Quick BI AIPro 用户试用指南

3.1 准备数据

选择 1~2 张您团队最常用的核心数据表上传，例如：

• 销售明细表（含日期、地区、品类、销售额、利润等字段）

• 广告投放表（含渠道、花费、曝光、点击、转化等字段）

• 订单明细表（含订单号、客户、商品、金额、时间等字段）

建议优先选择：字段完整、有日期维度、有分类维度的单表数据。

3.2 上传并启用数据体验 skill

重要提示（请留意）：用于生成推荐测试问题的「数据体验 skill」需要您手动上传并启用到您的 AIPro境中，上传后才能使用。请在数据准备完成后，下载skill压缩包进行上传，上传成功后再进行下一步。

• 创建技能方案：我的技能

• 技能压缩包：data-quickstart-v2.zip

3.3 获取推荐测试问题

数据体验 skill 启用后，上传数据，AIPro 会自动分析数据结构，并为您生成 10 个推荐测试问题，覆盖从简单查询到复杂归因的 5 个难度梯度：

3.4 跑通第一个问题

从 L1/L2 的问题开始，用自然语言向 AIPro 提问，验证回答是否准确。

提问示例：

• 2024 年各季度销售金额分别是多少？

• 哪个商品类别的利润率最高？

验证标准：AI 回答的数据口径、单位、时间范围是否与您的理解一致。

本阶段目标

• 核心数据表已准备完成

• 数据体验 skill 已上传并启用

• 已获取 10 个推荐测试问题

4.1 邀请业务同事参与

每个业务线邀请 1~2 位最熟悉日常数据的同事作为「试用种子用户」，例如：

• 销售运营：负责日报、周报、区域业绩分析

• 市场推广：负责投放效果、渠道 ROI 分析

• 供应链/商品：负责库存、周转、品类分析

4.2 带入真实工作流

把日常工作中真实需要问数、做表、写报告的场景搬上 AIPro，例如：

• 每周一上午的销售周报数据准备

• 每月末的渠道 ROI 复盘

• 大促后的品类销售归因

建议做法：

1. 先让业务同事尝试用自然语言提问，替代原本手工拉数的过程。

2. 对比 AIPro 回答与原有方式的结果，确认准确性。

3. 记录哪些场景可以稳定使用，哪些问题还需要优化。

4.3 常见问题参考

根据第一阶段的数据特征，推荐以下几类业务问题：

• 「本周各战区销售额达成率如何？」

• 「上个月各渠道投放 ROI 排名？」

• 「哪些 SKU 库存周转天数超过 60 天？」

• 「某区域销售额同比下降的原因？」

本阶段目标

• 至少 2 个业务部门参与试用

• 已验证 3~5 个真实业务场景

• 形成一份「AIPro 可用场景清单」

5.1 聚焦高频场景

回顾前两周的使用记录，找出使用频率最高的 3~5 个分析问题，重点验证：

• 复杂问题（如涉及多维度交叉、同比环比）能否稳定回答

• 异常类问题（如「为什么某指标下降」）的归因是否可信

• 报告生成类问题（如「生成一份销售趋势分析报告」）的效果

5.2 沉淀可复用结论

把每个验证成功的场景整理成「问题 → AI 回答 → 业务结论」三段式记录，例如：

• 问题：「华东区 2024Q3 后销售额为什么下降？」

• AI 回答：「主要受家用电器品类拖累，Q4 华东区该品类销售额从 14.8 万降至 3.2 万。」

• 业务结论：「需重点关注华东区家电品类的季节性波动和库存策略。」

5.3 评估使用价值

可以从以下维度评估 AIPro 对团队的价值：

• 效率：原本需要 30 分钟的取数/做表，现在是否缩短到 1~2 分钟

• 覆盖范围：多少部门、多少人已经开始使用

• 易用性：业务同事是否无需学习 SQL 就能独立提问

本阶段目标

• 识别出 3~5 个高频复用场景

• 每个高频场景都有可复用的标准问法

• 初步评估 AIPro 带来的效率提升

6.1 试用回顾

与团队一起回顾试用情况：

• 哪些场景验证成功？哪些还需要数据或配置优化？

• 业务同事的使用反馈如何？

• AIPro 的回答准确率是否达到日常可用水平？

6.2 明确是否正式开通

基于试用成果，评估是否继续使用 AIPro：

• 如果已验证明确价值，可进入正式开通流程

• 如果部分场景尚未跑通，可与 Quick BI 团队沟通延长试用期或针对性优化

6.3 后续优化方向

正式开通后，可以持续优化：

• 扩展更多数据表，支持跨表分析

• 沉淀更多标准问题，形成团队共享的「AI 问数模板」

• 结合具体业务周期（如大促、月报）建立固定分析看板

本阶段目标

• 完成试用回顾

• 形成是否正式开通的决策

• 确定正式开通后的首批重点应用场景