管理场景题：老板看了 ChatBI 演示，要求三个月内用 AI 替代一半取数需求，你怎么做？
场景：老板参加了一场行业大会，看了某厂商 ChatBI 的演示：用自然语言提问，几秒钟就出图表。回来后他对你说：「我们数据团队每个月要处理 300 多个取数需求，三个月内用 AI 替代一半，到时候团队的人也可以减一些。」你知道，你们的指标口径还不统一，很多表没有注释，演示里的效果在你们的数据上很难复现。
问题：你怎么回应和推进？
面试怎么回答
我会肯定老板的方向，减少重复取数、让业务自助是对的，问题在于时间和效果的预期。先把过去三个月的取数需求分类，找出简单查询和重复需求的占比，这部分是 AI 最有希望替代的。然后讲清前提：ChatBI 准不准取决于语义层和统一的指标口径、元数据质量和权限控制，口径不统一时 AI 会给出看似正确的错误答案。计划分三个月：第一个月统一高频需求涉及的核心指标口径、建语义层、选一个部门试点；第二个月上线工具覆盖试点部门的高频简单查询，持续评估准确率并积累测试集；第三个月按准确率扩大范围。目标用「高频简单取数中自助完成的比例」衡量。关于减人，我会如实说明短期不建议，释放的人力投入语义层、质量和更有价值的分析。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
不要直接说「做不到」
老板的方向是对的：减少重复的取数工作、让业务方自助获取数据。问题在于时间和效果的预期。你要做的是把预期调整到现实，并且真的推进。
先分析取数需求
拿出过去三个月的取数需求做分类：
- 哪些是简单查询：单个指标按时间、维度查看，比如「上周各渠道的新用户数」；
- 哪些是复杂分析：多表关联、需要业务判断、口径特殊；
- 哪些是重复的：同一类问题反复被问。
通常简单和重复的需求可能占一半左右，这部分是 AI 和自助工具最有希望替代的。
讲清楚前提条件
ChatBI 能不能准，取决于：
- 语义层和指标定义：模型需要知道「GMV」「新用户」到底怎么算，口径不统一，AI 就会给出看似正确的错误答案；
- 元数据质量：表和字段要有清楚的描述；
- 权限控制：AI 查询的数据范围要和提问人的权限一致。
给出分阶段的计划
- 第一个月：梳理高频取数需求涉及的 50 个核心指标，统一口径，建设语义层；选一个业务部门试点；
- 第二个月：上线 ChatBI 或自助分析工具，覆盖试点部门的高频简单查询；持续评估准确率，错误的问题加入测试集；
- 第三个月：根据准确率扩大到更多部门，目标设为「高频简单取数需求的 X% 由业务自助完成」；
- 用数据追踪效果：取数需求数量的变化、ChatBI 的使用量和准确率。
关于减人
- 实话实说：短期内不建议减人，被释放的人力可以投入到语义层建设、数据质量和更有价值的分析；
- 长期看，团队的人员结构会从取数转向数据产品和治理。