监管问题往往横跨多个从未打算协同的系统。POC 在 MOI 上构建金融数据分析助手，把衍生指标预先计算，分析师用中文或英文提问即可路由到 SQL、pandas、新闻关联、MongoDB 或 CCASS 工作流。
香港证券及期货事务监察委员会成立于 1989 年，是监管香港证券与期货市场的独立法定机构，负责制定并执行市场规则、维护市场公平与投资者保护。
市场监管部门需要回答的问题，天然是跨系统的。指数与个股历史价格存放在 SAS，市值与行业分类在 Oracle，公司财务数据以 JSON 形式存在 MongoDB，而券商持股变动只能从港交所 CCASS 网站获取。
这四套系统当初各自独立建设，从未被设计成要一起回答同一个问题。
「哪些个股在重大消息发布前，成交量达到其 30 日均量的三倍」——这样一个问题横跨两套系统再加一路新闻源。而「连续十个交易日收盘价高于 50 日均线」这类技术信号，需要在极大规模的价格历史上做滚动计算。
监管分析的特点是问题不会单独出现。看到一个异常之后，真正有价值的是接下来的追问：这只股票之前有没有类似情况、同行业其他公司呢、那段时间有什么公告。
但在原有链路下，每一个监管问题都变成一份提给数据团队的需求说明。分析的节奏由工程排期决定，而不是由分析本身决定。
于是追问往往因为「再提一个需求」的成本太高而被放弃——而追问恰恰是监管分析中最有价值的部分。被放弃的不是效率，是结论。
POC 在 MOI 上构建了金融数据分析师。派生指标——50 日均线、30 日均量、连续高于均线天数——在源库中以 T+1 预计算，MOI 同时连接这个结果库、Oracle 与 MongoDB，并通过 webhook 调用外部 RPA 抓取 CCASS 网页数据。
一个路由器负责理解问题：缺少时间范围时主动追问，判定意图后分发到对应工作流——市场与行业类查询走 SQL，技术信号交给代码解释器用 pandas 做滚动计算，新闻事件与成交量基线的关联由 HTTP 节点完成，营收增长则用 MongoDB 聚合。
把不同性质的问题分发到不同工作流，而不是试图用一条通道处理全部，是这套设计能同时保证准确性与覆盖面的原因。
答案以文本、图表与表格三种形式同时返回，支持中英文。
指数下跌时的成交量、行业市值回落、均线连续天数、消息前放量、CCASS 持股变动、多年营收增长，全部用自然语言提问即可——跨越 SAS、Oracle、MongoDB 与港交所网站。
每个答案都暴露它实际执行的 SQL，预计算字段也会展示其推导过程。结论可以被核对和复现，而不是只能选择相信——对监管场景来说，一个无法复现的发现是不能作为依据的。
「换成柱状图」「只看前十」「加上数据标签」这类调整直接在上一次结果上重新渲染，无需重跑查询——折线、柱状、饼图、组合图、热力图与 K 线图均可切换。
追问的成本降到接近于零之后，分析的深度不再由工程排期决定。