导读
近日，TiDB Cloud 发布了 Chat2Query 功能，在 TiDB Cloud 上通过自然语言提问，即可生成相应的 SQL，通过 TiDB Cloud 对上传的任意数据集进行分析。Gartner 也在一份有关 ChatGPT 对数据分析影响研究的报告中提及了 PingCAP 的 Chat2Query 产品。
本文分享了唐刘在展示 Chat2Query demo 过程中的一些思考。探讨了想打造一款好的产品，从用户角度出发的思考方式以及与用户交流的重要性：当我们向用户展示产品能力时，我们往往习惯站在技术的角度出发，然而当用户并不具备完备的相关技术背景时，我们需要换位思考，了解用户的工作流程和思维方式，才能真正让用户理解和接受我们的产品。
最近一段时间，一件非常让我自豪的事情就是我们在 TiDB Cloud 上面发布了基于 OpenAI 的智能数据探索功能 - Chat2Query。见到朋友，我都会非常开心地跟他们去推荐这个功能，跟他们现场演示如何使用，每当看到他们 「aha」 的表情，这个成就感还是挺强的。
但是，我推荐的朋友几乎全是有技术背景的人，所以当我跟一位不懂技术的朋友进行推荐的时候，我才突然意识到，我们的这款产品离好看以及好用，还有很长的路要走。
因为我的朋友是一位咨询顾问，她对于世界 500 强的财务表报数据非常感兴趣。刚好，我手上有一份今年的财务数据，于是就开始给她演示如何在 Chat2Query 里面，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，我上传完成文件之后，我突然意识到一个很好玩的事情，而恰恰在同时，我的朋友问了一个问题也印证了这个事情。
因为我的朋友不太懂技术，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，这个问题看起来非常的低级，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，这问题貌似很简单。但在那个时候，我突然明白，在我看来非常显然的一个单词，对于很多用户来说是完全不可理解的。也许有人会说，我的朋友压根不是我们产品的目标客户，没准是的，但从另一方面来说，有多少人会立刻理解我们在上图那个操作？或者我们能不能将上面那个设置的步骤变得更加的简单和好用？
用户的心智模型
于是我就跟我朋友讨论：“你期望如何来使用 Chat2Query？”我朋友回答道：“我是一个重度 Excel 用户，对我来说，我要做的就是上传 Excel 文件，然后我就能对这个 Excel 进行分析了。”
这里可以看到，我的朋友不知道什么是 Database，但其实她日常工作的 Excel，其实跟 Database 的概念是能联系上的，一个 Excel 就是一个 Database，而 Excel 里面的 Sheet 就是 Table。所以如果我朋友要用这个产品，一个更直观的方式就是她上传好一个 Excel 文件之后，我们默认的就按照这个文件名给她建立一个 Database，为 Excel 文件里面的每个 Sheet 建立对应的 Table，根本不需要暴露任何的 Database 和 Table 的概念。
所以一开始，如果我跟我朋友先从 Excel 探讨，用她之前的知识体系来做映射，没准她会更容易理解我们产品。如果一开始，我们就能很好的支持 Excel 相关的概念和操作，没准对我朋友就是一个替换 Excel 的首选了。
好看又要好用
数据导入成功之后，我们进入到 Chat2Query，自然我知道，我的朋友不会使用，即使 get started page 里面已经说了可以使用 -- 然后再带上指令，触发 AI 的功能，自动生成 SQL，但这个仍然是不直观。于是我就问我的朋友，你期望如何分析你上传的数据，我的朋友说的很直观，给我打开了 Google 的主页。朋友说到，一个产品，能打动她，一个很重要的事情就是好看以及简单，Chat2Query 整个的界面交互，让她是没有太多的意愿使用的，上手难度太高，也不好看。
对我朋友来说，她需要更加简单易用的交互界面，在她的认知里面，我们这个智能数据洞察的功能就应该跟 Google 一样，一个搜索框，问问题，得到答案，然后生成 Excel 给她做后面的分析。
用户多层需求
我俩继续讨论如何才能让她更好的使用 Chat2Query，毕竟我朋友是重度 Excel 用户，我们如何能给她更大的价值。我朋友想了想，如果 Chat2Query 能做到三层，那么将会很吸引她：
- 第一层 - 处理她上传的私有数据，例如多个 Excel 文件。相比于简单的 Excel 处理，Chat2Query 可以在成百上千的 sheet 中帮助她获得一些洞察。
- 第二层 - 对她在 TiDB cloud 上的私有数据以及能与 PingCAP 在 TiDB cloud 上托管的公开数据集进行查询分析。
- 第三层 - 她可以将她在其他服务商的账号密码给我们，让 Chat2Query 能在第二层的基础上对她在其他服务商的数据进行联合查询分析。
当我朋友跟我说这些的时候，我其实内心是很惊讶的。我最近在规划 TiDB Cloud 未来的技术架构方向，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，来让用户非常方便的做到上面 3 层的操作。我非常高兴看到用户有类似的需求。
然后我的朋友又继续说到，你这个能不能有历史记录的功能，能将我之前的洞察结果保存下来，甚至有没有对比功能，对不同时间的查询结果进行对比分析。不过后来我们讨论到，这个没准在外面的工具做可能更好，所以 Chat2Query 最好要提供一个 API 服务出去。实话，我这个不懂技术的朋友能想到 API，以及对 API 收费，以及对接其他的 BI 工具，还是挺让我吃惊的。
写在最后
这次与我的朋友的演示让我意识到了几点重要的事情：
- 真正试着站在用户的角度思考问题是很重要的。我们需要了解用户平常使用的工具和完成的工作，并理解他们的思维方式。
- 产品不仅要好看，也要好用。这对研发工程师来说是一个巨大的挑战，但幸运的是，这个世界上有很多这样的产品，我们可以学习借鉴。
- 用户是最好的老师，与用户交流能获得非常不同的对产品的洞察。
最后，我希望我的朋友能成为我们的标杆用户，她非常愿意接受这个角色。
BTW, 本文有一些文本使用了 ChatGPT 进行了润色。
最后，如果你想体验 TiDB Cloud + AI 的能力，欢迎在 TiDB Cloud 上尝试 Chat2Query，也希望收到更多来自大家的反馈。
目录