组件管理：已选数量 + 勾选清单
- 引用范围：时间/筛选/口径版本
- 刷新状态：数据变更提示、更新时间
解读结果区 ：
- 结构化内容：思维链-结论-证据-解释-建议
- 证据锚点按钮：定位图表 / 查看原表/ 查看口径
- 复用动作：复制 / 插入到报告
交互输入区 ：
- 解读方式：一键解读、用户自由输入、智能补全等
- 问题建议：做对比、看趋势等快捷方式（点击即填入输入框或直接发起）
- 对话输入框：追问、补充条件、引用组件等
说明与反馈区 ：AI说明、反馈按钮等
形态 3：独立对话分析
范围与目标 ：独立页/独立产品，从“提问”到“交付物”的完整闭环
适用场景 ：
- 需要从零启动分析任务：不仅解读既有看板，也可以从“选数据域/指标”开始探索
- 需要更深的协作与编排：澄清、拆解、归因、对比、验证，可能要走多步
- 需要输出“可交付物”：报告/看板/多组件，而不是一次性的摘要
- 企业级要求更高：口径可控、权限可解释、血缘可追溯、过程可审计
现实前提 ：这一形态通常需要更强的“数据与 BI 底座”（语义层/指标层、治理、权限等）
怎么落到界面里 ：
不同厂商细节上有差异，但也可以收敛成三大模块：
选域与控制 ：
数据域/数据集选择、指标与维度面板、常用口径与筛选
对话与展示 ：
- 对话不只输出文本，也会输出：图表、表格、步骤卡、待确认项
- 回答结果结构化/卡片化、分析步骤透明、支持中途插入“澄清/改口径/改范围”
验证与资产 ：
- 承载可信度证据链：引用范围、口径、SQL/计算过程、血缘、明细
- 同时承载沉淀入口：保存为模板、生成报告、知识库录入
入口分层与用户目标匹配
针对用户目标的不同，有的人只是想直接问数拿结果，有的人是想完成一类任务（解读看板、做诊断、写汇报），也有人需要更可控的分析方式。
所以通常 BI+AI 产品，会在最开始做“入口分层”，常见做法基本可以归纳为三种：按响应速度、按主路径+辅助功能、按任务矩阵
方式1：按「响应速度/模型类型」分层
极速 / 智能模式
适用场景 ：
- 极速：问题相对明确，只想更快拿到结果
- 智能：问题模糊，希望系统主动把问题改写、补全条件、再去取数
这类切换在通用 AI 对话工具里也很常见，本质是“速度 vs 能力”的预期管理。
分层背后能解决什么 ：
- 用户侧：给使用者一个等待时长与结果准确性的预期
- 产品侧：方便做模型与链路的分配，把性能与成本控在入口
怎么落到界面里 ：
- 模式切换：极速 / 智能，以标签页或下拉菜单形式存在
- Tooltip注释：直接告诉用户差异
- 模式记忆：记住用户上次选择
- 等待反馈：不同模式用不同 loading 文案（例如“快速出数中 / 正在补全条件与校验中”）
方式2：按「主对话 + 辅助能力」分层
主对话路径 + 场景化快捷能力
始终围绕同一个输入框对话推进（问一句 → 得到结果/追问 → 再收敛）。同时在这条主路径旁边，提供场景化的快捷按钮（例如：智能问数、生成报告、生成仪表盘/看板、问思路/分析框架、收藏夹等）。
适用场景 ：
- 问题还不够清晰：先用对话把问题聊清楚、范围收敛，再决定要不要产出报告/看板。
- 对话要能随时“落盘”：聊到一半结论成型，需要一键变成可复用的交付物。
- 平台本身有 BI 底座：生成报告/看板往往会跳转回原 BI 编辑与发布链路继续加工。
分层背后能解决什么 ：
- 用户侧：降低启动压力，允许先用对话快速探索，收敛后，再决定是否把成果落盘。
- 产品侧：把一次对话“收敛成受控输出”，同时把“复杂编辑/沉淀”的活交回 BI 平台，规避在 AI 对话里实现全流程。
怎么落到界面里 ：
