从零到一：用 FineBI 智能问答做出第一份成果
先说清楚它是什么：FineBI 智能问答属于「数据与分析」方向的客户端应用，帆软 FineBI 中的自然语言问数功能。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：图表建议
目标：用 FineBI 智能问答完成一次「图表建议」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 从官网或正规应用商店下载。
- 准备材料：一组需要汇报的数据（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：指出了误导风险。
- 保存提示词与最终结果，写三行复盘。
根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「指标异动解读」，或者把这次的流程分享给同事一起试。
补充练习
写 SQL 查询
输入：数据库表结构说明。
根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。
检查点：说明了口径问题。
自然语言问数
准备材料：一张销售明细表。
请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。
验收标准：给出了可复核的计算过程。
评测大模型应用
准备材料：一批真实用户问题和应用回答。
为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。
交付前确认：评分标准清晰可复用。
常见问题：问数结果看似合理但错误
准备几道已知答案的问题做抽检。
常见问题：生成的 SQL 运行报错
提供准确的表结构和字段说明，先在测试库运行。
常见问题：图表结论被过度解读
区分相关与因果，在报告中标注假设。
概念补充：追踪（Tracing）
记录大模型应用每次调用的输入输出与耗时。
概念补充：口径
指标的定义与计算规则，不同口径会得出不同结论。
适合人群：咨询顾问
咨询顾问可以用 FineBI 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
适合人群：电商运营
电商运营可以用 FineBI 处理商品详情与主图、活动方案与客服话术等工作。需要注意：商品参数和促销规则必须与后台一致，避免虚假宣传。
适合人群：新媒体运营
新媒体运营可以用 FineBI 处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。
写在最后
涉及个人信息、商业机密或受监管数据时，先确认 FineBI 智能问答的数据处理条款，再决定能否使用。
文中提示词和示例仅作示意，实际效果取决于你的材料和 FineBI 当前版本，重要内容请人工核对后再使用。