治理语义层
指标、维度、连接与政策定义一次，在所有自然语言查询中复用——“活跃客户”是什么意思，只有一个事实来源。
问题
仪表盘卡在工单里，业务问题要等好几周
-
仪表盘工单在 IT 排队
业务提问，IT 转译，分析师搭建，然后反复修改。等仪表盘交付，问题已经变了，或者决策已经没等数据就做了。
-
业务用户卡在自助分析门口
自助工具对分析师很强大，对其他人很吓人。业务用户要么找 IT，要么自己做出一堆错漏的表格。
-
语义定义在各工具之间漂移
什么算“活跃客户”？取决于你打开哪张仪表盘。没有受治理的语义层，每个团队报出来的数都不一样。
-
自然语言查询没有依据就会产生幻觉
通用的自然语言转 SQL 工具会编造字段名、混用表，信心十足地给出错误数字。第一次董事会之后，信任就崩了。
运作方式
语义层负责治理，自然语言负责生成，业务自己动手
用自然语言生成
用户用日常语言提问；系统把查询落在语义层上，生成仪表盘，并说清自己走了哪几步。
嵌入与治理
仪表盘嵌入 Teams、Slack、Notion 与 CRM；IT 看得到使用情况、血缘与质量——变更追踪与审批都在里面。
流程会适配你的数仓、语义层与嵌入位置。
用一个问题生成仪表盘，不再走工单
包含内容
你需要的一切让受治理的自助式分析真正落地
自然语言生成、语义层、嵌入与治理，在 Synapse 上合成一层——交付时 IT 掌握指标定义，业务用户自己动手。
自然语言生成仪表盘
自然语言查询产出的仪表盘都落在语义层上——不会有幻觉指标。
语义层与血缘
指标与维度定义集中管理，带版本控制与字段级血缘。
带解释的下钻
每张图都能下钻到数据，并用日常语言说明这个数是怎么算出来的。
嵌入协作工具
仪表盘就在工作发生的地方：Teams、Slack、Notion、CRM——不只在 BI 里。
治理关卡
新指标走审批工作流；使用与质量埋点对 IT 和数据产品负责人可见。
变更追踪
每次指标变更都记录评审人、原因与下游影响——需要时可回滚。
技术提供 Synapse
成果
上线之后，什么会不一样
结果视数据成熟度、语义层质量与采用支持而定。我们先诚实地界定范围，再精确地作出承诺。
−70%
仪表盘工单积压深度
仅供参考——取决于当前自助分析成熟度。
10×
每月活跃使用分析的业务用户更多
仅供参考——基于早期落地案例。
单一
语义层服务于所有自然语言生成的仪表盘
合作方式
从第一次交谈到上线——没有惯常的拖沓
评估
评估
第 1–2 周
梳理现有 BI 版图、语义层成熟度、最常反复出现的问题，以及仪表盘 backlog。
设计
设计
第 3–4 周
定义指标责任人、自然语言查询政策、嵌入位置与治理工作流。
构建
构建
第 5–8 周
搭好语义层，接入自然语言生成，在一个团队的流程里试点嵌入。
规模化
规模化
第 9 周起
按团队推广，扩大语义覆盖，调优治理，下线遗留仪表盘。
时间线视 BI 版图复杂度、语义层成熟度与采用支持而定。
延伸阅读
Self-service analytics, generative BI, and what to explore next
Ideas, trends, and tools to stay ahead