输入区+快捷按钮 ：
- 快捷按钮：可点击标签/按钮（智能问数 / 生成报告等）；选中后高亮，支持取消/切换。
- 输入框内嵌：内部嵌入小按钮（如“问思路”），悬停 Tooltip 解释用途。
- 输入引导联动：placeholder、示例问题/快捷补全等，随选项变化。
结果区：
内容结构化展示
- 问数：关键数 + 对应口径/范围摘要 + 明细入口
- 问思路：分析思路建议/示例图表/推荐问题
- 报告：摘要/引用位/行动建议等
沉淀模块 ：
- 收藏：按钮形态，点击后结果被收进收藏夹/BI素材区；页面给“已收藏”状态 + “去收藏夹”入口。
- 生成仪表盘：出现“范围/组件勾选”弹窗或页面，确认后跳转。
BI页面：
跳到原BI编辑器
方式3：按「任务矩阵」分层
智能体矩阵入口（问数/解读/报告/搭建/搜索等）
这种方式很常见，直接把 AI 能力拆成一组入口
，
先选任务，再进入对应的受控流程，而不是一个输入框“自由发挥”。本质上是
把不同目标对应到不同交付物。
比如Quick BI，智能小Q把能力拆成多个入口（问数/解读/报告/搭建/搜索等），同时也支持意图识别自动路由到合适 Agent。
适用场景 ：
用户与场景目标明确：
业务用户/管理者等，打开产品具备明确目的（解读当前看板、写周报、确认异常），比起自由提问，更适合点选任务入口直接开始。
交付物需要标准化：
- 问数：结果卡片（带指标、口径、范围）
- 解读：洞察卡片（结论 + 证据 + 建议）
- 报告：汇报骨架（标题、要点、图表引用位）
- 搭建：看板草稿（可继续编辑的组件结构）
分层背后能解决什么 ：
- 用户侧：先看到“平台能提供什么功能”，再选择“这次要完成什么任务”，对结果形态与使用方式有预期
- 产品侧：不同任务可以绑定不同的工具链路与成本策略（取数/解读/报告/排版/搭建），把不确定性前置收口，体验更稳也更可控。
怎么落到界面里：以智能小Q为例
统一首页入口 + 导航直达 ：
- 统一入口页：进入 AI 后先给一屏可点选的任务入口（问数/解读/报告/搭建/搜索…）+ 示例卡片，让新手先“点任务再开始”。
- 导航直达：侧边栏/顶栏提供“直接进入某个智能体”的入口（比如直接进报告、搭建），熟练或目标明确用户可跳过主页。
模式选择联动输入 ：
顶部用 Tab表达“当前工作方式”：
- 未选中 = 自动识别/智能路由（默认主路径）
- 已选中某智能体 = 指定任务（进入受控链路）
指定后输入区随之联动：
- 输入框 placeholder 、提示文案、示例问题/推荐提示词，换成该任务的提问语境
- 输入形态从“自由提问”变成“带引导的填空式/半结构化输入”
- 可出现任务相关的附加控件（引用范围、数据源、模板/风格等）
结果区标识来源 ：
- 针对未选中，每条输出在标题/角标标识由哪个智能体产出（问数/ 解读 / 报告等）
保留二次切换：
追问时可“改用别的能力”
- 在输入框附近保留轻量切换（下拉/按钮形式）
补充：提供「手动兜底」通道
有些产品会在 Chat 主路径里加一个“兜底动作”：当某些任务用配置化交互更快捷，则用户不需要退出对话回到配置区，而是在对话页内直接发起手动查询。
举例 ：DeepInsight
按照用户旅程（任务启动→过程执行→结果交付→反馈与沉淀），逐个展开产品方案：
本文方案拆解仅覆盖AI 问答体验，不展开 BI 侧的数据建模/语义层、知识库配置、权限与模型配置等前置工作。
任务启动
为了解决用户在启动分析时“不知问什么、如何准确表达”的初始迷茫与意图模糊，通过引导、模板和智能联想等功能，前置收拢问题范围，降低启动门槛。
1.推荐问题
