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 /
我两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，欢迎点击尝试 TiDB Cloud，也希望收到更多来自大家的反馈。
