01 / PROBLEM
你要解决什么问题
业务人员经常需要回答经营问题，但传统分析方式通常依赖研发编写 SQL 或提前配置 BI 报表，业务人员也难以确认数据范围、指标口径和分析结果是否可信。
“本月销售额是多少？”“哪些品类带动了增长？”“哪些商家表现异常？”
本赛题希望你构建一个对话式经营分析 Agent，让不会 SQL 的用户也能直接通过自然语言完成数据查询和分析，并获得准确、可解释的结果。
02 / CHALLENGE
你的挑战是什么
设计并实现一个可运行的电商经营分析 Agent。Agent 需要理解业务数据和指标口径，将用户问题转化为查询和分析任务，支持查数、统计、排名、多表关联和连续追问。
当问题存在歧义时，应主动澄清；数据不足时，应明确说明无法得出结论。
03 / CORE TASKS
你需要完成什么
- 接入赛事提供的数据，理解业务表结构和指标口径
- 支持订单、商品、商家、支付、评价等经营分析
- 正确处理多表关联和复杂业务关系，避免重复计算
- 输出结果时说明查询范围、指标口径和依据
优秀作品：不只是回答问题，而是能理解经营意图、保证数据准确并给出可解释分析。
04 / ADVANCED
想进一步挑战？（加分项）
- 支持连续追问，继承或修改上一轮的时间、品类、商家和筛选条件
- 对复杂问题自动拆分查询步骤，从平台总体下钻到品类、商家和订单明细
- 发现并说明缺失值、重复数据、异常日期、支付金额与商品金额不一致等数据问题
- 提供表格或图表，并保存可回看、可复现的查询记录
05 / DELIVERABLES
你最终需要提交什么
你最终要交出的，不只是一份分析方案，而是一个真正可以运行、可以交互的经营分析作品。
- 一个可运行的 Agent、Web Demo 或其他可交互工具
- 完整源代码、依赖清单、启动方式和示例配置
- 简短设计说明，包含数据接入、业务模型、查询流程、错误处理和安全限制
- 使用公开练习题形成的 Demo 记录，以及自行补充的测试结果
06 / MATERIALS
我们提供什么
- 电商业务数据集（Excel / CSV 格式）
- 数据字典和指标口径
- 公开示例问题及参考答案
Demo 数据包含订单、商品、支付、评价等多类业务数据，覆盖多商品订单、拆分支付、取消订单等真实业务场景。
FULL EXAMPLE查看完整示例
输入
2025 年 4 月已送达订单的商品销售额比 3 月变化多少？哪个品类对增长贡献最大？能否确定增长是促销带来的？
要做什么
- 在订单表中筛选 3 月和 4 月下单且状态为 delivered 的订单。
- 关联订单明细并汇总 price，运费不计入商品销售额。
- 分别计算两个月的商品销售额和环比。
- 按品类计算两个月销售额差额并排序。
- 检查现有数据是否包含促销活动记录。
预期输出
- 3 月商品销售额为 167,927.39 元。
- 4 月商品销售额为 193,119.68 元，增加 25,192.29 元，环比增长 15.00%。
- 数码家电销售额从 39,900.95 元增至 105,245.50 元，增加 65,344.55 元，是增长贡献最大的品类；其他部分品类同期下降。
- 当前数据没有促销活动表，只能确认数码家电成交价格和销量发生变化，不能直接断定增长由促销导致。如需确认，需要补充活动、折扣规则或广告投放数据。
07 / EVALUATION
这道题初赛重点看什么
| 维度 | 关注点 |
|---|---|
| 基础任务完成度 | 工具能够运行，完成数据接入、自然语言查询和结果展示；公开及未公开问题中的数字、排名、时间范围和指标口径正确。 |
| AI 技术应用合理性 | 能利用模型理解问题和表结构、生成或修正查询；确定性计算交给数据库或程序完成，并限制为只读查询。 |
| 问题理解 | 正确区分商品销售额、支付金额和运费；能识别歧义、缺失数据和无法证明的因果结论。 |
| 后续完善空间 | 数据源、业务口径和查询执行之间职责清楚，能够继续增加数据表、指标和问题类型。 |
| 创新性 | 在查询解释、多轮交互、分析下钻、结果核对或可视化方面有自己的设计，并能说明实际价值。 |