用于在首页提供“可直接点击发起”的示例问题，帮助用户快速开始第一次有效提问，降低门槛。
常见构成元素 ：
模块标题：
推荐提问 / 快捷提问等
推荐项主标题：
通常只展示一句话，可以分为2种类型：
- 问题句：如“2024年销售额Top5的门店”
- 任务句：如“写大促分析报告”
意图标签：
- 分析范式类：对比/趋势/排名/占比等
- 任务类：问数/报告/搭建等
补充说明：
针对主标题的解释，尤其针对任务型文案
刷新操作：
换一换/换一批
轻提示：
省略文字悬停显示、箭头指引
交互 ：
点击推荐条目：
- 直接执行：点击后立刻发送并开始生成结果
- 填入输入框：点击后先填充到输入框，用户可改再发送
点击换一换：
点击后刷新一组推荐项
内容从哪来：内置通用题库、知识库配置
2.提示词模版
前置“可直接套用的提示词骨架/模板”，帮助用户把需求说清楚，从而提升结果准确性并降低试错成本。
核心内容 ：
- 指令示例：一段可复制/可一键填充的模板指令
- 模板分类（可选）：当模板示例较多时，可按任务类型做一层分组，便于用户快速查找，每个分类下提供若干条可直接填充的模板指令
常见出现方式 ：
- 输入框内提示/展开选择：输入框里提供“选择模板/使用示例”的入口，点开后在输入区内切换某类模板
- 输入框旁示例卡片：输入框旁边展示少量示例（文字/小卡片），可复制或一键填充
- 模板库/指令中心：在复杂任务（如搭建看板）中提供多种分类的提示模版合集
交互 ：
- 直接触发：用户点击某个模板指令后，系统直接发起任务并生成结果
- 可修改后发送：点击模板指令后，系统先把内容填充到输入框，确认/修改后再发送
填充后的呈现结果通常有两种：
- 文本填充：模板以一段文字进入输入框，用户通过普通文本编辑修改。
- 槽位化填充：模板以“结构化槽位/标签”的方式呈现（如时间、指标、维度等可点击编辑），用户通过点选方式修改关键参数，再发送。
3.输入联想
当用户在输入框输入内容时，系统实时给出可点击的候选项，帮助用户更快完成表达，并减少歧义。
常见构成元素 ：
下拉菜单：
紧贴输入框展示候选列表（通常3-5条），随输入实时刷新
候选内容：
- 文本：整句关联建议（问题句/指令句）
- 槽位类型：结构化候选（字段/指标/维度等），点击后以“词槽片段”插入输入框
类型标识（可选）：
用标签/图标区分候选类型
交互 ：
- 输入过程反馈：随用户输入实时更新，对候选项中与输入匹配的部分进行命中高亮
- 选择候选后的行为：直接发起请求并生成结果，或者填充后可修改（纯文本/词槽片段）编辑后再发送
4.字段引导与槽位补全
基于用户已选数据集，预先提示“可用的分析指标/维度”，同时直接点选或者在输入过程中将命中的字段以“槽位”形式插入输入框，降低表达成本并提升可执行性。
常见构成元素 ：
- 数据集上下文提示：已选数据/当前数据表，可点击查看明细
- 可用字段提示区（字段引导）：在输入框顶部/内部展示可用的关键指标与分析维度标签
- 槽位化插入内容：当插入字段后，在输入框内以标签片段呈现
交互 ：
- 点击插入：点击字段标签直接插入当前光标位置，可以继续补充自然语言
- 输入补全：输入内容时自动匹配“槽位片段”（与上一条输入联想一致）
- 槽位解释：支持 hover 查看详情，当前词/字段类型/来源表等
5.继续追问（多轮问答）
先说为什么我把它放在启动阶段？ 追问虽然发生在已有结果之后，但它本质是基于已生成内容，再次发起一个新问题/新任务，所以也算是“二次启动”吧～
补充---与普通对话提问的区别：
这里其实可以类比 通用 AI 对话里的“直接提问”与“引用提问”
