2C4G 跑通数据全链路：从数据接入、指标建模到智能问数的实战指南
你有多个电商平台，想知道每天卖得怎么样。用传统数据平台？Hadoop + Flink + ClickHouse 搭起来就要好几台机器。 现在换 DataY：一台 2 核 4G 的服务器，20 分钟跑完整条链路 —— 数据接入 → 维度建模 → 指标定义 → 自然语言问数。 本文就是这条链路的手把手实操。
你将跑通什么
订单CSV文件 ──ETL──▶ DuckDB 数仓 ────▶ 维度建模
│
▼
指标（销售额/毛利率/客单价…）
│
┌─────────────────┴─────────────────┐
▼ ▼
公共指标查询面板 智能问数（自然语言）
"我选几个指标看看" "上个月北京销售额？"
└───────────► 数据结果 ◄────────────┘
跑完之后你能得到：
| 能力 | 效果 |
|---|---|
| 📥 数据接入 | 订单/商品/门店数据自动同步到数仓，定时增量 |
| 🏗️ 维度建模 | 商品品类（3 级层级）、门店、时间（年/季/月/日）维度建好 |
| 📊 指标管理 | 销售额、毛利率、客单价等 12 个业务口径指标，团队统一用 |
| 🤖 智能问数 | 一句话拿数："上个月各品类的销售额和毛利率" |
1. 环境准备（5 分钟）
最低要求
- 一台 2 核 4G 的服务器（或你的笔记本）
- Java 17+，Maven 3.6+
启动
# 1. 克隆仓库
git clone https://cnb.cool/yuyuejia/datay
# 2. 构建项目
cd datay
mvn clean package -DskipTests
# 3. 启动（单机模式，调度+执行合一），AI 能力需要提供 AI API Key，默认为 Deepseek 原厂Key
java -jar datay-web/target/*.jar --DATAY_AI_API_KEY=sk-xxxxxxxxx
# 4. 浏览器打开 http://localhost:8080，默认账号 admin/admin
在线演示地址：datay-demo.yuyuejia.com.cn/
开箱即用：已预置好的电商资产
平台启动时自动通过数据库迁移脚本预置了一整套电商示例，登录就能看到：
| 类型 | 预置内容 |
|---|---|
| 数据源 | 电商数仓(DuckDB) |
| 维度表 | dim_date、dim_customer、dim_store、dim_product、dim_brand、dim_category（3 级层级）、dim_time（年/季/月/日） |
| 事实表 | fact_sales_order、fact_sales_order_item、fact_customer_member |
| 指标 | 销售额、销量、成本、毛利、毛利率、客单价等 12 个 |
| 同步任务 | EC_DIM_* / EC_FACT_* 系列，文件 → 模型 |
2. 数据接入（10 分钟）
目标：把源数据（文件 / MySQL / API）同步进数仓物理表。
2.1 注册数据源
导航：数据源 → 数据源管理。
- 点击「新建数据源」
- 填写名称、类型（示例用
DUCKDB）、连接 URL、默认 schema - 点「测试连接」确认后保存
2.2 编排同步任务
两种方式选一种：
方式 A：可视化 ETL 画布（适合复杂任务）
数据集成 → 新建任务 → 拖拽 FileInput（或 StreamJdbcInput）和 ModelWrite → 连线 → 双击节点配置 → 保存。
方式 B：数据同步（适合简单表同步） 数据同步 页面选源表和目标，自动建表全量/增量同步。
2.3 执行并校验
任务「执行一次」或「上线」后，到 任务实例 页看状态；在 数据源元数据浏览 里确认目标表已生成且有数据。
3. 维度建模（10 分钟）
目标：用星型模型定义维度表和事实表的关联关系，让后续指标和问数有业务语义。
导航：数据模型 → 维度建模。
3.1 三种维度类型
创建维度模型时，选对类型能省很多事：
| 类型 | 自动生成什么 | 什么时候用 |
|---|---|---|
| 普通维度 | 基础字段 + member_id/member_name | 客户、门店、商品 |
| 层级维度 | level1_id/level1_name … 自动层级字段 | 品类（一级/二级/三级） |
| 时间维度 | year/month/day 粒度字段 + 预置日期数据 | 按时间趋势分析 |
3.2 时间维度
- 新建模型，类型选 时间维度
- 勾选粒度：
年 / 季 / 月 / 日（自动按由粗到细排序） - 填日期范围（如
2024-01-01 ~ 2024-12-31） - 保存后自动生成：
year_id/month_id/day_id+ 主键date_key+ 层级路径hierarchy - 点「物化」→ 勾选「生成预置数据」→ 建表并写入日期数据
3.3 事实表关联维度
- 新建事实模型，类型选
DWD 明细层 - 用「注册模式」从物理表自动导入字段
- 对每个外键字段，在「关联维度」列指向对应维度模型
- 选一个时间字段作为「时间周期字段」
示例：fact_sales_order_item.order_date_sk → dim_date、product_sk → dim_product、store_sk → dim_store
4. 指标管理（10 分钟）
目标：用统一的公式定义业务指标口径，问数有依据、报表对得上。
导航：数据模型 → 指标管理。
4.1 原子指标（基础度量）
- 新建指标，类型选 原子指标
- 填名称、编码、单位（如
销售额 sales_amount，单位「元」） - 选绑定的事实表（如
fact_sales_order_item） - 写计算公式：
SUM(amount)、COUNT(DISTINCT order_id)等 - 可选配置「业务限定」（只算已支付订单等）
- 点「预览 SQL」核对口径后保存
4.2 衍生指标（组合公式）
类型选 衍生原子指标，用 ${指标编码} 引用已有指标：
毛利率 = ${gross_profit} / ${sales_amount}
客单价 = ${sales_amount} / ${order_count}
5. 智能问数（真正的亮点，5 分钟体验）
目标：用自然语言直接拿数，不需要会写 SQL。
导航：数据模型 → 智能问数。
5.1 构建知识索引
首次使用点 「重建知识索引」，平台会把以下内容向量化：
- 指标（名称 + 编码 + 口径描述）
- 维度字段
- 维度成员值（门店城市、品类名称等）
索引完成后，AI 才能正确理解你的业务语义。
5.2 开始问数
在输入框里像跟老板说话一样描述需求：
各品类的销售额和毛利率
最近一周北京的销售额
每个月的销售额趋势对比
今年一季度 vs 去年一季度的客单价
AI 会自动完成：知识检索 → 指标匹配 → 维度/时间识别 → 业务限定解析 → 取数， 最终用 Markdown 表格 给你答案。
6. 不依赖 AI 的公共指标查询
如果你想直接选指标手动查，或需要校验 AI 口径：指标管理 → 指标查询
- 选指标（可多选，自动求共同维度）
- 加维度（层级/时间维度可选具体层级）
- 设业务限定和时间范围
- 预览 SQL 或直接查询
