ChatBI 元数据要解决的问题很具体。业务人员问“这个月华东新客收入为什么下降”,系统需要判断“这个月”按哪个时间字段,“新客”按首次下单还是首次签约,“收入”用订单金额还是确认收入,“华东”按客户注册地还是销售归属地。字段中文名回答不了这些问题,一套能被系统调用、能验收、能追溯的规则集才可以。
下面按 ChatBI 元数据的5个核心设计点展开,分别是数据结构、业务语义、指标口径、关联关系和访问权限。每个检查点都给出最小交付物、验收信号和常见失败,方便数据团队、业务负责人和平台团队对照使用。五项都过关,只能说明 ChatBI 具备了进入日常经营讨论的基础条件,实际效果还要看数据质量和持续运营。
一、ChatBI 元数据在问数链路里管什么
一次问数通常经过五步。系统先识别问题里的指标、维度、时间范围和过滤条件,再匹配主题、表和字段,接着确定指标口径与关联路径,做权限校验,最后执行查询并组织结果。元数据在前四步提供候选空间和执行规则。
| 环节 | 系统要判断的事 | 元数据提供什么 |
|---|---|---|
| 识别问题 | 指标、维度、时间、过滤条件分别是什么 | 业务词、同义词、默认含义、歧义处理方式 |
| 匹配数据 | 用哪张表、哪个字段、哪个指标 | 表用途、字段含义、粒度、主键、指标编码 |
| 关联与计算 | 表怎么连、指标怎么算、能否下钻 | Join 路径、基数、计算公式、可用维度 |
| 权限校验 | 这个用户能看什么范围、哪些字段 | 角色、行级与列级规则、脱敏与审批 |
| 组织结果 | 图表怎么选、答案怎么解释 | 指标单位、数据时效、口径说明、限制条件 |
这套规则通常由 ChatBI 语义层承载,表现为表、字段、术语、指标、关联和权限等配置。数据字典和 ChatBI 元数据承担的任务不同。数据字典说明字段叫什么、是什么类型、来自哪张表;ChatBI 元数据还要说明业务词默认指什么、指标怎么算、哪些表能连、哪些角色能看、答案需要解释什么。前者是原材料,后者是可以被系统执行的规则。

图:五个检查点沿问数链路依次展开
二、检查点一:数据结构是否足够清楚
ChatBI 选表选字段的前提,是系统知道每张表存什么、一行代表什么、用什么键关联。表结构元数据至少覆盖四类信息。
- 表级信息:业务名称、用途、主题域、数据粒度、主键或唯一键、分区字段、更新时间、负责人、是否对问数开放。
- 字段信息:业务名称、业务含义、数据类型、单位、枚举值、空值含义、常见同义词、敏感级别。
- 时间字段:创建时间、支付时间、退款时间、确认时间分别是什么,默认用哪个。
- 金额字段:含税还是不含税,原币还是本币,应付、实付、退款分别怎么取,单位是元还是分。
粒度最容易漏。订单表和订单明细表都能回答“订单量”,但一行数据代表的含义不同,去重键也不同。元数据没有写清粒度,模型就可能把明细行数当成订单数。
验收时可以做一个动作:挑 10 张核心表,请一位不熟悉业务的同学只看元数据,说明每张表一行代表什么、主键是什么、默认时间字段是哪个。说不清的地方,通常也是 ChatBI 会选错的地方。
1. 表字段元数据的最小字段集
| 元数据项 | 建议写法 | 作用 |
|---|---|---|
| 表粒度 | 一行一个订单,主键为 `order_id` | 防止把明细行数当订单数 |
| 默认时间 | `pay_time` 为支付时间,作为“本月”的默认口径 | 统一时间边界 |
| 枚举值 | `status` 为 1 待支付、2 已支付、3 已退款 | 避免码值直译错误 |
| 同义词 | 成交额、交易额均指向 GMV | 提升口语命中率 |
