AI 问数生成图表，不能只看“好不好看”

AI 问数经常会带一个看起来很吸引人的能力：

用户问一句话，系统自动生成图表。

但企业真正需要的，不是随机生成一张好看的图，而是生成一张能支撑判断的图。

图表类型要匹配问题

不同业务问题适合不同图表。

看趋势，通常用折线图。

看构成，可能用堆叠柱状图或占比图。

看排名，适合条形图。

看两个指标关系，可以用散点图。

看门店、城市、渠道对比，要考虑是否需要分组、排序和筛选。

如果用户问“最近销售为什么下降”，系统只给一张总销售额折线图，信息通常不够。

它还需要拆解客流、客单、转化、商品结构、渠道或门店。

时间粒度不能随便选

同样是销售趋势，按小时、按天、按周、按月看到的结论可能完全不同。

门店日常经营看小时或天更有意义。

季度经营复盘看周或月更合适。

新品上市初期可能需要按天看冷启动表现。

AI 问数生成图表时，需要结合问题和业务场景选择粒度，并说明使用了什么粒度。

维度不能无限展开

业务数据常常有很多维度：区域、门店、渠道、商品、会员、活动、销售人员。

如果一张图里塞入太多维度，用户反而看不出重点。

好的 AI 问数应该先选择最能解释问题的维度。

例如销售下降，可以先按区域或渠道拆；如果发现某个区域异常，再继续追问到门店或商品。

图表要带解释

企业用户不只是要图。

他们更关心：

• •变化发生在什么时候；
• •哪个维度贡献最大；
• •是否存在异常点；
• •和历史或目标相比差多少；
• •下一步应该看什么。

因此，图表旁边需要自然语言解释，而不是只返回可视化结果。

不能让图表掩盖口径问题

图表越直观，错误口径越容易被误信。

在展示销售额、毛利、ROI、复购率等关键指标时，系统应该能说明指标定义、数据范围和筛选条件。

如果口径不清楚，应该先澄清，或者展示默认口径。

AskTable 的重点

AskTable 生成图表的目标，不是做一个独立的制图工具。

它要把图表放回业务问题里。

用户问经营问题，系统应先理解指标、维度、时间和权限，再生成适合解释问题的图表。

BuildTable 准备 AI 可用的数据模型，AskTable 再把查询、图表、解释和追问组合成一个完整分析过程。

结论

AI 问数生成图表，不能只看视觉效果。

更重要的是图表是否匹配业务问题，是否使用正确口径，是否能解释原因，是否帮助用户继续决策。

这才是企业级 AI 数据可视化的价值。

参考来源

• •Microsoft Power BI：Semantic models in Power BI
• •Databricks：What is AI/BI Genie?
• •Microsoft Fabric：Create a Fabric data agent