取数排队
业务人员要看数据，得先写成需求给开发，等排期、等写 SQL、等出结果，一轮下来结论已经过期。
PAIN POINTS
这件事难在哪
单位里最贵的一次查询，是“提个需求、排期、等开发写 SQL”。
口径不统一
同一指标在不同报表里含义不同，取数人不知道用哪张表、哪个字段才跟对外口径一致。
取到了也不会用
拿到一堆明细行，还要清洗、聚合、画图、写结论，最后一步往往又回到人工。
HOW IT WORKS
智能体怎么解
把“提数”变成一句话，把“口径”固化成资产。
STEP 01
自然语言理解分析目标
把“想看什么、按什么维度、对比哪个时间段”拆成结构化查询意图。
STEP 02
口径与表结构对齐
把指标映射到统一口径与确定的库表字段，避免“同一指标两个数”。
STEP 03
取数、清洗与建模
自动生成并执行查询，处理缺失、异常与去重，按需做聚合与简单建模。
STEP 04
图表与报告交付
出图表、出结论草稿，附取数口径与执行过程，可复核、可复用。
只读、不外传
通过只读账号访问库表；数据不出内网；查询过程与结果全部留痕。
口径写在资产里
指标定义、常用表、排除规则固化成可维护的口径资产，不靠人记忆。
过程可复核
每个数都能追到执行过的查询与口径，报表数字被质疑时可当场解释。
DELIVERY
部署形态与集成清单
部署形态
内网私有化部署，数据不出域；适配信创数据库与国产化环境； 支持只读账号 + 白名单表的方式接入，最小化数据访问面。
典型集成项
业务库与数据仓库（只读）· 既有报表与 BI 口径 · 数据字典与指标定义 · 统一身份与权限 · 单点登录与操作审计。
同方向的脱敏案例见 案件数据智能分析智能体：自然语言取数到研判报告；更多方向见 客户案例库。
交付流程、验收标准与服务保障见 智能体定制开发。
FAQ
常见问题
它会不会乱查数据、看到不该看的？
不会。按最小必要原则用只读账号接入白名单表，权限与单位既有体系对齐；查询动作与结果全部留痕，可直接审计。
生成的 SQL 是错的怎么办？
查询先经过语法与表字段校验，再在小样本上试跑；结果与口径不符时给出提示并标出可能原因。关键报表可配置“必须人工确认后才发布”。
和现有 BI / 报表系统冲突吗？
不冲突。它是取数与分析的入口层，口径尽量复用既有指标定义，产出可以回到既有报表体系，替代的是“提需求—排期—等开发”这一段。
我们的数据质量不好，影响大吗？
有影响，但可处理：常见缺失、重复、异常值可在清洗层按规则处理，处理规则会写清楚并保留痕迹，不用“看起来对”的结果糊过去。
能接非结构化材料一起分析吗？
能。文本、报告、笔录等可先经抽取与向量化进入语义库，与分析结果做关联，实现“数字 + 文本”一起看。
先说清楚你要解决什么问题
留下场景与部署环境，我们会先判断这件事适不适合用智能体、该用哪一种，再谈怎么做。不合适我们会直说。
电话：021-60766182地址：上海市宝山区振园路125号3号楼903室
