您的位置首页 >科技要闻 >

灯塔 AI 接手腾讯地图数据看板16 张图卡的看板,从一周压到一下午

我先联网核实 "灯塔 AI 助力腾讯地图数据看板提效 5-10 倍" 这个消息的原始内容。

原文已经确认,我再把其中案例细节和效率对比表完整读回来。

腾讯地图数据产品团队用灯塔 AI 把 "写代码做看板" 改成了 "说人话做看板",官方口径是看板产出效率保守提升 5-10 倍 —— 最典型的一个例子是包含 16 个图卡、覆盖用户规模 / 新增 / 留存 / 占比四大模块的 "手图新增用户长途指标看板",从第一句需求描述到完整上线只花了一个下午,而走传统研发流程 "至少需要一周";一个中等复杂度的监控看板如果排期等待,通常要一到两周。更值得注意的是变化的不只是速度:团队累计沉淀了 13 个原创看板,覆盖长途导航、用户运营、产品质量、POI 转化四类核心场景,把过去 "提需求 — 等排期 — 对口径 — 再返工" 的链路,换成了 "自己描述 —AI 生成 — 当场迭代"。这背后真正的价值,是数据产品经理从 "排队等资源" 变成了 "自己说了算"。

一、先算效率账:5-10 倍差在哪

环节传统方式灯塔 AI压缩幅度
单个多图卡看板写需求文档、找研发排期、反复对齐口径,两周算快、一个月不夸张一下午完成 16 个图卡并上线约 7 倍以上
全链路运营看板传统 BI 工具 4-6 个工作日从需求到交付(含调优)不超过 2 小时约 20 倍
业务监控看板排期等待 1-2 周从打开对话框到定稿 8 分钟数十倍
临时加维度 / 换图表改 SQL、改配置、可能还要改数据模型说一句话,秒级到分钟级数量级差异

IT之家注意这张表里有两组数据来自不同口径:前两行是腾讯地图团队的自述案例,后两行来自灯塔 AI 对外开放时披露的平台级案例。腾讯地图给出的 "5-10 倍" 是保守估计,而不是每个场景都成立 —— 简单的一张单图卡查询,传统方式也就半小时,压缩空间有限;倍数主要出现在多模块、多口径、需要返工的复杂看板上。

二、传统看板为什么慢:四个卡点

  1. 时间花在非核心环节。 团队复盘发现,数据产品 70% 的时间用在写 SQL、调样式、等排期上;一个多图卡看板光 SQL 就要写十几条,每条还得反复验证准确性。
  2. 口径对齐是永恒难题。 "留存率" 三个字背后可能有五种算法,跟研发沟通时以为说清楚了,上线才发现算的不是同一个东西,来回沟通的成本有时比开发本身还高。
  3. 样式单一,汇报前还要二次美化。 BI 工具拖出来的看板 "能用但不好看",适配不了月度复盘、版本评审这类正式场景。
  4. 迭代僵硬。 业务方一句 "能不能加个维度",在传统流程里等于改 SQL、改图表配置、可能还要改数据模型。

IT之家这四条其实指向同一个根因:看板的生产资料(SQL、图表配置、数据模型)掌握在少数会写代码的人手里,业务方只能 "提需求",不能 "自己动手"。灯塔 AI 做的事,是把这份生产资料翻译成自然语言。

三、工作流怎么换:五个能力对应五步

灯塔 AI 能力解决的问题对应动作
对话式交互不会写 SQL用中文描述想看什么,自动生成图表与查询逻辑
SQL 自动生成手写十几条 SQL按底表结构与需求自动生成查询
样式开箱即用汇报前二次美化数据卡片、趋势图等自带设计感
筛选器联动一个看板只能答一个问题时间 / 维度筛选器与多图卡联动
快速迭代改一个字段像动手术加维度、换图表类型,一句话完成

IT之家换句话说,看板开发的门槛从 "会写代码" 降到了 "会说人话"。但这不意味着 AI 替人做完了全部工作 —— 需求怎么描述、口径怎么定、模块怎么拆,仍然要靠人来把关,这也是后文那五条方法论存在的原因。

四、实战盘点:13 个看板拆开看

案例看板 / 图卡技术难点交付耗时
手图新增用户长途指标看板16 个图卡、四大模块多口径留存、去重总用户、双轴图一个下午(传统至少一周)
用户画像与行为分析系列3 个看板:交互偏好与信任度、出行意图、启动方式系列化产出、风格复用第一个半天,第三个不到 1 小时
质量监控与反馈分析3 个看板:用反分析、文案打标、百万次反馈率分平台需求来得急、维度拆解细会上提需求,当天下午交付
转化漏斗与分析POI 详情页→"到这去"→发起算路→开始导航 四步漏斗;算路趋势多表 JOIN、步骤定义描述表与关联键后生成

