Zovda
分析团队每天都在产出「问题 → 查询 → 结果 → 纠正」。每一条都是「把业务问题变成一个操作」的带标签样本。
这条流在会后就被丢掉了，然后团队奇怪：为什么模型答不了关于自己数据的问题。
让它能用的三样东西
问题原话，包括含糊的部分。回答它的那条查询。以及有人核实过的结果。
少了第三样，你得到的是一个「学会写出能跑的查询」的模型，而「能跑」不等于「对」。
一条记录里有什么
- 问题，用提问者的原话
- 当时的表结构，因为表会改名
- 查询，以及它用的方言
- 结果，带行数和验证方式
- 追问，真正的要求通常在那里
最后一个字段最值钱，也最常丢。第一个答案很少是答案。
含糊本身就是训练信号
「上个季度收入」在不同团队是四条不同的查询。存下那个澄清的过程，而不是澄清之后的版本，才教得会模型「先问再猜」。
收集那段来回，不要只留最终答案。
表结构要带版本
去年表上写的查询今天跑不了，在它上面训出来的模型学到的是一批已经不存在的列名。把结构指纹和这一行一起存。
这些集合由 Zovda 通过 Datuva 生产，问题、查询和核对放在一起。数据研究语料展示了这个结构。
告诉我们你的团队每周都在问什么，我们会在 1 个工作日内回复。