前者只依赖当前会话与用户输入，后者会显式绑定某一段已生成内容作为上下文，从而让追问更聚焦。
常见构成元素 ：
追问提示列表：
一组可点击的示例（与推荐问题类似），可支持“换一换”
追问模式开关/按钮：
提示当前是否处于追问模式，及退出入口
引用状态（两个位置）：
- 输入区引用条：在输入框内/上方展示“本次提问引用的上下文”
- 用户消息引用标记：在用户发送的气泡上方/内部“引用了哪段内容”
交互 ：
结束追问的两种方式：
模式退出：关闭追问模式
- 关闭按钮式：在追问模式提示条，点击“×”，一键退出追问模式
- 切换按钮式：以“开启/关闭”作为同一按钮的状态切换
清除引用：
在输入框的引用条上点击“×” → 解除当前引用对象，再发送即视为普通提问
过程执行
为了消除AI分析过程的“黑盒”感，缓解用户等待时的焦虑和对过程失控的担忧，通过展示思维链、主动澄清歧义、预确认大纲等方式，将执行过程透明化、可控化。
1.思维链展示
把“AI如何理解意图、如何取数、怎么得到结果”用可读的步骤呈现出来，降低黑盒感。
常见出现方式 ：
卡片内联展示 ：
过程信息直接出现在回答卡片内部，通常与“思考中/执行中”状态一起出现。
适用：步骤较少、信息较轻（总结性文案）、或者长段文字不分步骤，希望用户在同一阅读流里“边等边看”。
独立容器承载 ：
回答卡片只给一个入口（“查看分析过程”），点击在右侧面板或弹窗里呈现完整过程
适用：呈现完整过程，信息密度更高、可承载更多轻量操作。
常见构成元素 ：
各家展示的内容细节会因“任务类型（问数/报表/搭建）”与“厂商透明策略”不同而变化，但结构通常收敛到以下通用形态：
头部标题 ：
- 状态反馈：思考中/取数中/已完成等
- 标题/当前步骤名（可选）：有的产品完全不写标题，只显示“正在思考”；有的会显示“分析过程/执行过程/本次查询”等小标题。
- 交互按钮：折叠/展开图标
过程步骤列表（核心） ：
以“步骤块/步骤条”组织，附带（耗时/阶段数），常见步骤颗粒度包括：
- 意图识别 / 问题理解
- 数据源确认 / 表选择 / 权限校验
- 取数（SQL 生成与执行）
- 聚合计算 / 指标口径处理
- 初步结论 / 结果生成
步骤详情区 ：
每个步骤的介绍信息，通常是可读的业务动作，而非技术术语（但也可能混合呈现 SQL、字段等技术细节）。
呈现方式常见两种：
- 步骤清单 + 下拉详情（每一步点开看细节）
- 步骤条+详情全展开（从上到下完整铺开）
交互 ：
展开 / 折叠：
流式输出时保持可见，完成后收敛为摘要态呈现，用户可手动展开详情。独立承载则不会自动收起，用户可手动控制，同时支持容器本身收起展开。
轻操作：
- 复制类：复制 SQL / 复制某一步文本 / 复制结论摘要
- 查看类：查看引用的数据表/数据源
- 导出类：导出取数结果等
- 结果视图切换：有些过程面板内可直接查看取数结果，并在表格/图表等视图间切换
过程中的人机协作：
当系统在过程里发现歧义/缺参/多解时，会出现歧义澄清面板（见下一条）
2.歧义澄清
通常用于处理输入存在“不确定/不完整/多解”的情况，需要用户二次确认，以换取结果准确性（避免错查/幻觉）。
补充---简单举例3类触发条件：
不同厂商实现方式不一（可能是评分、候选差异、规则判断等），但触发逻辑大体一致：
- 歧义：同一句里某个词可映射多个字段
- 缺参：关键约束缺失（时间范围、筛选条件、分析对象等）
- 多解：有多条可执行路径且影响结果
常见出现方式 ：
- 过程内澄清（拦截式） ：在思维链中插入澄清面板：先确认→再继续执行。
- 结果后澄清 ：先渲染“默认解释”的结果，同时在结果区给一个轻提示入口（如“1 个字段待确认”），用户展开面板确认后，结果刷新。