| 敏感级别 | 手机号标记为高敏,默认脱敏 | 让权限规则可以前置 |
常见失败包括字段只写中文名,金额单位不统一,多个时间字段没有默认值,事实表和明细表混用,敏感字段没有标记。这些问题在演示时不一定暴露,进入真实问数后会反复出现。
三、检查点二:业务语义是否把口语映射到明确对象
业务人员很少用标准字段名提问。有人说成交额,有人说 GMV,有人说流水;有人说新客,可能指首次访问、首次下单、首次签约或首次付费。业务语义元数据要把这些说法映射到明确对象,并写清边界。
术语库建议为每个词记录六项内容:
- 标准词和常见同义词、缩写、行业叫法。
- 默认含义,以及可能存在的其他含义。
- 适用主题和适用场景。
- 不适用场景、排除条件或例外规则。
- 出现歧义时系统该反问、按默认口径回答,还是拒绝回答。
- 业务负责人和最近更新时间。
以“收入”为例,它可能指订单金额、开票金额、到账金额或财务确认收入。这四个数都可以叫收入,但它们来自不同业务事实。系统第一步要判断用户说的是哪一类事实,第二步才判断这类事实怎么算。业务词边界解决指哪类事实,指标口径解决这类事实怎么算。两步混在一起,排查时很难判断是词义错了,还是公式错了。
场景化主题也能降低歧义。销售主题、财务主题、门店运营主题各自绑定一组数据集、术语和指标,模型在更小的候选空间里选择,命中率通常更稳定。团队规模较小时,不必一开始就建全公司通用主题,可以先从一个高频主题开始。
验收时收集 20 个真实问法,标注每个问法里的业务词、期望对象、是否存在歧义。让系统逐条回答,观察它是否命中正确对象,遇到模糊表达是否追问。能答对固定问题,比零配置下偶尔答对更有参考价值。
常见失败包括同义词表只列词不列边界,一个词对应多个对象却没有默认含义,模糊问题直接给答案,术语库建完后无人维护。
四、检查点三:指标口径是否一处定义、多处复用
指标口径直接影响同一个问题在不同部门、不同报表、不同入口下能不能得到同一个答案。阿里云 DataWorks 文档将指标分为原子指标、派生指标和复合指标。原子指标明确业务统计口径和计算逻辑,派生指标由原子指标、修饰词和时间周期构成,复合指标由一个或多个派生指标、复合指标通过加减乘除组合而成。这个分层可以直接用于 ChatBI 的指标元数据设计。
华为云业务指标规范将指标描述分为业务属性、技术属性和管理属性,并列出指标名称、指标编码、指标定义、计算公式、统计周期、统计维度、统计口径和修饰词、刷新频率、应用场景、度量对象、计量单位等字段。ChatBI 的指标元数据可以在此基础上补充负责人、版本和冲突裁决人。
一个可用的指标条目至少包含以下内容:
- 指标名称、指标编码和常见别名。
- 业务定义和业务口径,说明这个指标回答什么业务问题。
- 计算公式,明确分子、分母、聚合方式和去重键。
- 统计周期、统计维度和修饰词,说明时间边界和过滤条件。
- 度量对象和计量单位,避免把金额、人数、次数混用。
- 数据来源和血缘,能回溯到源表、加工节点和更新频率。
- 适用场景、排除规则和已知限制。
- 口径负责人、冲突裁决人、版本号、生效时间和变更记录。
“本月华东新客收入是多少?”可以直接检验一套指标元数据是否够用。这个问题至少有四个需要确认的地方。
| 业务词 | 需要确认的选项 | 示例默认口径 |
|---|---|---|
| 本月 | 下单月、支付月、确认月 | 支付月 |
| 新客 | 首次访问、首次下单、首次签约、首次付费 | 首次签约 |
| 收入 | 订单金额、开票金额、到账金额、确认收入 | 确认收入 |
