场景 · 解决方案
场景与解决方案案例
六个贯穿全平台能力的真实场景：从语义归因、跨渠道打通到自助分析，看 Quasar 怎么把数据变成业务决策。
案例 1 · DTC 电商：退款率异常的一键归因
痛点 · 退款率从 3% 跳到 8%，数据平台只给出数字，要花两小时翻订单/客服/质检/供应商才能拼出原因。
方案
- 用自然语言问「上周退款率为什么升高」，Agent 识别为定量+定性混合问题；
- 语义层 Entity Hub 定位
orders.status=refunded数据集 + 行业基准知识文档； - DB 侧采集：8.2%（3 倍）、78% 来自 SKU FUR-2026-WINTER、质量问题集中在 B202603 批次；
- KB 侧关联：B202603 质检报告「色泽不均」、供应商 A 投诉率 +300%；
- 沿统一关系图构建归因链：供应商→批次→SKU→新客退款。
用到的能力 · 语义层（双源融合 / 归因链）· 知识库（质检报告、供应商档案）· 智能助手
效果 · 把「两小时人工拼图」压缩成一次对话，直接输出原因 + 4 条行动建议（停售/补偿/整改/备选供应商）。
案例 2 · 连锁零售：跨渠道 OneID 打通后再精准圈人
痛点 · 同一个人在小程序、企微、App、门店 POS 各有一套 ID，数据割裂，无法精准触达。
方案
- 多渠道事件经 ID-Mapping 实时归并为一个 OneID（微信 openid/unionid、企微 extid、手机号、设备）；
- 热映射写 Redis（<5ms），审计与画像落 MySQL；
- 在 创建受众 用统一筛选器跨渠道圈人，实时预估人数。
用到的能力 · 统一 Unify（OneID）· 触达 Engage（圈人）· 连接（多源接入）
效果 · 渠道 ID 收敛为统一画像，圈人覆盖全渠道行为，避免对同一人重复触达。
案例 3 · 市场运营：一句话圈人 + 群发激活
痛点 · 市场同学不会写 SQL，每次圈人都要排期找数据团队，活动响应慢。
方案
- 在创建受众里中文描述「近 30 天下过单且客单价>500 的华东用户」；
- Agent 生成候选 DSL，必经 dsl.py 校验层（字段/操作符/关系/跳数），绝不直出 SQL；
- 预览 SQL + 预估人数，满意后存为受众，连接应用激活到短信/企微。
用到的能力 · 触达 Engage（NL 圈人）· 安全 DSL 校验 · 应用市场（激活通道）
效果 · 圈人从「提需求等排期」变成「自助一句话」，且查询安全可控、口径一致。
案例 4 · 数据团队：多源数据接入并打宽成统一画像
痛点 · 数据散落在 MySQL、数仓、Kafka、CSV 各处，接入和清洗全靠手写脚本，难维护。
方案
- 从 数据源目录（44 连接器）建源，或 CSV/粘贴走可视化 ETL；
- 字段映射→预览→导入到目标对象，可同时建对象关系；
- 用「可视化编排」拖拽节点保存为管道，「管道」页执行经 真实 Apache Airflow 调度（动态任务映射）。
用到的能力 · 连接 Connections（数据源/ETL/编排）· 对象模型 · Airflow 调度
效果 · 多源数据统一接入并打宽为画像宽表，编排可视化、调度可追溯（执行历史/暂停恢复）。
案例 5 · 业务负责人：一句话生成看板自助分析
痛点 · 想看「订单 + 商品」的运营视图，但找人做看板要等好几天。
方案
- 在智能助手对话里说「做一个电商运营看板，看订单和商品」；
- DeepSeek 从白名单数据源目录受限选图（LLM 不写 SQL）直接生成；
- 图表直接在对话中以卡片内联渲染（订单状态饼图 + 商品销量柱图），数据点可下钻明细。
用到的能力 · 分析 Analyst（NL 生成/下钻）· 安全聚合（COUNT/白名单 GROUP BY）
效果 · 看板从「提需求等开发」变成「说一句话即得」，且数据口径安全受控。
案例 6 · 客户成功：知识沉淀与客户档案关联
痛点 · 合同、质检报告、客服会话散落在网盘和邮件里，与客户记录对不上号。
方案
用到的能力 · 知识库（多模态存储/对象关联）· 语义层（双源融合）
效果 · 企业知识沉淀到客户/对象维度，既可检索调阅，又能被 Agent 关联进业务分析。