導讀
近日，TiDB Cloud 釋出了 Chat2Query 功能，在 TiDB Cloud 上透過自然語言提問，即可生成相應的 SQL，透過 TiDB Cloud 對上傳的任意資料集進行分析。Gartner 也在一份有關 ChatGPT 對資料分析影響研究的報告中提及了 PingCAP 的 Chat2Query 產品。
本文分享了唐劉在展示 Chat2Query demo 過程中的一些思考。探討了想打造一款好的產品，從使用者角度出發的思考方式以及與使用者交流的重要性：當我們向使用者展示產品能力時，我們往往習慣站在技術的角度出發，然而當使用者並不具備完備的相關技術背景時，我們需要換位思考，瞭解使用者的工作流程和思維方式，才能真正讓使用者理解和接受我們的產品。
最近一段時間，一件非常讓我自豪的事情就是我們在 TiDB Cloud 上面釋出了基於 OpenAI 的智慧資料探索功能 - Chat2Query。見到朋友，我都會非常開心地跟他們去推薦這個功能，跟他們現場演示如何使用，每當看到他們 「aha」 的表情，這個成就感還是挺強的。
但是，我推薦的朋友幾乎全是有技術背景的人，所以當我跟一位不懂技術的朋友進行推薦的時候，我才突然意識到，我們的這款產品離好看以及好用，還有很長的路要走。
因為我的朋友是一位諮詢顧問，她對於世界 500 強的財務表報資料非常感興趣。剛好，我手上有一份今年的財務資料，於是就開始給她演示如何在 Chat2Query 裡面，智慧對資料進行洞察。
/ 啥，什麼是 Database？ /
於是，我先開始上傳資料，到了匯入資料的皮膚，我上傳完成檔案之後，我突然意識到一個很好玩的事情，而恰恰在同時，我的朋友問了一個問題也印證了這個事情。
因為我的朋友不太懂技術，更別提懂資料庫了，於是她問了我一個看起來很傻的問題 - 「什麼是 Database？」
對的，這個問題看起來非常的低階，什麼是 Database？對於一個做了這麼多年，用了這麼多年資料庫的我來說，這問題貌似很簡單。但在那個時候，我突然明白，在我看來非常顯然的一個單詞，對於很多使用者來說是完全不可理解的。也許有人會說，我的朋友壓根不是我們產品的目標客戶，沒準是的，但從另一方面來說，有多少人會立刻理解我們在上圖那個操作？或者我們能不能將上面那個設定的步驟變得更加的簡單和好用？
/ 使用者的心智模型 /
於是我就跟我朋友討論：“你期望如何來使用 Chat2Query？”我朋友回答道：“我是一個重度 Excel 使用者，對我來說，我要做的就是上傳 Excel 檔案，然後我就能對這個 Excel 進行分析了。”
這裡可以看到，我的朋友不知道什麼是 Database，但其實她日常工作的 Excel，其實跟 Database 的概念是能聯絡上的，一個 Excel 就是一個 Database，而 Excel 裡面的 Sheet 就是 Table。所以如果我朋友要用這個產品，一個更直觀的方式就是她上傳好一個 Excel 檔案之後，我們預設的就按照這個檔名給她建立一個 Database，為 Excel 檔案裡面的每個 Sheet 建立對應的 Table，根本不需要暴露任何的 Database 和 Table 的概念。
所以一開始，如果我跟我朋友先從 Excel 探討，用她之前的知識體系來做對映，沒準她會更容易理解我們產品。如果一開始，我們就能很好的支援 Excel 相關的概念和操作，沒準對我朋友就是一個替換 Excel 的首選了。
/ 好看又要好用 /
資料匯入成功之後，我們進入到 Chat2Query，自然我知道，我的朋友不會使用，即使 get started page 裡面已經說了可以使用 -- 然後再帶上指令，觸發 AI 的功能，自動生成 SQL，但這個仍然是不直觀。於是我就問我的朋友，你期望如何分析你上傳的資料，我的朋友說的很直觀，給我開啟了 Google 的主頁。朋友說到，一個產品，能打動她，一個很重要的事情就是好看以及簡單，Chat2Query 整個的介面互動，讓她是沒有太多的意願使用的，上手難度太高，也不好看。
對我朋友來說，她需要更加簡單易用的互動介面，在她的認知裡面，我們這個智慧資料洞察的功能就應該跟 Google 一樣，一個搜尋框，問問題，得到答案，然後生成 Excel 給她做後面的分析。
/ 使用者多層需求 /
我兩繼續討論如何才能讓她更好的使用 Chat2Query，畢竟我朋友是重度 Excel 使用者，我們如何能給她更大的價值。我朋友想了想，如果 Chat2Query 能做到三層，那麼將會很吸引她：
- 第一層 - 處理她上傳的私有資料，例如多個 Excel 檔案。相比於簡單的 Excel 處理，Chat2Query 可以在成百上千的 sheet 中幫助她獲得一些洞察。
- 第二層 - 對她在 TiDB cloud 上的私有資料以及能與 PingCAP 在 TiDB cloud 上託管的公開資料集進行查詢分析。
- 第三層 - 她可以將她在其他服務商的賬號密碼給我們，讓 Chat2Query 能在第二層的基礎上對她在其他服務商的資料進行聯合查詢分析。
當我朋友跟我說這些的時候，我其實內心是很驚訝的。我最近在規劃 TiDB Cloud 未來的技術架構方向，就是在思考透過構建一個彈性的計算引擎，以及資料 meta 的服務，來讓使用者非常方便的做到上面 3 層的操作。我非常高興看到使用者有類似的需求。
然後我的朋友又繼續說到，你這個能不能有歷史記錄的功能，能將我之前的洞察結果儲存下來，甚至有沒有對比功能，對不同時間的查詢結果進行對比分析。不過後來我們討論到，這個沒準在外面的工具做可能更好，所以 Chat2Query 最好要提供一個 API 服務出去。實話，我這個不懂技術的朋友能想到 API，以及對 API 收費，以及對接其他的 BI 工具，還是挺讓我吃驚的 :-)
/ 寫在最後 /
這次與我的朋友的演示讓我意識到了幾點重要的事情：
- 真正試著站在使用者的角度思考問題是很重要的。我們需要了解使用者平常使用的工具和完成的工作，並理解他們的思維方式。
- 產品不僅要好看，也要好用。這對研發工程師來說是一個巨大的挑戰，但幸運的是，這個世界上有很多這樣的產品，我們可以學習借鑑。
- 使用者是最好的老師，與使用者交流能獲得非常不同的對產品的洞察。
最後，我希望我的朋友能成為我們的標杆使用者，她非常願意接受這個角色。
BTW, 本文有一些文字使用了 ChatGPT 進行了潤色。
最後，如果你想體驗 TiDB Cloud + AI 的能力，歡迎點選嘗試 TiDB Cloud，也希望收到更多來自大家的反饋。