| 华东 | 客户注册地、销售归属地、项目发生地 | 销售归属地 |
示例只用于说明拆解方法,企业应按自己的业务规则确定默认口径。关键是这些选择要写进元数据,不能留在分析师个人经验里。
指标定义还要解决复用问题。ChatBI、看板、报表、订阅预警如果各自维护一套公式,同一个指标迟早会出现多个版本。更稳妥的做法是让 ChatBI 优先命中指标中心里已经登记的指标,命中后直接调用标准定义,未命中才走兜底逻辑。指标变更时保留版本和生效时间,下游入口按版本追溯。
验收时抽 5 个高频指标,让业务、财务和数据三方分别读同一段定义并算一次,看结果是否一致。再让系统展示本次命中的指标编码、版本和口径说明。三方算不出同一个数,说明定义还没有达到可执行的程度。
常见失败包括只有公式没有适用场景,同名指标在不同部门含义不同,口径变更不留版本,指标负责人空缺,ChatBI 与报表各维护一套定义。
五、检查点四:关联关系是否约束了能连和不能连
跨表问题是 ChatBI 答错的高发区。元数据要描述业务对象、事件、主键、外键和关系基数,还要写清哪些 Join 路径允许使用,哪些路径会产生重复计算。
关联关系元数据可以分成三类规则。
- 结构规则:客户、订单、合同、回款、门店等对象之间是一对一、一对多还是多对多,主键和外键是什么,关系是否有有效期。
- 路径规则:从一个对象到另一个对象推荐走哪条路径,哪些路径禁止使用,哪些路径需要先去重,哪些指标只能从汇总层取数。
- 使用规则:哪些指标可以按哪些维度下钻,哪些指标不能拆到明细,哪些维度组合没有业务意义,测试账号、内部交易、异常大单如何剔除。
以新客收入为例,计算可能涉及客户表、订单表、合同表和收入确认表。客户与订单是一对多,订单与合同可能是一对多,合同与收入确认还可能分多个月确认。Join 路径不对,收入可能被重复计算。表能连上只说明语法可行,算得对不对取决于业务规则。
元数据还要说明归属口径。客户总部在华东、项目在华南时,区域按客户注册地、销售归属地还是项目发生地,会得到不同结果。当前归属和历史归属也不能混用。这些规则不写进元数据,模型只能从表名和字段名里猜。
验收时选一个跨三张以上表的指标,检查系统实际使用的 Join 路径,对比汇总结果与明细结果,做一次一对多关系的金额放大测试,再检查不允许的维度组合是否被拦截。能解释路径,才能定位错误。
常见失败包括只画 ER 图不写业务规则,允许模型自由 Join,没有指标可用维度白名单,历史归属和当前归属混用,测试数据没有排除。
六、检查点五:访问权限是否进入问数链路
ChatBI 把取数入口开放给更多业务人员,权限问题会从“能不能打开报表”变成“同一个问题不同角色能看到什么”。权限元数据至少要覆盖五层。
- 入口权限:谁能进入 ChatBI,能访问哪些主题。
- 数据权限:行级范围按区域、门店、客户或组织划分,列级范围控制手机号、身份证、成本价等敏感字段。
- 操作权限:能否查看明细、导出、分享、继续追问。
- 脱敏与审批:敏感字段默认脱敏,高敏问题触发审批、拒答或人工复核。
- 审计记录:提问、语义解析、指标命中、实际 SQL、返回结果和导出动作都要留痕。
权限规则需要前置到语义层。只在最后一步拦截,系统可能先查到全量数据再过滤,也可能在组合查询里暴露不该看的信息。单个字段不敏感,组合起来可能暴露客户、金额、区域和人员关系,这类风险要靠查询范围、字段组合规则和审计共同控制。
验收时用总部、区域经理、销售三个账号问同一个问题,检查返回范围、明细权限、导出权限和日志记录。再测试 H5、机器人、API 等入口是否继承同一套权限。不同入口规则不一致,越权风险会在扩展阶段放大。
