桐果云「上月华东毛利多少？」——把这句话问出去，几秒钟后就是答案，不用写 SQL，也不用等 IT 排期。 这就是桐果云的 AI 问数（对话问数据）：你用大白话提问，它把问题翻译成查询，再把结果变成图表或报告。用数据的门槛，从「会写代码的人」降到了「会提问的人」。
什么叫问数
问数的过程分三步，全部自动完成：
- 听懂：把自然语言解析成查询意图——时间范围、区域、指标，一个都不漏；
- 查询：到已接入的数据里取数，自动对齐平台上统一定义的口径；
- 呈现：结果按问题类型配上表格或图表，需要成文的直接生成报告初稿。
你唯一要做的，是像问同事一样把问题说清楚。
三种用法：查数、写报告、建模型
- 查数：临时要个数——「上月华东毛利多少？」「这个月新签了几家客户？」开口就出数，不用翻报表，也不用求人；
- 写报告：让 AI 把查询结果组织成月报初稿，数字、结论、图表齐备，你只需核对数字、补充判断；
- 建模型：一句「按客户汇总每月回款，做个趋势」，AI 就在画布上生成建模草稿，业务人员拖拽微调即可发布。
三种用法对应三个最高频的场景：临时查、定期报、沉淀成模型。用得越多，被沉淀成正式模型的查询越多，下一次提问就越快越准。
和传统 BI 报表排期的差别
传统方式下，业务要个数要走完整条链：提需求、IT 排期、开发、验收，快则两三天，慢则半个月。AI 问数把这条链压缩成一句话的时间，变化有两层：
- 快：临时取数从「按天等」变成「按秒等」，开会时当场问、当场看；
- 人不排队：IT 从重复取数里解放出来，只处理真正需要建模的复杂需求。有企业把月底报表从 3 天压缩到 10 分钟复核，报表人力随之降下来。
哪些问题直接问，哪些要先建模
不是所有问题都适合开口就问。经验法则是：口径清晰、数据已接入的问题直接问；口径没定义过的新分析，先建模再问。
| 适合直接问 AI | 需要先建模再问 |
|---|---|
| 「上月华东毛利多少？」这类口径明确的查数 | 「客户全生命周期价值」这类还没定义口径的指标 |
| 已接入数据范围内的临时汇总与对比 | 跨多个业务系统、要做复杂关联的新分析 |
| 把已有查询结果组织成月报初稿 | 要长期反复使用、全员共用的正式看板 |
| 口径有明确定义的绩效、回款进度查询 | 涉及预测、预警等算法场景 |
原因很直接：问数基于平台上已有的模型与口径作答。口径定义过，它答得又快又准；口径不存在，谁也答不准。所以正确姿势是先花几分钟把口径搭好——之后的每一次提问，都在复用这几分钟。
对一线业务，最直接的变化是要数不求人；对老板，是数据终于被用起来，而不是躺在报表里。想感受「开口就出数」，可以在线体验：https://cloud.jintt.cn/ 。
常见问题（FAQ）
问数要先把数据接进来吗？
要。AI 问数基于已接入的数据作答：业务系统通过 API 接入，Excel 直接上传。接入哪些数据，就能问哪个范围，接入越全，能问的问题越多。
AI 答的数准吗？
问数按平台上统一定义的口径取数，所有人问同一个指标得到同一个数。口径没定义过的问题建议先建模再问，答数质量取决于数据与口径治理的完整度。
不会 SQL 也能用吗？
能，这正是问数的设计初衷：全程自然语言提问，不写 SQL、不等 IT 排期。查数、写报告、建模型三种用法都不需要任何代码基础，会说话就会用。
什么问题不适合直接问？
口径没定义过、要跨多个系统做复杂关联、或涉及预测预警类算法的问题，不适合开口就问。先用拖拽建模把口径搭好，之后的每一次提问都会又快又准。