常见构成元素 ：
触发提示：
如“意图澄清/字段待确认”
澄清问题区（核心）：
- 是/否确认：以切换/按钮组呈现，用户通过“是/否”对一条确认问句做快速确认。
- 候选选择：以下拉选择呈现，用户从候选项中选定一个作为最终映射/口径。
- 补充输入：以输入框呈现，用户补充必要信息后再继续执行。
操作按钮：
确认 / 提交 / 跳过。
记忆按钮：
如“确认并记住我的选择”，用于减少下次重复澄清。
交互 ：
- 确认：选定映射/补齐信息后提交，系统按用户的映射结果继续执行后续步骤
- 跳过：过程内不做澄清，系统给出关键词“暂无明确xxx，最相近xxx”，然后继续输出结果。
- 关闭：用户关闭澄清面板，表示暂不处理，仍然显示“字段待确认”，系统保持当前默认结果不变。
3.内容预确认
在正式生成长内容前（比如智能报告），先把结构大纲给用户确认，减少跑偏与返工成本。
常见构成元素 ：
- 预确认内容区：报告大纲/执行计划等概要文案
- 动作按钮：修改/确定
- 修改输入区：当前页面底部输入框
- 状态标记：如“已修改”等轻量标识
交互 ：
- 确定：系统按当前概要继续生成完整内容
- 修改：底部输入框显示“修改执行计划”；用户在输入框内补充修改意见并发送，系统重新输出概要，再次显示动作按钮
- 修改结果反馈：概要卡片上出现“已修改”等标记
结果交付
为了确保交付的结果可信、可验、可用，而不仅仅是给出一个数字或图表，通过提供溯源、交互探索、视图切换和下钻等能力，赋予用户验证、理解和深度探索结果的控制权。
1.查询溯源（SQL）
在结果已生成后，支持技术用户查看结果背后的取数逻辑与执行依据，快速复核字段口径。
针对非技术用户，很多产品会在「思维链和SQL弹窗内」用业务语言简述
常见构成元素 ：
- 入口按钮：SQL 图标（Tooltip：查看取数逻辑）
- 承载容器：点击后在独立容器展示（小弹窗 / 底部面板 / 侧栏抽屉等）
- 容器标题区：如「AI取数过程 / 查询溯源」
- 视图切换：业务逻辑/执行 SQL
- 说明区：一段简短说明本次取数口径/过滤条件摘要
- SQL 代码区（核心）：以代码块形式展示取数逻辑
- 操作区：复制、全屏、导出等
2.规则调整（二次筛选）
将 AI 的默认口径外露为编辑的筛选槽位，用户既能快速校准结果，也能在当前结果上直接改条件继续探索，避免二次对话交互。
常见构成元素 ：
规则槽位：
以“槽位化”的方式展示并承载可编辑规则，常见包括：
- 筛选条件槽位：时间范围、条件字段
- 指标槽位：指标名 + 聚合口径
- 分组槽位：维度/粒度
选择控件：
槽位的下拉菜单（单选、多选、级联选择等）
结果联动提示：
规则变更后，结果区域出现已更新提示
交互 ：
- 修改槽位：点击槽位，展开下拉修改，确认选择后自动刷新结果。
- 删除槽位：槽位支持一键移除，移除后同样自动刷新
- 刷新与结果反馈：刷新过程中展示轻量加载态；刷新完成后结果会直接更新替换。若条件导致无数据/不可用，给出“无结果/错误提示”。
简单补充---槽位由字段类型决定，常见示例如下：
时间槽位：
- 时间范围：单一时间、起止时间、相对时间（本年、最近N天）
- 时间粒度：年 / 季 / 月 / 周 / 日
指标槽位：
- 指标替换：可用指标列表里切换（如：销售额 ↔ 利润 ↔ 订单数）
- 聚合方式：求和 / 均值 / 计数 / 最大 / 最小等
- 派生口径（可选）：累计/当期、同比/环比等
维度/分组槽位：
- 分组字段替换：可用维度列表里切换（如：门店 ↔ 部门 ↔ 区域）
- 层级/粒度：如 区域→省→市，品类→子品类