常见失败包括只控制登录不控制数据范围,只控表不控行和列,不同入口权限不一致,权限规则散落在多个系统,没有审计记录。
七、五个检查点如何组合验收
五项元数据不需要一次建完。更可行的顺序是先选一个高频主题,收集 20 到 50 个真实问题,再按问题需要补齐五类规则。
- 为每个问题标注业务词、期望指标、维度、时间范围、角色范围和可接受的答案形式。
- 检查数据结构能否支撑这些问题,缺字段、缺粒度或缺时间口径的先补。
- 把问题里的业务词收进术语库,明确默认含义和歧义处理方式。
- 把高频指标登记到指标中心,写清公式、过滤条件、负责人和版本。
- 为跨表指标配置 Join 路径和可用维度,禁用会产生重复计算的路径。
- 用不同角色账号跑一遍问题集,检查权限、脱敏和审计。
- 记录每次失败的原因,修复后回归。语义层、模型或权限变更后重新跑同一组问题。
这套问题集相当于 ChatBI 的回归测试。题目固定,才能分清这次是系统改好了,还是问题本身变简单了。每题除了标准答案,还要记录业务词该识别成什么、该用哪个指标版本、该走哪条 Join、不同角色看到什么范围、答案要不要提示口径。
责任也要分清。数据团队负责表结构、字段含义、粒度、主键、血缘、数据质量和更新时间;业务负责人负责业务词边界、指标口径、例外规则和验收答案;平台团队负责主题配置、权限继承、日志审计和接口稳定;管理者负责裁决跨部门口径冲突和变更优先级。每项元数据都要有负责人和更新时间,否则建完很快会过期。
如果企业正在选型,可以把这五项做成演示脚本,用同一组真实问题比较不同产品。重点看系统能否命中正确指标、走对关联路径、守住角色权限、解释口径和时效,以及答错时能否定位到具体环节。ThinkingAI 的 Agentic Engine 把问数建立在统一语义与企业知识库之上,支持私有化部署、权限控制和执行审计,分析过程与引用来源可以回溯。对于已经在使用 ThinkingAI 数据能力的企业,ChatBI 可以接在既有指标与用户行为数据之上,减少另起一套系统的成本。目前 ThinkingAI 已服务全球超过 1500 家企业,接入产品超过 8000 款。
常见问题
ChatBI 元数据和数据字典有什么区别
数据字典描述字段的技术属性,例如名称、类型、来源和长度。ChatBI 元数据还要描述业务词、指标口径、关联路径、权限规则和答案解释。数据字典是基础,语义规则决定问数能不能用于日常决策。
ChatBI 元数据需要一次建完吗
不需要。先选一个高频主题、3 到 5 个核心指标和 20 到 50 个真实问题,把五项最小规则跑通,再扩展主题和指标。一次性全量建设容易停在文档阶段,也难以验证是否可用。
有了大模型,为什么还要语义层
大模型擅长理解表达和生成内容,指标定义、表关联和权限边界需要确定性的规则。语义层把候选空间收窄,模型在已登记的指标、维度和路径里选择,减少自由发挥。模型升级不能替代口径定义。
ChatBI 元数据由谁维护
数据团队维护表结构、字段、血缘和质量;业务负责人维护词义、口径和例外;平台团队维护权限、日志和审计;管理者裁决跨部门冲突。每项资产都要有负责人和更新时间。
怎么判断一套 ChatBI 元数据设计是否合格
用真实问题集验收。看系统能否命中正确指标、走对关联路径、守住角色权限、解释口径和时效;看答错时能否定位到具体环节。能稳定答对一批固定问题,再考虑扩大范围。
小企业也需要做这么多元数据吗
可以按问题复杂度裁剪。数据源少、指标少的企业先做一张核心宽表、10 个指标和 20 个问题,权限先做到角色和行级。五项检查仍然适用,交付物可以更轻。