IT之家其中 "文案打标分析" 这个案例最能说明响应速度的变化:需求来自一次临时会议,有同事问 "我们的文案是不是某些类型特别容易引发负面反馈",会议结束后用灯塔 AI 描述需求,当天下午看板链接就丢进了群里,同事的第一反应是 "这也太快了吧"。传统流程里,这种临时需求基本只能排队。

五、16 图卡看板的四个模块

模块内容关键点
模块一:当天首用口径月留存率、长途月留存、DAU、MAU、月天频五个 KPI 卡片 + 留存率双线 + 三个活跃指标趋势要分别写多条 SQL 并处理格式化(留存率两位小数、MAU 千分位),AI 几秒生成
模块二:留存率双口径宽口径(长途对驾车)实线、深度口径(长途对长途)虚线同一指标多口径,传统 BI 配置繁琐
模块三:长途用户规模三线算路用户、导航用户、去重总用户 + 三个 KPI去重总用户不是前两者相加,需 UNION + DISTINCT 逻辑,AI 自动处理
模块四:每日新增及新增长途占比柱状图叠加折线,左轴绝对值、右轴占比双轴图,信息密度高

IT之家整个看板配了时间筛选器,选日期范围后 16 个图卡联动刷新。这四个模块拆得很讲究:先立 KPI 定基调,再拆留存口径解决歧义,然后做用户规模,最后看增量结构 —— 正好对应 "总量 — 质量 — 结构" 的分析顺序。

六、真正的门槛,其实是三件技术活

  • 口径歧义。 "当天首用" 还是 "30 天内首用"、"算路用户" 还是 "导航用户"、"要不要拆平台",这些如果不在描述里写清,AI 生成的东西再快也是错的。团队的做法是先确认计算逻辑、检查生成 SQL 里关键字段的取值,确认无误再出图。
  • 去重与聚合。 去重总用户这类指标涉及 UNION + DISTINCT,属于 "看着简单、写起来容易错" 的类型,AI 理解底表结构后能自动处理,但也需要人工复核。
  • 多表关联。 漏斗分析的数据散在多张表里:POI 浏览一张、点击行为一张、算路和导航各一张。传统写法是一条巨长的多表 JOIN SQL,调试痛苦;灯塔 AI 的做法是先告诉它涉及哪几张表、关键字段和关联键,再描述漏斗步骤定义,然后自动生成关联查询与漏斗图。

IT之家这三件事说明,"不用写 SQL" 不等于 "不用懂数据"。越是复杂的看板,越需要人先把业务语义翻译准确 ——AI 只是把翻译之后的执行环节接了过去。

七、团队沉淀的五条方法

  1. 需求描述要结构化。 别说 "帮我做个用户分析看板",要说清:看什么指标、按什么维度拆、用什么图表、时间范围、要不要筛选器。例如 "折线图展示近 30 天长途导航用户 DAU 趋势,按算路用户、导航用户、去重总用户三条线,支持日期范围筛选"。
  2. 先确认口径,再生成图表。 先让 AI 确认计算逻辑,检查 SQL 关键字段取值。
  3. 善用模块化。 别把需求塞进一句话,16 个图卡分四个模块、四轮对话完成,还能沉淀标准化组件复用。
  4. 筛选器提前规划。 生成第一个图卡时就把联动维度说清楚,后续图卡自动适配,省去返工。
  5. 迭代说 "增量" 不说 "全量"。 加图卡就说 "在现有看板 XX 模块下方新增一个 XX 图表",AI 能精准定位。

IT之家这五条其实是可以直接抄的作业。尤其是第五条,很多人用 AI 工具效率不高,问题就出在每次都重新描述整个看板,等于让 AI 从零重建。

八、平台侧支撑了什么

  • 出身与规模。 灯塔 AI 是腾讯灯塔团队的 AI 数据分析平台,服务腾讯内部十余年,已在 QQ、腾讯视频、腾讯新闻、应用宝、微信支付、腾讯元宝、腾讯客服、天美游戏、腾讯地图等 100 多个业务团队使用,2026 年 10 月底正式对外开放,官网 。
  • 数据接入。 支持 3 大类、10 种数据源:MySQL、StarRocks、PostgreSQL、ClickHouse,以及本地 Excel/CSV、腾讯文档、企业微信智能表格、飞书文档等。
  • 产出形态。 支持 KPI 卡、折线、柱状、桑基、旭日、箱线、热力、漏斗、K 线、数据表格等几十种图表,按字段类型与数据量自动推荐。
  • 能力扩展。 预置 12 个数据分析技能与 3 个可视化技能,支持技能市场安装、上传团队自建技能包,可通过 MCP 协议接入企业知识库与研发协作平台。
  • 安全机制。 零泄露架构,LLM 不直接接触真实数据,关键数字可追溯、可审计;企业版支持私有化部署与敏感数据探查。