条件（操作符）槽位：
是/等于/大于/小于等
3.视图切换
支持结果在表格/不同图表类型之间一键切换，利用不同视觉编码，让用户能从同一结论延伸出更多观察角度。
常见构成元素 ：
切换入口（两种常见形态）：
- 标签栏：表格/图表等以 Tab 直接平铺
- 下拉菜单：点开弹出选择面板（网格图标）
视图候选列表：
- 图标 + 名称（如柱图/折线/饼图/散点/排行榜/指标卡…）
- 可做简单分组、补充图表使用说明等
交互 ：
- 点击切换：选中态高亮，结果卡片自动更新
- 禁用处理：该数据不支持的图表类型保持禁用（或不显示）
- 联动更新：当用户里做了二次筛选后，重新判断是否可切换某图表类型
- 刷新反馈：loading / 骨架屏，若渲染失败，则给出轻提示
4.下钻探索
允许用户把结果继续拆到更细粒度/明细去分析，让探索变成连续路径，避免多次交互询问。
常见构成元素 ：
能力标识（可下钻提示）：
图表工具栏的「下钻」入口
触发入口：
数据图形右键，出现「数据钻取」菜单
下钻方向选择（可选）：
当存在多个可拆分维度/层级时，提供一个选择面板：时间、维度等
承载容器：
- 原位下钻：直接在原图表区域刷新成下一层
- 弹窗/侧栏下钻：在弹窗/侧栏展示钻取结果
路径提示：
面包屑显示当前钻取层级，支持返回
交互 ：
- 未开启 → 已开启：点击「下钻」进入可钻取状态，图标高亮
- 已开启 → 钻取中：右键数据点触发钻取；若存在多层级/多维度，先选择钻取方向再进入下一层
- 钻取中 → 退出：通过面包屑/返回按钮，回到上一层/初始结果
- 已开启 → 未开启：再次点击「下钻」按钮，退出可钻取状态
5.结构化展示
支持把单点结论，扩展为“结论 + 证据 + 异常”等结构化信息，增加结果的可解释性。
常见构成元素 ：
- 主结果区（图 / 表）：
本次问题的核心结果，通常以指标卡/图表/表格等形式展示
- 数据总结：
一段/多段文字总结，对关键数值做概括（总和/均值/最高最低等）
- 异常提示：
对结果中的异常点或显著变化进行标记与归纳（如离群点、突增/突降、波动区间等）
- 追问提示：
提供继续追问入口，引导用户基于当前结论继续展开分析与验证
- 多块结果（多组件联合输出）：
如果用户在单个提问中明确要求“图表 + 总结”等多个交付项时，系统可按模块，分块输出多个结果组件
6.趋势预测
在已有趋势结果上，支持生成未来若干周期的预测段，帮助用户做辅助分析决策。
常见构成元素 ：
能力入口：
图表工具栏显示「预测走势」文字/图标按钮
预测呈现方式（两种常见形态）：
- 原位叠加：在原趋势图上直接刷新
- 弹窗承载：单独打开预测视图
预测图表：
- 颜色区分：预测段使用不同颜色、透明度区分
- 样式区分：常见为线条（虚线/点划线）、柱形图（半透明/纹理填充）等
- 图例区分：拆分为“实际”与“预测”两个系列
预测范围控制：
- 预测区间：预测未来 N 天/周/月（步进器/滑杆）
- 更新预测按钮：基于当前区间重新计算
不确定性提示与解释：
- 提示条/说明：强调“预测数据与真实数据存在差异”
- 预测结论摘要：给出预测区间、预测值范围等一句话总结
交互 ：
- 触发：点击图表工具栏「趋势预测」入口，按钮高亮，同时图表出现预测段图形
- 查看：图表数据点悬停时，Tooltip 显示带“预测”标识的字段信息
- 调整：如果支持调节周期，用户调整后，系统自动触发更新
- 退出：用户再次点击入口关闭预测，图表恢复仅展示真实数据结果解读
7.结果解读
在已有查询结果基础上，提供「结果解读」能力，将图表/表格转成更丰富的结构化文字洞察与要点总结，同时支持导出和加入工作流。
