AI 数据分析助手可以帮助理解指标、生成查询、解释趋势和产出分析报告。但数据分析必须以真实数据和确定性计算为基础，不能让模型凭空编数据。

1. 基本能力

能力	示例
指标解释	解释 GMV、转化率、留存率
SQL 生成	根据自然语言生成查询
图表建议	推荐折线图、柱状图、漏斗图
异常分析	分析指标突增突降可能原因
报告生成	输出日报、周报、经营分析

2. 推荐架构

用户问题
  -> 指标口径识别
  -> 权限校验
  -> SQL 生成或查询计划
  -> SQL 安全检查
  -> 数据库执行
  -> 结果表
  -> 模型解释
  -> 报告输出

模型负责理解和解释，数据查询和计算由确定性系统完成。

3. SQL 生成风险

风险	防护
查询错表	提供数据字典和表关系
口径错误	指标平台统一口径
越权查询	按用户权限过滤
慢查询	限制扫描范围和超时
写操作	只允许只读 SQL

不要让模型直接执行未校验 SQL。

4. 指标解释

模型解释指标时应基于真实查询结果。

数据结果
  -> 环比 / 同比 / 分组对比
  -> 异常点识别
  -> 可能原因
  -> 需要进一步验证的数据

模型可以提出假设，但要明确哪些是事实、哪些是推测。

5. 输出模板

结论：
...

关键数据：
- ...

可能原因：
1. ...
2. ...

待验证：
- ...

建议动作：
- ...

6. 常见坑

1. 模型没有查数据就直接分析。
2. SQL 生成正确但指标口径错。
3. 没有权限过滤导致数据泄露。
4. 把相关性解释成因果关系。
5. 没有说明数据时间范围和样本范围。

7. Tips 快问快答

Q：AI 可以直接连生产库分析吗？

A：不建议。应通过只读账号、指标平台、数据服务或沙箱查询，并设置权限和超时。

Q：模型生成 SQL 后能直接执行吗？

A：不能直接执行。需要 SQL 解析、权限校验、黑名单、扫描量限制和人工确认策略。

Q：AI 分析结论可信吗？

A：事实部分应来自数据查询，解释部分是推理假设，需要结合业务和进一步数据验证。