用一句话查数：能问什么、不能问什么，口径校验清单

你多半遇到过这种场面：群里甩来一句「帮我看看上个月转化」，AI 三秒给个数，没人敢用。问题不在模型，在于口径没定、字段没对齐。这篇把适合用自然语言问的取数类型和必须拦下的类型分开列，再给三条抽样复核规则，让你问得快、也敢把结果发出去。

群里甩来一句「帮我看看上个月转化」，AI 三秒给个数，没人敢用。问题通常不在模型，而在口径没定、字段没对齐。同一份数据换个人问，出来的数可能差一截，最后又回到手工拉表。

这篇把「能直接问」和「必须先拦下」的取数类型分开列，再给一套可复现的提问模板和三条抽样复核规则。目标很简单：问得快，也敢把结果发出去。下面每一条都按「什么情况适用、什么情况不适用」写，你照着套就行。

适合直接问的三类取数

先把话说在前面：这里说的「适合」有一个共同前提——字段确实在表里，指标口径已经写死在文档里，不是靠聊天记录口口相传。满足这个前提，下面三类问题基本可以放心问，条件写清楚就能复现。

筛选类

按时间、渠道、地区、状态挑出一批明细或计数，条件写清就能复现，最常见也最稳

汇总类

求和、去重计数、平均值、最大最小值，前提是分母和去重键事先讲明

环比同比类

跨周期做对比，必须先确认两期口径一致，否则分不清是趋势还是口径差

• 筛选类：问之前把时间范围、是否含测试单和内部账号说清楚，不然计数一定偏
• 汇总类：把去重键和分母写进问题里，比如按订单号去重还是按用户去重，结果能差出量级
• 环比同比类：先确认两期用的是同一套口径，口径变过就要说明，不能直接比
• 判断边界：口径还在开会讨论、没人拍板的指标，先别问，问了也是猜

不适合直接问的三类取数

有些问题不是模型不行，是问题本身还没到能问的阶段。硬问下去，最坏的结果不是算错，而是它给了一个看起来很合理的错数，还没人发现。

• 口径未定：猜错还不报错，这是最危险的一类，宁可先花十分钟确认定义
• 涉敏数据：按最小可见原则，问数只用汇总层，明细留在有权限的人手里
• 跨库对账：结果要进合同、报税、对外披露的，一律走人工确认流程
• 判断边界：只要数据涉及个人身份或对外披露，就别把它当普通取数处理

把问题写成可复现的四段式

自然语言取数最容易翻车的地方，是问题写得太像聊天。把问题改成下面四段，复现率会明显提高，别人拿同样的话去问，结果应该对得上。

1. 第一段 数据范围写清哪张表或哪个数据源、时间范围、是否含测试单与内部账号。验证方式：让别人照着这段话能不能圈出同一批行。
2. 第二段 口径定义指标怎么算、去重键是什么、异常值（负数、空状态、超大额）怎么处理。验证方式：这条口径能不能在指标文档里找到对应文字。
3. 第三段 输出要求要明细还是汇总、要哪些列、单位与小数位。验证方式：拿到结果先看列名和单位对不对。
4. 第四段 自检要求让它在结果里附上口径说明和行数，方便你核对。验证方式：行数跟你预估的量级是否吻合。

三条抽样复核规则

数出来了不等于能用。抽样复核不是不信任工具，而是把「敢发出去」这一步变成固定动作。三条规则建议按顺序执行，前一步不过就别继续往下算。

• 执行顺序：先抽边界，再抽交叉，最后抽明细，跳步容易漏掉异常值
• 容差自己定：小团队可以按业务可接受范围设，超过了就回查口径，别硬解释
• 复核记录留一份：下次同样的问题直接翻记录，比重新跑一遍快
• 不适用的情况：临时探索性分析可以先不抽明细，但结论不能直接拿去汇报

分工与留痕：谁定口径，谁签字

取数返工，十次里有七八次是口径反复。把定口径和算数两件事分开，返工能少一半。这条不靠工具，靠的是团队约定。

• 口径由业务方定，AI 只负责按口径算，把这条写进团队约定
• 每次问数把提问、口径说明、结果、复核结论存一份，形成可查记录
• 口径变更要单独记一笔，否则历史对比数据会看起来像业务出问题
• 涉及权限时按最小可见原则，明细留在有权限的人手里，别顺手贴群里

AI 负责算得快，人负责说得清；口径谁定，责任就归谁。