常见构成/解读框架 ：
- 关键结论摘要：1–3 条最重要的发现
- 支撑证据：对应结论的关键指标值，对比/趋势统计等
- 异常与关注点：指出离群点、波动异常等，并写明“发生在哪、影响多大”
- 解释线索/可能原因：围绕异常点或关键变化，给出基于现有数据的可能成因解释
- 建议与分析方向：将洞察转化为可继续探索的追问方向或行动建议
- 附带操作按钮：复制、导出、加入报告等（下一部分讲）
结果反馈与沉淀
为了解决一次性对话无法积累价值、分析过程无法复用的断点问题，通过评价、导出、加入工作流和沉淀为知识等功能，将单次分析成果转化为可协作、可复用的组织资产。
1.评价反馈
在结果下方提供「赞 / 踩」的轻量反馈入口，用于收集用户对结果的主观反馈。
常见构成元素 ：
- 赞/踩按钮：置于结果卡片底部工具区
- 点踩原因弹窗：补充说明输入框
2.导出分享
在对话分析结果上，提供「导出/分享」能力，将当前图表、结论与明细数据一键带出到外部协作。
常见构成元素 ：
- 入口位置：结果工具栏的「导出/分享」按钮，或更多按钮中的下拉菜单项
- 输出对象：默认“当前看到的结果”，并同时附带对应的数据表，权限继承当前结果
- 输出格式：随内容自适配（如 Excel/CSV/图片/PDF等），部分产品会弹窗让用户二次选择格式
- 分享方式：提供复制链接/二维码等轻量方式，可设置公开或私密
3.加入工作流
在对话生成结果的基础上，提供「加入报告 / 生成仪表盘 / 引用到文档」等入口，把一次性回答快速沉淀为可编辑、可复用的分析资产。
典型落地形态举例 ：
- 复制到报告：比如网易，将本次结果作为一个报告模块复制，确认后跳转到报告编辑器继续二次编辑
生成仪表盘：
比如帆软，在多图结果中勾选需要的图表，一键生成仪表盘草稿，跳转到仪表盘搭建页调整布局与筛选
报告引用组件：
比如智能小Q，在分析报告中通过“引用资源”插入已生成图表，默认动态引用
补充---动态引用 vs 静态快照 ：
- 动态引用：会保留“图表 = 某套参数”的关联，后续数据更新时可刷新同步
- 静态快照：固定为当时的图与数，常用于版本归档，不会随数据波动
常见构成元素与交互 ：
入口：
通常以文字按钮或更多按钮内聚合，统一出现在工具栏内
选择与确认：
- 勾选对象：选择本次对话产出的哪些图表/模块要沉淀
- 保存信息：名称、保存位置/目录（有的平台直接默认）
- 确认动作：确定后执行“复制/生成/插入/跳转”
承载方式：
- 跳转式：创建后跳转到BI编辑器
- 插入式：在当前报告中直接插入引用的组件
更新策略说明：
轻量文字提示，默认为动态引用，支持解绑等
4.沉淀为知识
作为补充介绍，不展开讲，可以参考附录知识库的文章
沉淀通常为自动发生，如「歧义澄清」部分，点击「记住我的选择」，确认结果自动转化为结构化知识。
生成可复用的“语义映射规则”，后续解析优先命中该映射，从而减少重复澄清、提升解析稳定性与一致性。
用户只需在必要时查看/编辑，而不是每次都手动配置规则。
附录
见附件PDF最后附录
包含：相关产品及官方资料、产品截图（花瓣链接）、相关文章（Ima知识库）
25
24
Share
相关推荐
in to comment
Add emoji
喜欢TA的作品吗？喜欢就快来夸夸TA吧！
推荐素材
You may like
相关收藏夹
Log in
25Log in and synchronize recommended records
24Log in and add to My Favorites
评论Log in and comment your thoughts
分享Share
1