共计 2563 个字符，预计需要花费 7 分钟才能阅读完成。
导读
近日，TiDB Cloud 公布了 Chat2Query 性能，在 TiDB Cloud 上通过自然语言发问，即可生成相应的 SQL，通过 TiDB Cloud 对上传的任意数据集进行剖析。Gartner 也在一份无关 ChatGPT 对数据分析影响钻研的报告中提及了 PingCAP 的 Chat2Query 产品。
本文分享了唐刘在展现 Chat2Query demo 过程中的一些思考。探讨了想打造一款好的产品，从用户角度登程的思考形式以及与用户交换的重要性：当咱们向用户展现产品能力时，咱们往往习惯站在技术的角度登程，然而当用户并不具备齐备的相干技术背景时，咱们须要换位思考，理解用户的工作流程和思维形式，能力真正让用户了解和承受咱们的产品。
最近一段时间，一件十分让我骄傲的事件就是咱们在 TiDB Cloud 下面公布了基于 OpenAI 的智能数据摸索性能 – Chat2Query。见到敌人，我都会十分开心地跟他们去举荐这个性能，跟他们现场演示如何应用，每当看到他们「aha」的表情，这个成就感还是挺强的。
然而，我举荐的敌人简直全是有技术背景的人，所以当我跟一位不懂技术的敌人进行举荐的时候，我才忽然意识到，咱们的这款产品离难看以及好用，还有很长的路要走。
因为我的敌人是一位征询参谋，她对于世界 500 强的财务表报数据十分感兴趣。刚好，我手上有一份往年的财务数据，于是就开始给她演示如何在 Chat2Query 外面，智能对数据进行洞察。
/ 啥，什么是 Database？ /
于是，我先开始上传数据，到了导入数据的面板，我上传实现文件之后，我忽然意识到一个很好玩的事件，而恰好在同时，我的敌人问了一个问题也印证了这个事件。
因为我的敌人不太懂技术，更别提懂数据库了，于是她问了我一个看起来很傻的问题 –「什么是 Database？」
对的，这个问题看起来十分的低级，什么是 Database？对于一个做了这么多年，用了这么多年数据库的我来说，这问题貌似很简略。但在那个时候，我忽然明确，在我看来十分显然的一个单词，对于很多用户来说是齐全不可了解的。兴许有人会说，我的敌人压根不是咱们产品的指标客户，没准是的，但从另一方面来说，有多少人会立即了解咱们在上图那个操作？或者咱们能不能将下面那个设置的步骤变得更加的简略和好用？
/ 用户的心智模型 /
于是我就跟我敌人探讨：“你冀望如何来应用 Chat2Query？”我敌人答复道：“我是一个重度 Excel 用户，对我来说，我要做的就是上传 Excel 文件，而后我就能对这个 Excel 进行剖析了。”
这里能够看到，我的敌人不晓得什么是 Database，但其实她日常工作的 Excel，其实跟 Database 的概念是能分割上的，一个 Excel 就是一个 Database，而 Excel 外面的 Sheet 就是 Table。所以如果我敌人要用这个产品，一个更直观的形式就是她上传好一个 Excel 文件之后，咱们默认的就依照这个文件名给她建设一个 Database，为 Excel 文件外面的每个 Sheet 建设对应的 Table，基本不须要裸露任何的 Database 和 Table 的概念。
所以一开始，如果我跟我敌人先从 Excel 探讨，用她之前的常识体系来做映射，没准她会更容易了解咱们产品。如果一开始，咱们就能很好的反对 Excel 相干的概念和操作，没准对我敌人就是一个替换 Excel 的首选了。
/ 难看又要好用 /
数据导入胜利之后，咱们进入到 Chat2Query，天然我晓得，我的敌人不会应用，即便 get started page 外面曾经说了能够应用 -- 而后再带上指令，触发 AI 的性能，主动生成 SQL，但这个依然是不直观。于是我就问我的敌人，你冀望如何剖析你上传的数据，我的敌人说的很直观，给我关上了 Google 的主页。敌人说到，一个产品，能感动她，一个很重要的事件就是难看以及简略，Chat2Query 整个的界面交互，让她是没有太多的志愿应用的，上手难度太高，也不难看。
对我敌人来说，她须要更加简略易用的交互界面，在她的认知外面，咱们这个智能数据洞察的性能就应该跟 Google 一样，一个搜寻框，问问题，失去答案，而后生成 Excel 给她做前面的剖析。
/ 用户多层需要 /
我两持续探讨如何能力让她更好的应用 Chat2Query，毕竟我敌人是重度 Excel 用户，咱们如何能给她更大的价值。我敌人想了想，如果 Chat2Query 能做到三层，那么将会很吸引她：
- 第一层 – 解决她上传的公有数据，例如多个 Excel 文件。相比于简略的 Excel 解决，Chat2Query 能够在成千盈百的 sheet 中帮忙她取得一些洞察。
- 第二层 – 对她在 TiDB cloud 上的公有数据以及能与 PingCAP 在 TiDB cloud 上托管的公开数据集进行查问剖析。
- 第三层 – 她能够将她在其余服务商的账号密码给咱们，让 Chat2Query 能在第二层的根底上对她在其余服务商的数据进行联结查问剖析。
当我敌人跟我说这些的时候，我其实心田是很诧异的。我最近在布局 TiDB Cloud 将来的技术架构方向，就是在思考通过构建一个弹性的计算引擎，以及数据 meta 的服务，来让用户十分不便的做到下面 3 层的操作。我非常高兴看到用户有相似的需要。
而后我的敌人又持续说到，你这个能不能有历史记录的性能，能将我之前的洞察后果保留下来，甚至有没有比照性能，对不同工夫的查问后果进行比照剖析。不过起初咱们探讨到，这个没准在里面的工具做可能更好，所以 Chat2Query 最好要提供一个 API 服务进来。瞎话，我这个不懂技术的敌人能想到 API，以及对 API 免费，以及对接其余的 BI 工具，还是挺让我吃惊的 :-)
/ 写在最初 /
这次与我的敌人的演示让我意识到了几点重要的事件：
- 真正试着站在用户的角度思考问题是很重要的。咱们须要理解用户平时应用的工具和实现的工作，并了解他们的思维形式。
- 产品不仅要好看，也要好用。这对研发工程师来说是一个微小的挑战，但侥幸的是，这个世界上有很多这样的产品，咱们能够学习借鉴。
- 用户是最好的老师，与用户交换能取得十分不同的对产品的洞察。
最初，我心愿我的敌人能成为咱们的标杆用户，她十分违心承受这个角色。
BTW, 本文有一些文本应用了 ChatGPT 进行了润色。
最初，如果你想体验 TiDB Cloud + AI 的能力，欢送点击尝试 TiDB Cloud，也心愿收到更多来自大家的反馈。
