问题先于报表
业务从问题出发，而不是先猜应该打开哪个报表页面。
自然语言直接输入，系统选择合适指标、维度和图表。
4行业 demo：制造、电商、零售、培训
10+图表形态：柱线饼、漏斗、热力、瀑布
权限角色、数据范围、敏感字段统一治理
集成可接入企业智能体和业务工作流
为什么需要 ChatBI
不是再做一个仪表盘，而是把“问数据”这件事重新组织好。
传统 BI 把答案散在报表、口径文档和权限系统里。ChatBI 把这些能力串成一条可控链路，让业务用户能自己问，数据团队仍然掌握治理。
答案必须受治理
AI 不能绕过企业已经定义好的指标口径和权限边界。
大模型生成受治理 DSL 查询计划，统一应用指标口径和权限边界。
洞察需要继续追问
静态报表只能回答一个已知问题，业务分析通常需要连续探索。
图表、KPI、明细和推荐追问在同一对话里延续。
产品旅程
用一个可切换的演示台，把截图组织成完整动线。
点击左侧步骤，查看 ChatBI 从自然语言输入、受治理查询、图表洞察到团队分享的完整体验。截图不再平均铺开，而是跟每一步的产品价值绑定。
本月各平台 GMV 排名，并解释转化率差异
自动识别平台、GMV、转化率、时间范围
下一步生成受治理查询计划
图表场景
结果预览只展示关键证据：不同业务问题会落到不同图表形态。
点击右侧缩略图切换主图。这里不是素材堆叠，而是把每种图表对应的业务问题说明清楚。
区域销售结构
按区域、门店和会员维度对比 GMV、客单价和会员销售占比。
可信机制
大模型负责理解，DSL 层负责受控执行。
ChatBI 会先把自然语言问题转换成受治理的分析 DSL，再由 DSL 层应用指标口径、数据范围和权限规则，避免把底层数据库细节暴露给业务用户。
理解问题
系统结合数据源能力和指标口径，识别可查询指标、维度和时间范围。
生成 DSL
输出结构化分析 DSL，让每一次问数都经过统一口径和规则校验。
应用权限
按用户角色和数据范围过滤结果，确保业务能看该看的数据。
返回洞察
查询结果自动生成可交互图表、KPI、明细和可继续追问的摘要。
行业场景
每个行业案例都有独立登录邮箱，进去就能看到对应业务数据。
切换行业案例，查看登录邮箱、推荐问法和演示结果预览。四套 demo 数据按登录账号隔离，预览图也按行业问题展示不同效果。
精工智造
智能装备制造 · 生产 / 设备 OEE / 质检 / 库存 / 财务
演示登录信息
打开登录页 →
登录邮箱
demo-mfg@chatbi.local
密码
Demo@1234
本月各车间良品率排名
近 30 天设备稼动率最低的 10 台设备
近 12 个月毛利率与净利率走势
演示结果预览
车间良品率热力图
~50k 工单
示例提问：本月各车间良品率排名，并标出异常产线
96.8%本月平均良品率
3 条异常产线
-1.7pp较上月变化
从生产工单、质检和设备运行数据里生成热力图，直接定位良品率下滑的车间和产线。
能力矩阵
业务体验、治理能力和企业集成放在同一套产品里。
自然语言问数输入问题，系统识别指标、维度、时间范围和可用数据源。
图表洞察自动生成图表、KPI、明细列表和分析摘要。
对话记忆保留线程、收藏、搜索、分享和可恢复图表上下文。
DSL 层治理统一指标口径、关联关系、过滤规则和查询执行。
权限控制角色、行级过滤、敏感字段和数据范围在查询链路生效。
模型工作台维护指标口径、数据关系、查询测试和版本历史。
多数据源连接企业常用数据库和数仓，统一交给 DSL 层治理。
开放集成把可信数据分析接入企业智能体、业务系统和工作流。
自托管部署按企业环境部署，控制数据、权限和服务配置。
FAQ
几个买方最常问的问题。
不会。ChatBI 把常见分析入口交给业务，但指标定义、模型治理、权限策略仍由数据团队维护。
直接生成底层查询容易绕过指标口径和权限边界。ChatBI 会先生成受治理的分析 DSL，再由 DSL 层确定性执行。
可以。生产接入时会先梳理数据范围、指标口径和权限策略，再逐步开放给业务团队使用。
体验与咨询
先试产品，再扫码联系销售顾问。
打开体验地址可直接进入线上 demo；需要报价、私有化部署、行业方案或联合演示，可以扫码添加销售顾问，备注公司、行业和需求。
精工智造案例
demo-mfg@chatbi.local云潮电商案例
demo-ecom@chatbi.local优品连锁案例
demo-retail@chatbi.local知行学院案例
demo-edu@chatbi.local
扫码体验
chatbi.aotsea.com
扫码联系销售顾问
咨询报价、私有化部署和行业演示；添加时可备注公司与需求。