用 AI 让业务同学用大白话问数据：不用苦等研发排期
这事儿本质是把人话翻成查询
咱先把底细说透：所谓大白话问数据，背后是让模型把你那句「东北区上个月卖得咋样」翻成数据库能懂的查询语句，再跑出数来。这技术圈里叫 text-to-SQL，不是啥新花样，早些年就有，只是这两年模型够聪明了才真能用。我当年做报表系统，最头疼的就是业务一句需求，研发得花半天写对语句。现在这层翻译活儿能交给模型，业务自己就能探数据。但记住，它干的是翻译，不是替你做业务决定，这分工得拎清。
先把表结构喂给它才不乱
模型不是你肚子里的蛔虫，它不知道你库里哪个字段叫「地区」、哪个叫「大区」。所以动手前，把相关表的结构——表名、字段名、大概含义——一并发给它，等于给它一份地图。我踩过的坑：没给结构，它凭空编了个叫「region_name」的字段，跑出来空空如也，查半天白忙。给全了地图，它才找得对路。这跟新人接手项目得先给他看数据库设计文档一个道理，原料给足，后面少返工。省这步必吃亏，老炮都先铺底。
只让查，别让它动你的库
这是保命的一条：明令模型「只允许查询，绝不允许删除、修改、插入任何数据」。你可不想到头来它热心肠地帮你「整理」了张表。正经的工具也会在权限层把写操作卡死，但指令上再压一道更稳妥。我管数据那会儿，业务账号连写权限都没有，物理上就动不了。模型和人都一样，能干的活儿给够，危险的差事一律别开口子。这道闸不关，出事就是大事，谁也兜不住。
出来的数你得能复核
模型给的结果，别看它写得挺像那么回事就信。让它把生成的查询语句也一并返回，你或者研发瞄一眼，确认它没理解歪。我习惯对关键数字再手动验一次：比如总数对不对得上、时间范围是不是你要的那个月。它偶尔会把「上个月」理解成自然月还是滚动月，这种歧义最坑人。工具是会计，你是审计，结论你拍板前先对账。省这道核对，迟早被一个错数带进沟里，那才真憋屈。
权限和脱敏别马虎
业务同学能自助查数挺好，但哪些表他能看、哪些列得脱敏，得提前在系统层定死。比如工资、手机号这类，物理上就不该出现在他的查询结果里。我见过图省事全放开，结果敏感字段被人随手导出去，捅出过不大不小的娄子。AI 再聪明也替你守不了这道边界，得你在上游把权限画清楚。技术帮你把效率提上来，合规这根线却只能人来把。别等出了事才想起来补，那时候迟了。
老炮的几点实在话
收尾几条。第一，复杂指标（像留存率、同比环比）最好让模型调用你已验证过的口径，别让它现场发明公式，发明的十有八九不对。第二，问法越具体结果越准，「卖得咋样」不如「按地区汇总上月销售额前三」。第三，公网模型别喂真实业务数据，涉密就走本地或企业版。工具把研发的排期压力卸了，但「这数能不能信、该不该对外」那下判断，还得是你这双老眼。别把脑子外包，那才悬。
