NL2Dashboard Automation（自然语言→仪表盘）

Skill-NL2Dashboard-Automation · 09-DataAgent-LLM

experimentforecastingoptimizationrecommendationragmulti_agentvisual_generation广告与投放供应链与补货推荐与搜索知识图谱与RAGMAS与智能体工程视觉内容生成WF-A 智能补货WF-B 广告优化

收录于数据治理基础手册 AI Agent 替人手册

年化 ROI节省 BI 开发人力

业务视角

适用角色数据分析师 / 运营负责人 · CEO · 供应链负责人

适用平台Amazon SP API · Shopify · TikTok Ads API · 多平台数据整合

什么情况下用数据需求太多，数据团队排期 2 周；非技术人员（采购/客服/运营）有数据问题但不会 SQL；重复报表占用大量时间

成功是什么样的业务方用自然语言自助查数据，常规报表自动化，数据驱动决策响应速度从「天」变「分钟」

业务痛点

数据需求排期太长不会 SQL 只能等数据团队老板临时要数据没法马上出分析师时间都花在取数上

1. 解决的问题

将自然语言分析需求自动转化为 BI 仪表盘（图表+指标卡片+筛选器）。NL→结构化查询→Chart DSL→渲染。核心：意图解析（trend/comparison/distribution/ranking）+ 自动图表类型选择。

2. 核心算法逻辑

3. 业务应用场景

运营说"给我看吸奶器在美国和德国的周销量对比，加趋势线"→自动生成双折线图+趋势线+自动洞察："德国周均增长 8%，美国 3%。德国增速更快。"

年化：节省 BI 开发人力 15-25 万元。

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

节省 BI 开发人力

7. 代码模板

代码块数量：1 · 路径：未检测到

def nl_to_chart_spec(query: str) -> dict:
    spec = {'chart_type': 'line', 'metrics': [], 'dimensions': [], 'filters': {}}
    q = query.lower()
    if '对比' in q or 'comparison' in q: spec['chart_type'] = 'bar'
    if '趋势' in q or 'trend' in q: spec['chart_type'] = 'line'
    if '分布' in q or 'distribution' in q: spec['chart_type'] = 'histogram'
    if 'roas' in q: spec['metrics'].append('ROAS')
    if '销量' in q or 'sales' in q: spec['metrics'].append('sales')
    if '国家' in q or 'country' in q: spec['dimensions'].append('country')
    return spec

r = nl_to_chart_spec("吸奶器在美国和德国的周销量对比趋势")
print(f"Chart: {r['chart_type']}, metrics={r['metrics']}, dims={r['dimensions']}")
assert r['chart_type'] == 'line' and 'sales' in r['metrics']
print("[✓] NL2Dashboard 测试通过")

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。