指标体系建设的目标，不只是让人能查数。更进一步，它应该让企业的高频分析和执行动作自动跑起来。
当指标口径、维度体系、业务规则、数据模型和权限都稳定之后，AI 就不只是回答“发生了什么”，还可以开始承担一部分重复性经营分析工作。
这就是从 Ask Data 走向 AI 数字员工。
AI 数字员工不是凭空生成的
很多企业谈数字员工时，容易把它想象成一个万能助手。但在真实业务里，数字员工能不能干活，取决于它背后有没有稳定的业务方法论。
会员触达数字员工，需要知道什么叫沉睡会员，什么叫高价值会员，复购周期怎么算，哪些人不适合触达，什么活动适合什么人群。
广告复盘数字员工，需要知道 ROI 怎么算，转化归因看多久，哪些计划是测试计划，哪些异常需要提醒。
门店经营日报数字员工，需要知道门店销售、客流、客单、外卖、自提、堂食、退款、单品动销之间的关系。
这些都来自指标体系和业务语义层。
从问数到执行的路径
第一步，业务人员可以问数。
例如“昨天哪些门店销售下降最多”“哪些商品库存有风险”“本周广告 ROI 哪些计划异常”。
第二步，AI 可以生成分析。
它不只是返回数字，而是结合维度、趋势、对比和业务规则，解释可能原因。
第三步，高频分析被沉淀成 Skill。
例如经营日报 Skill、广告复盘 Skill、库存预警 Skill、会员触达 Skill。
第四步，Skill 组合成数字员工。
数字员工按天、周、月或业务事件自动执行，生成报告、提醒异常、提出动作建议。
第五步，结果持续复盘。
业务团队根据结果修正规则、补充样例、优化阈值，让数字员工越来越贴近企业自己的经营方法。
典型场景
经营日报：每天自动汇总关键指标，识别异常门店、异常渠道、异常商品，并给出追问方向。
广告复盘：按商品、渠道、计划、关键词复盘花费、转化和 ROI，提醒预算浪费或增长机会。
库存预警：结合销量、库存、在途和活动计划，识别缺货、积压和补货优先级。
会员触达：识别可唤醒会员、复购人群和沉睡用户，生成触达名单和内容建议。
活动复盘：活动后自动分析流量、转化、客单、利润、库存和会员增长，沉淀下次策略。
AskTable 如何落地
DigTable 把数据采集回来并建成 AI 友好模型。AskTable 让业务人员在权限范围内问数、分析和沉淀业务知识。AI 数字员工则把高频分析方法和执行动作，变成可复用、可调度、可持续优化的 Skill / Solution。
所以，AI 数字员工不是从模型里凭空长出来的，而是从企业自己的指标体系、语义层和业务经验里蒸馏出来的。