业务人员不是要 SQL，而是要答案
自然语言查数的价值不是让业务人员学会写查询，而是让他们把想法直接说出来，系统负责理解、执行和解释。
产品成败的关键，是业务人员能否信任结果。
指标口径先于模型
同一个「成交额」，不同人可能指订单金额、实付金额或毛利。模型再聪明，口径不一致也会算错。
先建指标字典：每个指标的准确定义、数据来源、可用维度和常见问法，再让模型按字典生成查询。
- 指标定义：名称、口径、单位、计算方式
- 维度约束：时间、渠道、区域等可用维度
- 常见问法：用户实际会怎么问这个指标
让结果可追溯
用户应该能看到「这个数字是怎么算出来的」：查询条件、指标口径、数据更新时间。可追溯是信任的来源。
查不到或口径不明确时，系统要诚实说明，而不是给一个看似精确的数字。
从高频问题开始
先覆盖团队提问频率最高的 20 个问题，把口径、查询、结论都打磨好，再扩展。
自然语言查数的终极体验：一句话问完，图表和结论一起出现，还能继续追问。
第一个月只看一个指标
上线第一个月，不要同时优化十个指标，只看一个：业务人员主动发起查询的比例。它反映产品是否真的降低了使用门槛。
比例持续上升，说明口径和交互在变好；停滞不前，就回看用户到底在哪一步放弃。
从查数到行动
查数本身不是终点，基于数据的行动才是。产品应该在结论后面提供下一步动作：导出报表、创建监控、分享给团队、或者生成一个待办。
当查询结果能直接连到行动，业务人员才会把工具放进日常工作流，而不是偶尔用一次。
数据产品的终极价值，是让数据成为决策的一部分，而不是决策之外的参考资料。
数据产品的信任设计
数据产品的信任来自三个细节：结果可追溯、口径可查看、差异可解释。用户应该能点开任何数字，看到它怎么算出来的。
当用户发现两个入口的数字不一致时，要能快速定位原因，而不是让用户自己去猜。
信任设计做得越好，业务人员越敢把数据作为决策依据。