问数场景中权限问题优化说明

问数场景中权限问题优化说明

一、背景说明

在问数场景中，如果用户提问涉及某个牌照的数据，但当前账号未被授权查看该牌照，系统有时可能返回 0、空结果或“无数据”类结果。

这类返回容易让使用方误以为：

• 当前确实没有数据
• 当天数据为空
• 指标结果本身就是 0

但实际情况可能是：当前账号暂无该牌照对应的数据查看权限。

为减少这类理解偏差，我们建议在问数场景中结合知识配置能力，对典型的牌照权限问题进行前置识别与提示优化。

二、优化目标

本次优化的目标是：

当用户提问涉及特定牌照数据，且问题命中已配置的权限类知识时，系统优先给出权限提示，减少将“无权限”误解为“无数据”的情况。

例如：

用户提问：
6月1号的 TBSG 注册数

若该问题命中权限类知识配置，系统可优先提示：

抱歉，您暂未获得该牌照的数据权限，无法查询相关数据。

从而避免直接返回 0 或空结果，提升结果的可理解性。

三、方案说明

需要说明的是，大模型本身无法直接判断某个用户是否真实拥有某个牌照的数据权限。

因此，这里的优化方案并不是由大模型直接做权限判断，而是采用：

• 知识配置前置拦截
• BI 权限体系最终兜底

也就是说：

• 对于已在知识中覆盖的典型权限问题，系统可提前识别并给出提示
• 对于未被知识覆盖的问题，系统仍会继续正常查询
• 最终的数据可见范围，仍由 BI 已配置的行级/列级权限控制

四、预期效果

基于以往客户落地经验，通过知识配置方式，通常可以覆盖约 85% 的典型权限类提问。

剩余约 15% 的问题，由于表达方式更复杂或未被知识覆盖，仍可能继续进入查询流程，并最终表现为无数据或空结果。

在当前能力边界下，这是相对稳定、可落地且效果较优的方案。

五、适用建议

建议客户优先针对以下内容进行知识配置：

• 高频出现的牌照名称
• 常见业务口径和别名
• 用户常用的提问方式
• 容易引发误解的核心指标场景，如注册数、订单数、销量、收入等

通过持续补充和优化知识配置，可以逐步提升权限类问题的识别率和拦截效果。

六、最佳实践参考

知识配置最佳实践可参考：
ChatBI 权限问题自动阻断回答最佳实践