解释企业业务上下文如何连接数据模型、指标、业务规则、文档知识和权限,帮助人和 AI 基于可信依据开展分析。
企业业务上下文是 AI 执行任务时所需的企业特定含义、约束和依据,包括对象关系、指标定义、业务规则、知识版本及用户身份。把这些信息与数据和任务绑定,才能复核 AI 的判断。
大模型可以解释“收入”和“客户”的通用含义,但企业真正要回答的往往是:“华南这个月的重点客户收入为什么下降?”这里的客户可能是集团客户、签约主体或实际付款方;收入可能是签约额、发货额或财务确认额;华南的组织范围还可能随时间变化。
如果只把数据库表或几份制度交给 AI,系统仍要猜测这些业务条件。企业上下文就是把问题背后的对象、数据、规则和责任明确下来,使分析建立在经过确认的业务依据之上。
数据与来源:记录来自哪个系统、更新到什么时间、数据粒度和质量是否满足任务。指标与维度:明确收入如何计算、按照什么日期和组织进行统计。业务对象和关系:说明客户、合同、产品与组织如何关联,以及关系什么时候有效。
制度与专业经验:提供经营规则、分析方法和历史材料,标明来源、负责人、适用范围与版本。权限与任务边界:明确用户与智能体可以访问哪些数据、调用哪些服务,哪些结论需要人工确认。
这些要素不是一张提示词表,也不等同于一个向量数据库。它们需要在数据治理、业务建模和知识管理中持续维护。
SmartBI Insight通过数据接入、建模、指标与分析沉淀企业长期使用的结构化资产;指标管理组织业务定义、计算规则与调用;白泽 AgentBI结合配置的数据、指标与知识开展问数、分析和报告。
在此基础上,SmartBI 的十五周年品牌文章提出,逐步结合本体与知识经验管理,关联业务对象、规则和文档经验。业务本体、知识经验管理及多智能体协作属于架构中逐步引入的能力,具体模块和部署方式以实际产品状态为准。
例如“增长最快”可能指金额增量,也可能指百分比增幅。企业应明确两种计算规则;当用户问题不能确定时,应用应引导澄清,而不是把猜测写成事实。
不能。知识可以解释收入确认制度或过去为什么做出某项判断,数值仍需依据经过确认的数据、指标口径和计算条件得到。AI 生成的分析或建议应与权威事实区分,只有经过审核并具备来源和维护责任的内容,才适合沉淀为后续可复用的知识。
对于“本月华南重点客户收入为何下降”,项目首先确定提问者的岗位和授权组织;再将“华南”映射到当期组织范围,将“重点客户”关联已批准的客户分层,将“本月收入”映射到财务确认口径。数据模型提供客户、合同、收入和时间之间的关系,指标规则决定数值怎样计算。
得到数值之后,分析人员或智能体可以参考已授权的经营说明、合同条款与历史复盘,提出值得进一步验证的原因。例如客户流失、合同延期或产品结构变化都可能影响收入,但文档中出现的解释不能直接当作本次变化的事实。每条重要判断仍要回到当期数据、适用规则和业务负责人复核。
维护时,财务负责人负责收入定义,客户经营部门负责客户分层,数据团队维护来源和映射,知识负责人维护文档版本,安全团队确认访问条件。发生组织调整或指标口径变更时,相关报表和问数样题应一起回归。
经营分析任务可记录业务术语与别名、对象范围、指标及时间口径、规则来源和访问角色。每项信息注明适用条件、版本和负责任的团队。
“收入”可能对应财务确认、开票或订单口径。企业业务上下文应明确什么任务使用哪个口径,以及遇到含义不明确时如何澄清。
可执行指标先提供经授权且可复算的值,知识条目再补充业务规则、例外或解释。结果应分别标明计算依据及知识来源。
准备同名异义、跨组织、知识更新及权限边界题,检查 AI 选择的对象、指标、规则和身份。用权威结果复算,并让业务人员审核解释。
本文内容通过AI工具匹配关键字智能整合而成,仅供参考,SmartBI不对内容的真实、准确或完整作任何形式的承诺。具体产品功能请以SmartBI官方帮助文档为准,或联系您的对接销售进行咨询。如有其他问题,您可以在线咨询进行反馈。
覆盖传统BI、自助BI、现代BI不同发展阶段,满足企业数字化转型的多样化需求
电话:
邮箱:
一对一专属咨询