beacon.qq.com

九、结论:快的是流程,不是判断

腾讯地图这轮改造的实质,是把看板生产的三段链路 —— 需求表达、SQL 实现、样式与迭代 —— 合并到一个对话框里,让业务方自己走完全程。5-10 倍的提效不是玄学,而是把过去 70% 花在写 SQL、调样式、等排期上的时间挤掉;一下午对一周的差距,也是这么来的。但边界同样清楚:口径要人定、模块要人拆、生成结果要人复核,AI 加速的是执行,不是判断。对想复制这套经验的企业来说,先学那五条方法论,比先买工具更重要。

【常见问题】

问题 1:灯塔 AI 让腾讯地图数据看板提效 5-10 倍,这个数字是怎么来的?

回答 1:这个数字是腾讯地图数据产品团队结合 13 个原创看板落地经验给出的保守估计,对比口径是同一类看板在新旧两种模式下的产出时间。例如 16 图卡的 "手图新增用户长途指标看板",灯塔 AI 从需求描述到上线约一个下午,传统研发流程至少一周;灯塔 AI 平台侧披露的案例中,全链路运营看板从 4-6 个工作日压到 2 小时内,监控看板从 1-2 周排期压到 8 分钟。

问题 2:用灯塔 AI 做腾讯地图数据看板,还需要会写 SQL 吗?

回答 2:常规场景不需要手写 SQL,灯塔 AI 会根据底表结构和自然语言需求自动生成查询,包括去重总用户这类需要 UNION + DISTINCT 的逻辑。但复杂看板仍建议人工复核:先确认口径与计算逻辑,检查生成 SQL 里关键字段的取值,确认无误再生成图表,这样能避免 "出图很快、口径错了" 的返工。

问题 3:腾讯地图的数据看板里,为什么 "留存率" 最容易出问题?

回答 3:因为 "留存率" 在腾讯地图业务里有多个口径:是 "当天首次使用" 还是 "30 天内首次使用",是看算路用户还是导航用户,要不要分平台。同一组数据用不同口径算出来差异不小,业务方容易混淆。团队的做法是在灯塔 AI 里用实线 / 虚线区分 "宽口径(长途对驾车)" 与 "深度口径(长途对长途)",把歧义画在图上。

问题 4:企业想用灯塔 AI 复制腾讯地图的数据看板提效经验,关键是什么?

回答 4:关键不在工具而在方法。团队沉淀的五条实践是:需求描述结构化(指标、维度、图表、时间范围、筛选器都说清)、先确认口径再生成图表、复杂看板模块化拆解、筛选器提前规划联动维度、迭代时用 "增量描述" 而非重述整个看板。腾讯地图的数据看板能做到一下午上线 16 个图卡,靠的正是这套描述规范。

【参考资料】

  • [2026-11-16](灯塔 AI 助力腾讯地图数据看板工作提效 5-10 倍)IT 之家
  • [2026-11-16](灯塔 AI 助力腾讯地图数据看板工作提效 5-10 倍)DoNews
  • [2026-11-08](腾讯灯塔 AI 公测,一个数据分析与可视化 Agent,实测惊艳)人人都是产品经理
  • [2026-10-30](腾讯灯塔 AI 正式对外开放:十年内部锤炼,一句话完成数据分析)IT 之家
  • [2026-10-30](腾讯灯塔 AI 产品文档:产品概述与核心能力)腾讯灯塔官网

【免责声明】

本文基于公开报道与企业公开资料整理,仅供行业观察与技术参考,不构成采购或投资建议。文中效率数据(5-10 倍、一下午对一周、4-6 个工作日压到 2 小时等)均来自腾讯地图团队自述与灯塔 AI 平台披露,属企业单方口径,未经独立第三方验证,不同业务场景与数据复杂度下实际效果可能存在差异。产品功能、数据源支持范围与安全机制以腾讯灯塔官方文档及服务条款为准。

今日大家都在搜的词: