智能数据洞察分析助手可帮助用户智能搭建仪表盘、智能修改仪表盘以及帮助用户对仪表盘进行解读。本文为您介绍如何利用分析助手智能仪表盘功能进行仪表盘解读。

仪表盘智能解读基于大语言模型（LLM）能力，自动对全局看板数据进行深度解析，助力用户精准把握数据价值，高效支撑决策制定。

• 快速总结图表中的数据，提炼关键信息
• 实现即时归因联动与数据来源验证
• 支持自定义解读模版，提供模版解读和自由解读两种配置方式

1. 在使用智能生成仪表盘之前，需要将对应的数据集开启分析助手的能力。在「数据集」详情页面，点击「开启DataWind分析助手」按钮。
   

2. 开启解读。用户打开仪表盘，在图表的右上角即可找到「仪表盘解读」入口。
   

3. 解读配置。支持支持模版解读与自由解读两种方式。点击「前往配置」或右上角的「解读配置」图标，下方将弹出解读配置窗口，用户可选择任一解读配置方式。

   注意

   用户需要拥有仪表盘的编辑权限，具体权限申请方式可参考权限功能详解s。

   

   模版解读	自由解读
   用户输入模板文本，然后圈定中间的智能段落部分，分别配置每个智能段落的Prompt，大模型根据prompt，生成每个段落的处理Python代码，执行 Python 代码产生解读结果。	大模型根据用户输入的解读思路 Prompt，获取仪表盘图表数据，生成解读结果。
   相比自由解读，模板解读有以下特性： 调试更聚焦：针对一个段落进行调试，更聚焦 结果更稳定：只在调试时调用 LLM，生成的 Python 代码会被固化，后续每次只执行代码，结果更稳定 计算更迅速：同上，因为后续每次只执行代码，不调用LLM，响应速度会更快

4. 复制/刷新解读。如果用户想要复制解读结果，可以点击「复制」，即可复制仪表盘解读结果；如果用户对解读结果不满意，可以点击「刷新」，即可重新生成解读结果。
   

仪表盘智能解读支持用户根据业务场景设置解读模版，提供模版解读和自由解读两种解读配置方式，用户可按需自由选择。

模版解读

模版解读会对用户输入模版文本执行类似“完形填空”的效果，帮助用户针对性的对解读模版中需灵活变动的部分进行 Prompt 配置和调试。

1. 切换到「模版解读」页面，在左侧输入模版内容。
   

2. 圈定需要 AI 辅助生成的部分，转为智能段落。
   

3. 配置每个智能段落的 Prompt。请用自然语言描述该智能段落的取数逻辑和样式，您可以使用「@」插入数据集、图表等对象，也可以规定“红升绿降”“大于10%在结尾增加特殊符号”等。
   
   提供「Prompt 优化」功能，点击「Prompt 优化」图标，可查看优化效果。如果需要利用优化后的效果，点击「确定」，否则点击「取消」退出局部Prompt优化页面。
   

4. 局部预览每个智能段落结果。点击「预览」，可查看该段落的解读效果。

   注意

   智能段落的预览效果是基于仪表盘初始数据得到的解读结果，不受筛选器选项变更影响。

   
   局部预览效果如下，可切换查看结果预览、生成逻辑和思考过程。

   结果预览	生成逻辑	思考过程

   如果对本次的智能段落解读预览结果不满意，可点击「修改」或「基于生成的 Python 调整」。
   

   • 修改：回到智能段落 Prompt 输入步骤，调整 Prompt 内容。
     
   • 基于生成的 Python 调整：打开生成的 Python 代码内容，按需直接调整代码。
     

5. 整体预览解读结果。配置好全部智能段落的Prompt 后，点击「预览」，可查看整体解读效果。
   
   整体解读效果预览结果如下，点击「保存」模版生效。
   

6. 再次点击「仪表盘解读」或刷新解读内容，将会利用配置的模版进行解读。
   

7. 除此以外，「模版解读」区域还提供了如下功能：

   • 插入智能段落：插入后，可在右侧配置生成逻辑，AI 将根据指令获取数据生成段落内容。
     
   • 智能切片：该操作将会识别可能的智能段落并自动创建。已设置过智能段落的部分不受影响。
     
     智能切片效果展示：识别需要添加智能段落的模版内容，并自动给出智能段落 Prompt建议内容。
     
   • 自动展示开关：开启时，查看者访问仪表盘会自动展示解读内容；关闭时，查看者手动打开解读开关才会展示内容。
     
   • 数据上限设置：可开启单个或多个图表的数据上限开关，未开启时获取图表数据上限 1000 条，开启后上限 1w 条。
     
   • 支持重做、撤销、设置智能段落文本格式、删除单个智能段落、清空全部智能段落等。
     

自由解读

大模型根据用户输入的解读思路 Prompt，获取仪表盘图表数据，生成解读结果。

1. 切换到「自由解读」页面，在下方输入自由解读模版内容。
   
2. 点击「预览」查看解读效果。
   
3. 如果对新的解读效果不满意，可以点击「返回修改」。
   
4. 可以调整自由模版内容，也可以点击「恢复默认」回到默认解读思路。
   
5. 设置完成后，点击「保存」，再次开启「仪表盘解读」功能或者刷新解读内容，即可使用自定义的解读分析思路。
   
6. 仪表盘自由解读还提供了「知识库」功能，可结合知识库内容配置自由解读模版内容。
   
7. 除此以外，自由解读也支持撤销、重做和调整数据上限功能。
   

智能仪表盘支持全图表数据解读，点击开启「AI解读」，在仪表盘上方会显示「解读中」提示，解读完成后，用户即可查看解读内容。

• 可自动提炼总结异常值、趋势、排名等图表关键点。
• 除自动提炼图表关键信息外，还提供即时归因联动和数据来源验证两项高级功能。

即时归因联动

即时归因联动功能是仪表盘智能解读功能实现深度数据洞察的重要支撑。该功能基于预设的归因分析逻辑，将自动挑选图表需要分析变化的指标，智能拆解指标与维度，快速锁定变化背后的贡献因素。

• 系统可从维度与指标两个层面展开归因，精准定位导致数据变化的关键因素，并将前三大同向贡献因素（推动数据正向变化）与反向贡献因素（导致数据负向变化）进行重点呈现。
• 针对各维度、指标可进行深入影响分析，通过可视化联动展示，如商家分层、行业分类等维度的贡献值、贡献率等关键数据，用户可通过交互操作，点击关联图表元素，实现从宏观数据到微观细节的穿透式分析，快速锁定数据变化根源，为业务决策提供可靠依据。

数据来源验证

仪表盘智能解读支持建立数据映射关系验证，将解读生成的核心结论与数据看板深度联动。

• 当点击结论中关键数据时，自动弹出对应原始数据趋势图表，实现文本结论到可视化数据的穿透，让用户从结论快速回溯数据细节，辅助验证结论逻辑，也便于挖掘数据变化的深层关联，提升分析决策效率。

复制解读内容

支持一键复制全部解读内容，点击「更多」-「复制」。

刷新解读内容

如果对解读结果不满意，可以在调整模版后，点击刷新按钮重新生成解读结果。

订阅解读结果

开启智能仪表盘功能后，点击「新建订阅」，可以在订阅总结/解读设置后看到「大模型智能解读」开关，开启后，订阅推送内容中会包含仪表盘智能解读内容。具体设置订阅步骤请参考数据订阅。

开启「大模型智能解读」后订阅推送效果：

快速定位图表

• 搜索图表时，支持画布中定位图表位置
  
• 点击已插入的图表也可以快速定位
  

联动知识库

仪表盘智能解读的「自由解读」模块，提供了与知识库联动的功能。可借助知识库中已有的行业规律、历史数据结论、业务指标定义等内容，让 “自由解读” 模块自动关联信息，生成有依据的解读报告，无需人工反复查阅资料、手动整理分析逻辑。知识库相关可查看知识库概述。
具体应用：

• 基于知识库生成分析维度
• 在解读报告中嵌入知识库解释

解读写法建议

在使用数据解读时，如何编写高质量的提示词时获得理想输出的关键。一个明确、具体、有条理的提示词，能够显著提升数据解读的响应质量和效率，接下来将给大家提供基本的理解思路，写作建议以及参考示例，帮助用户更好地使用数据解读。

配置解读示例

模版解读示例

自由解读示例

最终输出以下2部分数据
## 概览
概括仪表盘的内容，不需要呈现具体数据
## 关键发现
分析仪表盘中的数据，总结一些关键发现


## 解读思路参考
1. 核销GMV是我们关注的核心指标。
2. 需要关注核销GMV的异常上升或下降（波动超过3 pp），或者连续3日及以上的上升或下降。
3. 当核销GMV有异常波动时，可通过行业、商家分层、区域等维度进行下钻，分析波动原因。也可以从相关指标的视角进行分析
3. 相关指标之间计算关系如下：
- 核销GMV = 支付GMV - 退款GMV
- 核销率 = 核销GMV/支付GMV（核销率>80%时视为达标，<80%时视为不达标）

## 指标的数据格式
1. GMV，展示数值，保留2位小数，数值较大时，可以进行“万”、“百万”、“千万”的单位换算。
2. 核销率，展示百分比形式，保留1位小数。

关键发现

核销GMV的异常波动：
在最近10天的数据中，核销GMV出现了多次异常波动（超过3个百分点）。例如：
-8.30%（2025-08-18）。
3.45%（2025-08-19）。
-9.64%（2025-08-20）。
这些波动表明核销GMV存在较大的不稳定性，需要进一步分析原因。

核销率达标情况：
核销率在最近10天中有5天未达标（低于80%）。例如：
78.87%（2025-08-18）。
79.83%（2025-08-21）。
达标率较低，表明业务效率有待提升。

连续上升趋势：
在2025-08-23，核销GMV出现了连续3日上升的趋势是，这可能与促销活动或其他因素有关。

退款GMV的影响：
退款GMV的变化对核销GMV和核销率有直接影响。例如，2025-08-26的退款GMV较高14.91万，导致核销率下降至79.54%。

支付GMV与核销GMV的关系：
支付GMV的增长并不总是带来核销GMV的同步增长。例如，2025-08-22的支付GMV为76.34万，但核销GMV环比仅增长1.80%。

下一步建议
下钻分析：
针对核销GMV的异常波动，可以从行业、商家分层、区域等维度进行下钻，识别具体原因。
分析退款GMV较高的日期，找出退款率高的商家或行业。

优化核销率：
针对核销率不达标的日期，检查是否存在系统性问题或商家履约问题。

监控连续趋势：
关注核销GMV的连续上升或下降趋势，及时调整运营策略。

（1）本服务输出的内容均由人工智能模型生成。
（2）本功能适用人群：仅限于客户在内部、自有业务、自己使用，客户不得通过分析助手向公众提供生成式人工智能服务。
（3）本功能为增值模块，支持 SaaS 版本和私有化部署版本产品使用，如需购买或试用，请您联系商务人员进行咨询。
（4）目前，智能数据洞察 DataWind 的 AI 能力支持的数据集类型如下所示：

• 支持抽取数据集，支持 Excel/CSV 文件上传类型数据集。
• 支持直连数据集，目前仅包含：ClickHouse / ByteHouse、Doris / selectdb。