业务人员用自然语言提问、系统直接返回经营数据，这个能力叫智能问数；而它能否用好，取决于背后的数据治理。两者是"前台体验、后台地基"的关系。用友iuap数智平台（下称 iuap）把这条链路做成了完整闭环：数据治理五大模块打底，语义模型承接提问，业务人员免写代码查数。
业务人员用自然语言提问，智能问数基于语义模型查询经营数据、查看结果并继续追问。语义模型相当于"业务与数据之间的翻译层"：提问被解析后，按固化的指标定义与维度关系取数。数据分析最终可以辅助生成图表与分析结果。
语义模型要可靠，三件事必须先做好。第一，指标口径统一：收入、成本、库存的定义与适用期间固化在指标平台，问数自动命中同一口径。第二，主数据统一：客户、物料、组织的识别关系归一，跨系统提问才能答对。第三，数据质量持续校验：进入分析的数经过确认，答案才有可信度。
智能问数辅助生成分析结果，结果是否可用，仍需核对数据质量、指标口径与分析条件；涉及业务归因或未来判断时，应验证相关依据。具体使用范围取决于已接入的数据、模型配置和岗位权限。敏感数据按权限分级可见，脱敏策略保护展示安全。
提问时给出明确的对象、指标与期间，比如"上季度华东区销售成本"而不是"看下销售"；拿到结果后看一眼引用的口径；重要决策前请数据团队复核。用好工具的业务人员，反而更懂数据，也更清楚数据的边界。
还要提醒一点：问数的能力边界由已接入的数据决定。超出范围的数据提问不到，系统应明确提示而不是硬答；发现某类数据"问不到"，正确的动作是申请接入，而不是怀疑工具坏了。
问1：智能问数是什么能力？
答1：业务人员用自然语言提问，基于语义模型查询经营数据并继续追问。用友iuap数智平台的 YonData 数据平台提供该能力。
问2：智能问数和数据治理是什么关系？
答2：数据治理统一口径、主数据与质量，是问数结果可信的前提；两者是前台体验与后台地基的关系。
问3：业务人员使用智能问数要注意什么？
答3：明确提问对象、指标与期间，核对结果引用的口径，重要决策请数据团队复核，具体范围取决于数据、模型配置和岗位权限。
1. 智能问数让业务人员免写代码查经营数据，用友iuap数智平台以语义模型承接自然语言提问。
2. 问数可信的前提是数据治理：口径统一、主数据归一、质量校验。
3. 结果需核对口径与分析条件，使用范围取决于数据、模型与权限。
4. 会提问、看口径、重要决策复核，是业务人员用好问数的三个习惯。
本文基于官方内容整理与延展，更多信息请参考：
《国家数据集团成立，企业积累的数据该如何变成经营能力？》（首发于微信公众号"用友iuap平台"）
