问
零门槛自然语言问数
业务人员直接输入“本月销售额环比为什么下降”，系统自动理解指标、时间、维度和分析意图。
把“查数据”变成“直接问业务问题”
传统 BI 往往依赖报表开发、SQL 编写和指标口径解释，业务人员想获得答案需要反复沟通。VeraBI 通过统一语义模型承载指标、维度、标签和口径，让大模型在受治理的数据语义范围内生成查询、解释结果并推荐下一步分析。
语
统一语义层驱动
先建设指标、维度、标签、实体关系和业务术语，再让 Chat BI 使用同一套受治理的数据模型。
图
自动可视化洞察
根据查询结果自动生成图表、看板和解释说明，支持趋势预测、波动归因和推荐追问。
智能架构：Chat BI 与 Headless BI 合一
参考 Supersonic 的核心思想，VeraBI 不是只让大模型直接生成 SQL，而是先用语义层降低幻觉和复杂度，再通过知识库召回、Schema 映射、语义解析、纠错和翻译生成可执行查询。
VeraBI Core语义层约束大模型，让问数更可靠、更可治理。
01自然语言问题业务用户以口语方式提出指标、归因和看板需求。
02知识库召回从语义模型中召回指标、维度、标签、业务术语和值域。
03Schema 映射识别问题中引用的数据集、字段、实体和值。
04语义解析纠错规则与大模型协同生成语义查询，并校验口径与权限。
05语义翻译执行将语义查询转为 SQL，执行到物理数据源。
06图表与洞察生成图表、解释、追问建议和沉淀到看板。
核心能力
VeraBI 面向企业数据服务效率提升，覆盖数据接入、语义建模、智能问答、结果洞察、质量管控和表格化分析沉淀。
1
多源异构数据接入
支持 MySQL、Oracle、ClickHouse、PostgreSQL 以及 Excel、CSV、本地/远程文件等数据源接入。
2
智能交互与生成
支持多模态自然语言提问、多轮对话追问、输入自动补全和查询后推荐。
3
AI 分析与可视化洞察
自动生成图表与看板，提供数据解读、趋势分析、波动归因和经营洞察。
4
质量管控与调优
支持问数全流程管控，通过术语治理、人工调优和语义纠错让模型越用越准。
5
电子表格分析沉淀
基于统一数据集开展在线表格分析、自由报表编排、明细查询和结果沉淀。
6
细粒度权限控制
支持数据集级、列级、行级三层数据访问控制，让自然语言问数符合企业权限边界。
产品功能总览
本地产品材料中的功能页展示了 VeraBI 的五类核心能力：数据接入与管理、智能交互生成、AI 分析洞察、质量调优和电子表格分析。
数据与语义治理
- 1数据源接入：统一接入数据库、文件和业务系统数据，打破数据孤岛。
- 2数据集建模：定义明细表、多指标周期表、专题数据集和指标口径。
- 3业务术语库：沉淀指标、维度、实体、同义词和值域解释，提高语义匹配准确性。
- 4空间发布：按组织、角色和场景发布可见可用的数据资产。
智能问数增强
- KKnowledge Base：周期性抽取语义模型 Schema，构建字典与索引用于召回。
- SSemantic Parser：规则解析与大模型解析协同处理不同问数场景。
- CSemantic Corrector：检查语义查询有效性，必要时进行纠错与澄清。
- MChat Memory：沉淀历史查询轨迹，用于 few-shot 提示和相似问题复用。
数据接入与权限管理
企业级问数的可靠性来自受治理的数据底座。VeraBI 支持多源异构接入、数据集模型定义、问数权限控制和空间发布，让业务自助分析也能安全可控。
典型使用流程
从数据接入到业务问数，VeraBI 将开发者的数据治理工作和业务用户的自然语言分析体验连接起来。
01接入数据源连接数据库、表格文件和业务数据源，完成基础数据同步。
02构建语义模型定义指标、维度、标签、实体关系和业务口径。
03发布分析空间按组织与角色发布可用数据资产，配置数据权限。
04自然语言问数业务人员直接问问题，系统解析并生成可执行查询。
05洞察沉淀复用结果生成图表、报告和看板，并沉淀到业务分析资产。