管理场景题：业务方用 AI 自己写 SQL 做出了错误报表，最后追责到数据团队，你怎么办？
场景：公司开放了数仓的查询权限，运营团队用 AI 工具自己写 SQL 做了一份渠道 ROI 报表，在管理层会议上用了。后来发现数字错了：AI 生成的 SQL 没有剔除测试订单，也用错了退款口径。管理层问：「数据团队是怎么管数据的？为什么会出这种错？」矛头指向了你的团队。
问题：你怎么处理？
面试怎么回答
我会先处理眼前的问题：不急着撇清，按标准口径快速给出正确数字，说明差异和原因是测试订单和退款口径，不追究运营个人。然后看系统问题：口径只存在于数据团队的 SQL 里没有固化、开放了明细却没有标准指标层、探索分析和正式口径没有区分、AI 工具拿不到口径上下文。改进上建设标准指标层和语义层，核心指标由数据团队定义，业务和 AI 都从这里取数；提供已剔除测试订单的推荐数据集；把元数据和口径接入 AI 工具或提供官方智能问数；规定正式汇报的数字必须来自认证报表或经过确认；给业务方做口径培训。向管理层汇报原因、系统性根因和改进计划，把这次追责变成推动语义层建设的机会。
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
先处理眼前的问题
- 不急着撇清：在管理层面前说「这不是我们写的 SQL」解决不了问题，也会让人觉得在推卸；
- 快速给出正确的数字：数据团队按标准口径重新计算，说明差异有多大、差在哪里；
- 说明原因：用事实讲清楚错误的原因是口径（测试订单、退款），而不是去追究运营同学个人。
再看系统问题
这件事暴露的不是「运营不该用 AI」，而是：
- 口径没有被固化：测试订单剔除、退款口径这些规则只存在于数据团队的 SQL 和脑子里，没有沉淀成可复用的数据资产；
- 开放了明细表，没有提供标准的指标层：业务方只能从明细表自己算，AI 当然会算错；
- 没有区分「探索分析」和「正式口径」：会议上使用的数字没有经过任何审核；
- AI 工具没有拿到口径的上下文：它不知道公司的规则。
改进方案
- 建设标准指标层和语义层：核心指标（GMV、ROI、退款率）由数据团队定义和维护，业务方和 AI 工具都通过它取数，而不是从明细表自己算；
- 提供干净的数据集：比如已经剔除测试订单的订单宽表，作为推荐的数据源，明细原始表降低可见性或加上明确的使用说明；
- 给 AI 提供口径上下文：元数据、指标定义、使用注意事项接入 AI 工具，或者提供官方的智能问数工具；
- 分级使用：探索性的分析可以自助；用于正式汇报、对外的数字，必须来自认证的报表或经过数据团队确认；
- 培训：给业务方讲清楚常见的口径坑和自助分析的规范。
和管理层的沟通
汇报时讲三点：错误的原因和正确的数字；为什么会发生（系统性原因）；改进计划和时间表。把一次被追责变成推动语义层建设的机会。