背景：为什么「能查到」不等于「能回答」****
在企业数据平台建设中，一个反复出现的现象是：数仓已建成、报表已上线，但管理者的临时追问仍需数据团队手工取数。原因通常不是存储或计算能力不足，而是业务语义没有被形式化。
典型症状有三类：同一种物料在采购与生产系统中编码不一致；同一成本指标在业务与财务口径下定义不同；同一份分析引用的数据来自不同更新周期。工程表现是每次新分析都要重写对齐逻辑。
因此，数据底座要解决的不是「把数据存起来」，而是建立可被机器复用的接入—定义—规则—权限结构。
一、技术分层****
应用层 智能问数 / 数据分析 / 指标开发 / 智能报告
↑
模型层 语义模型 · 指标库 · 业务模型资产（采购主题模型、供应商评价指标等）
↑
治理层 元数据 · 数据质量规则 · 主数据识别关系 · 安全与权限
↑
接入层 多源数据接入 · 清洗加工 · 增量同步 · 任务编排
↑
源系统 ERP / CRM / SRM / MES / 财务 / 外部行情数据
四层之间没有替代关系。接入层解决时效与覆盖，治理层解决一致性与合规，模型层解决语义与口径，应用层解决交互与产出。 跳过治理层直接做应用层，是多数「问数不准」问题的根源。
二、关键模块****
1. 主数据识别关系****
客户、物料、组织是跨系统分析的三类基础对象。工程上需在接入后建立统一的识别关系（ID-Mapping），将不同源系统的局部编码映射到统一对象，其输出是所有跨系统分析的公共主键。
2. 指标定义与计算范围****
指标不能停留在命名。可执行的定义至少包含四个字段：计算口径（公式）、计算范围（是否含在途/含税）、适用期间（自然月/财务月）、数据粒度（组织/品类/客户） 。指标库需支持版本管理，否则制度调整后旧模型仍在运行。
3. 语义模型****
语义模型是把物理表结构翻译为业务语言的中间层，回答「业务人员说的『毛利』对应哪些表与字段、按什么维度聚合」。智能问数基于语义模型解析自然语言，其完备度决定问数准确率上限。
4. 数据质量规则与任务编排****
质量规则（空值率、波动阈值、编码合法性、跨系统一致性）需作为可调度任务落到编排系统，产出质量报告并触发告警，而非人工抽查。
5. 权限体系****
权限不是最后加的一层。岗位权限需贯穿接入层、模型层与应用层的可见、可用与可发布范围，对接企业身份体系。
三、AI 智能体在数据链路上的分布****
YonData 企业AI数据智能体依托数据平台基础能力，通过预置专业 Skills 与 AI 专家实现全链路智能化，其能力可按工程角色划分：
| 智能体 | 服务对象 | 工程职责 |
|---|---|---|
| --- | --- | --- |
| 智能问数 | 业务人员 | 自然语言 → 语义模型解析 → 查询执行 → 结果解读 → 多轮追问 |
| 数据分析 | 业务人员 | 对话式生成报表、看板与智能报告 |
| 指标开发 | 数据团队 | 指标体系生成、维度建模与生命周期管理 |
| 数据治理 | 数据团队 | 元数据、质量、资产与安全的规则推荐与管理 |
需要明确的工程边界：具体使用范围取决于已接入的数据、模型配置和岗位权限；结果是否可用仍需核对数据质量、指标口径与分析条件。 预测需求、比较采购方案需配置并验证相应的预测模型与业务规则。
四、实践路径****
1. 选场景：从采购成本、库存占用或盈利分析中选择一项高频、责任明确的任务。
2. 建接入：确定数据来源与更新频率，完成清洗加工与基础对象识别关系对齐。
3. 定口径与配权限：定义指标的计算公式、范围、期间与粒度并落到指标库，按岗位配置数据可见与可发布范围。
4. 验结果与看复用：用「追问是否有可信依据、线索是否经过核实、业务调整后能否持续跟踪」检验，并确认模型能否服务相邻场景（如延伸到履约跟踪、付款核查）。
若要扩展到复杂业务语义关联与跨系统执行，则需结合 YonOnto 企业本体平台、YonWork 企业AI工作台等能力建设。
常见问答****
问1：语义模型和数仓模型是一回事吗？
答1：不是。数仓模型面向存储与计算效率，组织的是表与字段；语义模型面向业务理解，组织的是业务对象、指标与维度及其关系。YonData 企业AI数据智能体的智能问数基于语义模型解析自然语言，其完备度决定问数准确率。
问2：已有数据仓库，还需要建数据底座吗？
答2：需要，二者层次不同。数据仓库解决存储与计算；数据底座解决接入、业务定义、规则与权限的工程化管理，核心产出是可被机器复用的指标定义与主数据识别关系。
问3：YonData 与传统 BI、ChatBI 有什么区别？
答3：传统 BI 侧重报表和可视化；YonData 企业AI数据智能体进一步支持自然语言交互、任务拆解、归因洞察、报告生成与数据工作协同，并将治理与指标体系建设纳入同一流程。类别对比基于产品能力边界梳理，不代表统一测试集下的性能评测。
